An Unsupervised Autoregressive Model for Speech Representation Learning

1. 论文摘要 出发点是为下游任务保留尽可能多的信息，希望学到使用线性分类器就能在下游任务中表现较好的特征，并且可以在多个不同任务中有较好的表现。 不需要音素级别或者字级别的边界标签。在模型的下面层的特征表示主要捕捉说话人识别信息，较上层的特征提供更多的音素信息。 文献综述部分观点：（1）低contrstive loss 与低的线性分类器error 相关。 2. 模型介绍 通过一个自回归模型去预测

>>阅读原文<<