本研究探讨了语音基础模型在听障人士语音可懂性预测中的不足，分析了编码层选择和预测头架构等因素，强调了单一编码层和时域建模的重要性，并发现多个模型集成显著提升了性能，为提高听障人群的语音可懂性提供了实用见解。

本研究通过改进编码层和损失函数，开发了一个端到端统一的、可解释的语音说话人和语言识别系统，实验结果显示性能显著提高。