# 说话人感知话语组合

该工作提出元数据监督预训练（MSP），利用说话人身份与情感等语音属性，并引入说话人感知话语组合（SAUC）与随机跨度掩码，训练无编码器语音大模型；在多说话人对话的联合ASR与说话人日志任务上，匹配训练数据时该无编码器模型优于随机初始化的编码器基线，在有限元数据标注数据下与使用大规模语料预训练编码器的模型相当，并在若干设置中胜出。

该工作提出元数据监督预训练（MSP），利用说话人身份与情感等语音属性，并引入说话人感知话语组合（SAUC）与随机跨度掩码，训练无编码器语音大模型；在多说话人对话的联合ASR与说话人日志任务上，匹配训练数据时该无编码器模型优于随机初始化的编码器基线，在有限元数据标注数据下与使用大规模语料预训练编码器的模型相当，并在若干设置中胜出。