{“id”：“https://openalex.org/W4386436265“，”doi“：”https://doi.org/10.48550/arxiv.2309.00424“，”title“：”Learning Speech Representation From Contrastive Token-Acoustic Pretraining“，”display_name“：”Learning Speach Represent From Contractive Toke-Acoustic Pretraining“，”publication_year“：2023，”publitation_date“：”2023-01-01“，”ids“：{”openalex“：”https://openalex.org/W4386436265“，”doi“：”https://doi.org/10.48550/arxiv.2309.00424“}，”language“：”en“，”primary_location“：{”is_oa“：true，”landing_page_url“：”https://arxiv.org/abs/2309.00424“，”pdf_url“：空，”源“：{”id“：”https://openalex.org/S4306400194“，”display_name“：”arXiv（康奈尔大学）“，”issn_l“：null，”issn“：null，”is_oa“：true，”is_ in_doaj“：false，”host_organization“：”https://openalex.org/I205783295“，”host_organization_name“：”康奈尔大学“，”host_organization_lineage“：[”https://openalex.org/I205783295“]，”host_organization_lineage_names“：[”康奈尔大学“]，“type”：“repository”}，“license”：“other-oa”，“licence_id”：“https://openalex.org/licenses/other-oa网站“，”version“：”submittedVersion“，”is_accepted“：false，”is_published“：false}，”type“：”preprint“，”type_crossref“：“posted-content”，”indexed_in“：[”arxiv“，”datacite“]，”open_access“：{”is_oa“：true，”oa_status“：”green“，”oa_url“：”https://arxiv.org/abs/2309.00424“，”any_repository_has_fulltext“：true}，”authorships“：[{”author_position“：”第一“，”作者“：{”id“：”https://openalex.org/A5028353824“，”display_name“：”Chunyu Qiang“，”orcid“：null}，”institutions“：[]，”countries“：[]，”is_corresponding“：false，”raw_author_name“:”Qiang，Chunyue“，”raw _affiliation_strings“：]，”afliations“：【】}，{”author_position“：”middle“，”author“：{”id“：”https://openalex.org/A5019560977“，”display_name“：”郝丽“，”兽人“：”https://orcid.org/0000-0002-6294-6761“}，”机构“：[]，”国家“：[[]，”is_corresponding“：false，”raw_author_name“：”李，郝“，”raw_affiliation_strings“：[]，“隶属关系”：[]}，{“author_position”：“middle”，“author”：{“id”：“https://openalex.org/A5001892611“，”display_name“：”田永超“，”orcid“：”https://orcid.org/0000-0001-9611-8967“}，”机构“：[]，”国家“：[[]，”is_corresponding“：false，”raw_author_name“：”田一新“，”raw _ afiliation_strings“：[]，“隶属关系”：[]}，{“author_position”：“middle”，“author”：{“id”：“https://openalex.org/A5073918837“，”display_name“：”瑞波福“，”兽人“：”https://orcid.org/0000-0001-9598-1881“}，”机构“：[]，”国家“：[[]，”is_corresponding“：false，”raw_author_name“：”傅瑞波“，”raw _ afiliation_strings“：[]，“从属关系”：[]}，{“author_position”：“middle”，“author”：{“id”：“https://openalex.org/A5085142676“，”display_name“：”Tao Wang“，”orcid“：”https://orcid.org/0000-0003-0951-5476“}，”机构“：[]，”国家“：[[]，”is_corresponding“：false，”raw_author_name“：Wang，Tao”，“raw_affiliation_strings”：[]，“affiliations”：[]}，{“author_position”：“middle”，“author”：{“id”：“https://openalex.org/A5050763764“，”display_name“：”Longbiao Wang“，”orcid“：”https://orcid.org/0000-0002-4005-5036“}，”机构“：[]，”国家“：[[]，”is_corresponding“：false，”raw_author_name“：”王，龙彪“，”raw_affiliation_strings“：[]，“隶属关系”：[]}，{“author_position”：“last”，“author”：{“id”：“https://openalex.org/A5017251198“，”display_name“：”健武党“，”兽人“：”https://orcid.org/0000-0002-9237-4821“｝，”机构“：[]，”国家“：[]，”is_corresponding“：false，”raw_author_name“：”党，建武“，”raw_affiation_strings“：[]，”附属机构“：[]｝]，”国家_地区_计数“：0，”机构_地区_计数“：0，”对应机构_授权人“：[]，”对应机构_ ID“：[]，”apc_list“：null，”apc_payed“：null，”has_fulltext“：false，”cited_by_count“：0，”cited_by_percentile_year“：{“min”：0，“max”：78}，“biblio”：{卷：null，“问题”：nullhttps://openalex.org/T10201“，”display_name“：”语音识别技术“，”score“：0.9991，”subfield“：{”id“：”https://openalex.org/subfields/1702“，”display_name“：”人工智能“}，”字段“：{”id“：”https://openalex.org/fields/17“，”display_name“：”Computer