该论文提出了一种自监督解缠表示学习方法，通过语音编码网络和全局信息解缠网络，逐步解开说话者身份与其他因素的联系，降低说话者混淆。实验结果显示，该方法在VoxCeleb和SITW数据集上有效，等价错误率和最小DCF分别降低了9.56%和8.24%。