本研究提出了一种新的速度协同增强方法，通过随机改变音视频数据的播放速度，增加了音视频配对的多样性，使负配对数量翻倍，从而显著增强了学习到的表征。同时，该方法改变了音视频配对之间的严格相关性，引入了增强配对之间的部分关系，由提出的SoftInfoNCE损失来建模，进一步提升了性能。实验结果表明，该方法显著改善了学习到的表征。