SVSNet +：使用语音基础模型的表示增强说话人声音相似性评估模型

使用预训练模型学习到的语音表示作为输入特征，在Voxceleb数据集上进行自我监督训练，实现自动说话人验证，取得了优异的等误差率（EER）。

采用基于ResNet和RepVGG的架构，提出分阶段迁移学习方法，解决领域不匹配问题，在Far-Field Speaker Verification Challenge 2022中表现出色。

自我监督学习在发音验证中表现出与有监督系统相近的性能，通过伪标签实现了接近有监督基线的EER。

提出无监督预训练方案“Speech-XLNet”，显著提高了SAN/HMM框架下的性能，包括收敛速度和识别准确性。

探讨使用预训练语音表示模型进行语音增强任务的可行性，提出新的特征归一化技术，显著提高语音质量。

在多歌手数据集上进行的旋律无监督多说话人预训练方法，提高了单个说话人的声域，改善了合成歌声的音质和节奏自然度。

使用多个基于自监督学习的模型及其特征的集成方法，改善语音识别任务的性能，得到了较好的效果。

提出SLMGAN方法，利用大规模预训练的语音语言模型实现无监督的零样本语音转换系统，主观评估结果显示其在自然度和相似性方面表现优异。

研究波形自编码预训练语音表征模型，分析中间表征向量的声学和语言信息，提出修改方案以提高低资源设置中的表现。

探讨扩大自监督学习规模以应用于语音分离问题，提出的模型在节省计算成本的同时显著改善了单词错误率。