待验证50% 置信事实精确时间
将10种声音完全从训练中剔除后测试，这些未见过的声音没有改善，表明模型学的是给定标签而非通用听觉能力，不会自动泛化到未训练标签
1
来源数
50%
置信度
长期有效
时效性
2026/10/8
首次发现
来源
涉及实体
相关事实
待验证零样本迁移学习通过大规模预训练学会从极短音频中提取说话人嵌入向量，无需针对目标说话人专项训练即可复刻音色语调节奏72% 相似待验证将声音克隆所需样本压缩至10秒很可能借助了大规模预训练和少样本学习（Few-shot Learning）技术71% 相似待验证端到端音频模型可能在音频层面产生幻觉，即生成训练数据中存在但与当前语境无关的音频片段70% 相似已验证Whisper、Wav2Vec 2.0等模型通过自监督预训练在海量无标注音频上学习通用声学表示，降低对人工标注数据的依赖70% 相似待验证许多在实验室基准测试中表现出色的语音模型，一旦进入嘈杂、多变、口音各异的真实环境，性能便大幅衰退70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/989454API
curl https://kongchang.com/api/v1/knowledge/claims/989454MCP
get_claim(id=989454)