SPAM用音系特征激活统一实现音素分段与识别

Shikhar Bharadwaj 等在 arXiv 论文 2607.09020v2 中提出 SPAM 方法：基于自监督语音模型（S3M），将每个表示帧映射为浊音、鼻音等音系特征激活向量，再用轻量、无需梯度下降的识别头和分段头分别完成音素识别与分段两项任务。 作者称，该方法只需不到一分钟的音系转写，且识别头可泛化到训练中未见的音素；摘要称在多种数据集上取得较强的分段表现。基于论文摘要，未提供具体指标和实验细节。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。