论文页面 - 通过音系激活映射进行音素分割与识别

来源：https://huggingface.co/papers/2607.09020
作者：

，

，

，

，

，

，

，

，

，

摘要

音素分割与识别本质上是相关联的任务，然而现代方法通常分别对它们进行建模。我们认为，音系结构已经潜在地存在于自监督语音模型（S3Ms）的表征中，我们只需要引导它们来解决这两个任务。我们利用基于S3M的音系激活映射（SPAM），它将每个S3M表征帧映射到一组音系特征激活向量（例如发声和鼻音）。在SPAM之上，我们引入了两个简单但有效的轻量级、无需梯度下降的预测头：一个识别头和一个分割头。我们的方法只需要不到一分钟的音素标注，并且能够在训练期间泛化到未见过的音素。在多种数据集上，我们的方法取得了强大的分割和识别性能。

查看arXiv页面 (https://arxiv.org/abs/2607.09020) 查看PDF (https://arxiv.org/pdf/2607.09020) GitHub1 (https://github.com/stephenmac7/phone-metrics) 添加到收藏集 (https://huggingface.co/login?next=%2Fpapers%2F2607.09020)

在您的代理中获取这篇论文：

hf papers read 2607.09020

没有最新的CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型0

没有模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2607.09020 以将其链接至此页面。

引用此论文的数据集0

没有数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2607.09020 以将其链接至此页面。

引用此论文的Space0

没有Space链接此论文

在 Space README.md 中引用 arxiv.org/abs/2607.09020 以将其链接至此页面。

包含此论文的收藏集0

没有收藏集包含此论文

将这篇论文添加到收藏集 (https://huggingface.co/new-collection) 以将其链接至此页面。