模型
WavLM
微软提出的自监督语音预训练模型，通过掩码预测任务在大规模无标注语音数据上训练，生成强大的通用语音表征，广泛应用于语音识别、说话人识别等下游任务
时间轴 (近 90 天)
10月30日
常见的零样本语音克隆评估指标包括说话人相似度（如基于 ECAPA-TDNN 或 WavLM 提取嵌入后计算余弦相似度）与词错误率。
待验证50%
10月9日
自监督语音编码器将语言信息和副语言信息压缩在同一个共享、纠缠的表示空间里
待验证50%
10月9日
整个过程基于冻结的编码器，不改动SPEAR和WavLM原有权重，只在其输出上做表征层面的重组织
待验证50%