Speech Foundation Model（语音基础模型）

传统语音系统通常针对特定任务单独训练，数据需求大且泛化性差。语音基础模型借鉴NLP中BERT、GPT等思想，通过自监督学习（如对比预测编码、掩码预测）从无标注语音中学习通用表示，再微调即可适应多种下游任务。代表性模型有wav2vec 2.0、HuBERT、WavLM等，它们推动了语音识别、说话人验证、语音翻译等领域的进步，并降低了对标注数据的依赖。