SPAM音素分割与识别方法提出

2026年10月15日，arXiv Artificial Intelligence 刊出 Shikhar Bharadwaj 等作者的论文，提出基于自监督语音模型（S3M）的音系激活映射（SPAM）方法。据该报道，SPAM 将每帧 S3M 表示映射为清浊、鼻音等音系特征的激活向量，并在其上构建识别头和分割头两个轻量、无需梯度下降的预测头。报道称，该方法只需不到一分钟的音系转写数据，识别头可泛化到训练中未见的音素，并在多个数据集上取得较强的分割性能。报道还称该工作已被 SLT 2026 接收，并提供了源代码链接。目前该事件仅有这一篇报道，尚无后续跟进报道，因此不存在与早先报道在数字、时间或说法上的矛盾。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。