大型语言模型通过自监督预训练在自然语言处理上取得了显著进展。研究者们探索了复杂的语音标记化方法，以离散化连续语音信号。现有方法往往损失语义或声学信息。本文提出将梅尔滤波器通道离散化为强度箱（dMel），在语音识别和合成中表现优于其他方法，验证了语音与文本联合建模的有效性。