本文提出基于矢量量化和自监督学习的VQ-MAE-S模型，用于语音情感识别。该模型在VoxCeleb2上预训练、在情感语音上微调后，性能优于MAE及现有方法。文章还综述了Wav2vec-C、随机投影量化器、VQ-VAE风格增强、QS-TTS及自监督语音增强等相关研究，表明该方向在低标注数据下具有潜力。