本研究提出了一种条件感知自监督学习表示（CA-SSLR），通过整合语言和说话人嵌入，显著提升语音任务的模型表现，并减少训练参数数量。

本文介绍了WavLM预训练模型，利用Transformer结构的相对位置偏置来捕捉输入语音的顺序，提高了对非ASR语音任务的潜力，并在SUPERB基准测试上取得了最先进的性能。

本研究提出了两组新颖特征用于帕金森病严重度分类，实验证明这些特征在语音任务中表现优于传统的MFCC特征。

该研究提出了两组新颖特征用于帕金森病严重度分类，分别是基于单频滤波方法的SFF倒谱系数和基于SFF的MFCC。实验结果表明，这些特征在三个语音任务中均优于传统的MFCC特征，相对提高了5.8%至7.0%。