本文综述无监督语音分割与聚类研究，涵盖贝叶斯建模、HuBERT自监督学习、嵌入式分段K均值、MonoBERT/PolyBERT及注意力词分割等方法，在零资源语音、单词发现和音素分割任务上取得进展，部分方法优于HMM和wav2vec 2.0，并提升机器翻译BLEU约1.05点。

该文介绍了将迁移学习应用于音素分割任务中的方法，通过在自监督预训练中学习的表示对任务的效用得到证明。在 Transformer 风格编码器中增加有策略的卷积，操作预训练中学到的特征，该模型在 TIMIT 和 Buckeye 语料库上训练和测试，分别在监督和非监督设置下达到了以前的最佳性能。同时，作者还解决了评估指标的定义和实现不确定性的问题。