Speech Representation（语音表征）

语音表征学习旨在从高维、冗余的原始音频中提取紧凑且具有语义信息的特征。传统方法依赖手工特征（如 MFCC），而现代方法通过自监督学习（如 wav2vec 2.0、HuBERT）或监督学习（如使用 ASR 目标）来训练编码器，将音频映射到潜在空间。这些表征可迁移到多种下游任务，如语音识别、情感识别和说话人日志，显著减少对标注数据的依赖。