研究发现，使用自监督语音表示作为特征变换的损失函数，与嘈杂音频语言匹配的模型性能更好。但这可能导致增强系统仅适用于特定语言，无法泛化到其他语言。自监督表示的训练语言对性能影响不大，而特定语言的训练数据量对性能有很大影响。