Science“}，”domain“：{”id“：”https://openalex.org/domains/3“，”display_name“：”物理科学“}}，”主题“：[{”id“：”https://openalex.org/T10201“，”display_name“：”语音识别技术“，”score“：0.9991，”subfield“：{”id“：”https://openalex.org/subfields/1702“，”display_name“：”人工智能“}，”字段“：{”id“：”https://openalex.org/fields/17“，”display_name“：”Computer Science“}，”domain“：{”id“：”https://openalex.org/domains/3“，”display_name“：”物理科学“}}，{”id“：”https://openalex.org/T11309“，”display_name“：”音频信号分类与分析“，”score“：0.9976，”subfield“：{”id“：”https://openalex.org/subfields/1711“，”display_name“：”信号处理“}，”字段“：{”id“：”https://openalex.org/fields/17“，”display_name“：”Computer Science“}，”domain“：{”id“：”https://openalex.org/domains/3“，”display_name“：”物理科学“}}，{”id“：”https://openalex.org/T10860“，”display_name“：”语音增强技术“，”score“：0.9953，”subfield“：{”id“：”https://openalex.org/subfields/1711“，”display_name“：”信号处理“}，”字段“：{”id“：”https://openalex.org/fields/17“，”display_name“：”Computer Science“}，”domain“：{”id“：”https://openalex.org/domains/3“，”display_name“：”物理科学“}}]，”关键词“：[{”id“：”https://openalex.org/keywords/audio-visual-speech-recognition（https://openalex.org/keywords/audio-visual-speech-recognition）“，”display_name“：”视听语音识别“，”score“：0.618658}，{”id“：”https://openalex.org/keywords/end-to-end-speech-recognition（https://openalex.org/关键词/端到端语音识别）“，”display_name“：”端到端语音识别“，”score“：0.573947}，{”id“：”https://openalex.org/keywords/automatic-speech-re认知“，”display_name“：”自动语音识别“，”score“：0.57114}，{”id“：”https://openalex.org/keywords/aoustic-modeling“，”display_name“：”声学建模“，”score“：0.569167}，{”id“：”https://openalex.org/keywords/speech-enhancement网站“，”display_name“：”语音增强“，”score“：0.561046}]，”concepts“：[{”id“：”https://openalex.org/C41008148，“wikidata”：https://www.wikidata.org/wiki/Q21198（网址：https://www.wikidata.org/wiki/Q21198）“，”display_name“：”计算机科学“，”level“：0，”score“：0.8065063}，{”id“：”https://openalex.org/C28490314，“wikidata”：https://www.wikidata.org/wiki/Q189436“，”display_name“：”语音识别“，”level“：1，”score“：0.70676607}，{”id“：”https://openalex.org/C48145219，“wikidata”：https://www.wikidata.org/wiki/Q1335365“，”display_name“：”安全令牌“，”level“：2，”score“：0.641878}，{”id“：”https://openalex.org/C157968479，“wikidata”：https://www.wikidata.org/wiki/Q3079876“，”display_name“：”音频挖掘“，”level“：4，”score“：0.5973996}，{”id“：”https://openalex.org/C133378560，“wikidata”：https://www.wikidata.org/wiki/Q1753225“，”display_name“：”Paralanguage“，”level“：2，”score“：0.4897249}，{”id“：”https://openalex.org/C54953205，“wikidata”：https://www.wikidata.org/wiki/Q4142201“，”display_name“：”语音分析“，”level“：4，”score“：0.43887186}，{”id“：”https://openalex.org/C204321447，“wikidata”：https://www.wikidata.org/wiki/Q30642“，”display_name“：”自然语言处理“，”level“：1，”score“：0.42470905｝，｛”id“：”https://openalex.org/C154945302，“wikidata”：https://www.wikidata.org/wiki/Q11660“，”display_name“：”人工智能“，”level“：1，”score“：0.40562576}，{”id“：”https://openalex.org/C61328038，“wikidata”：https://www.wikidata.org/wiki/Q3358061“，”display_name“：”语音处理“，”level“：2，”score“：0.36885384}，{”id“：”https://openalex.org/C155635449，“wikidata”：https://www.wikidata.org/wiki/Q4674699“，”display_name“：”声学模型“，”level“：3，”score“：0.3588407}，{”id“：”https://openalex.org/C41895202，“wikidata”：https://www.wikidata.org/wiki/Q8162“，”display_name“：”语言学“，”level“：1，”score“：0.08500445}，{”id“：”https://openalex.org/C138885662，“wikidata”：https://www.wikidata.org/wiki/Q5891“，”display_name“：”哲学“，”等级“：0，”分数“：0.0}，{”id“：”https://openalex.org/C38652104，“wikidata”：https://www.wikidata.org/wiki/Q3510521“，”display_name“：”Computer security“，”level“：1，”score“：0.0｝]，”mesh“：[]，”locations_count“：2，”locations“：[｛”is_oa“：true，”landing_page_url“：”https://arxiv.org/abs/2309.00424“，”pdf_url“：空，”源“：{”id“：”https://openalex.org/S4306400194“，”display_name“：”arXiv（康奈尔大学）“，”issn_l“：null，”issn“：null，”is_oa“：true，”is_ in_doaj“：false，”host_organization“：”https://openalex.org/I205783295“，”host_organization_name“：”康奈尔大学“，”host_organization_lineage“：[”https://openalex.org/I205783295“]，”host_organization_lineage_names“：[”康奈尔大学“]，“type”：“repository”}，“license”：“other-oa”，“licence_id”：“https://openalex.org/licenses/other-oa“，”version“：”submittedVersion“，”is_accepted“：false，”is_published“：false}，{”is_oa“：false，”landing_page_url“：”https://api.datacite.org/dois/10.48550/arxiv.2309.00424“，”pdf_url“：空，”源“：{”id“：”https://openalex.org/S4393179698“，”display_name“：”DataCite API“，”issn_l“：null，”issn“：null，”is_oa“：true，”is_ in_doaj“：false，”host_organization“：”https://openalex.org/I4210145204“，”“host_organization_name”：“DataCite”，“host_organization_lineage”：[“https://openalex.org/I4210145204“]，”host_organization_lineage_names“：[”DataCite“]，”type“：”metadata“｝，”license“：null，”license_id“：null，”version“：null｝]，”best_oa_location“：｛”is_oa“：true，”landing_page_url“：”https://arxiv.org/abs/2309.00424“，”pdf_url“：空，”源“：{”id“：”https://openalex.org/S4306400194“，”display_name“：”arXiv（康奈尔大学）“，”issn_l“：null，”issn“：null，”is_oa“：true，”is_ in_doaj“：false，”host_organization“：”https://openalex.org/I205783295“，”host_organization_name“：”康奈尔大学“，”host_organization_lineage“：[”https://openalex.org/I205783295“]，”host_organization_lineage_names“：[”康奈尔大学“]，“type”：“repository”}，“license”：“other-oa”，“licence_id”：“https://openalex.org/licenses/other-oa“，”版本“：”提交版本“，”is_accepted“：false，”is_published“：false｝，”可持续发展目标“：[｛”display_name“：”优质教育“，”id“：”https://metadata.un.org/sdg/4“，”score“：0.61}]，”grants“：[]，”datasets“：【】，”versions“：【]，”referenced_works_count“：0，”referrenced_works“：[]，”related_work“：[”https://openalex.org/W4321847012","https://openalex.org/W3151376046","https://openalex.org/W3089379469","https://openalex.org/W2964829415","https://openalex.org/W2903652364","https://openalex.org/W2619911963","https://openalex.org/W2157598242","https://openalex.org/W2129389759","https://openalex.org/W2066339445","https://openalex.org/W1799027130“]，”ngrams_url“：”https://api.openalex.org/works/W4386436265/ngrams网站“，”“abstract_inverted_index”：{“For”：[0]，“fine-grained”：[1,64184]，“generation”：[2185]，“and”：[3,14,32,53,75117140152166173186]，“recognition”：[4,17187]，“tasks”：[5189]，“such”：[6,49]，“as”：[7,50]，“minimally-supervised”：[8170]，“text-to-speech”：[9]，“（TTS），”：[10]，“voice”：[11]，“conversion”：[12]，“（VC），”：[13]，“自动”：[15]，“语音“：[16,24,68141153165191]，”（ASR），“：[18]，”the“：[19,46,97155]，”intermediate“：[20,65,86]，”representations“：[21,66,87]，”extracted“：[22]，”from“：[23,37,67,70,88]，”should“：[25,56]，”serve“：[26]，”a“：[28,81126143180195]，”bridge\“：[29]，”between“：[30]，”text“：[31]，”声学“：[33,54]，”信息“：[34]，”包含“：[35]，”信息“：[36,48105]，”两者“：[38]，”模式。“：[39,90]，”The“：[40158175]，”semantic“：[41]，”content“：%42]，”is“：[43,80161]，”impressified“，”：[44]，“while”：[45]，”paralingualic“：[47]，”speaker“：[51]，”identity“：[52]，”details“：[55]，”be“：[57]，”de emphasized“。“：[58]，”“然而，”：[59,91]，“现有”：[60,92]，“方法”：[61,95]，“用于”：[62,84106114183]，“提取”：[63102]，“遭受”：[69]，“问题”：[71]，“的”：[72]，“过度”：[73]，“冗余”：[74]，“维度”：[76]，“爆炸”。“：[77]，“对比”：[78]，“学习”：[79,94147]，“好”：[82]，“方法”：[83127178]，“建模”：[85]，“两个”：[89135]，“对照”：[93]，“in”：[96190]，“音频”：[98108198]，“字段”：[99]，“焦点”：[100]，“on”：[101163]，“全局”：[103]，“描述性”：[104]，“下游”：[107188]，“分类”：[109]，“任务”：[110]，“制作”：[111]，“它们”：[112]，“不适合“：[113]，”TTS，“：[115171]，”VC，“：116172]，”ASR“：[118]，”任务。“：[119]，“收件人”：[120]，“地址”：[121]，“这些”：[122]，“问题”，：[123]，“我们”：[124]，“提议”：[125]，“命名”：[128]，“对比”：[129]，“代词声学”：[130]，“预训练”：[131]，“（CTAP）”，“：[132]，“其中”：[133]，“使用”：[134]，“编码器”：[136]，“到”：[137149]，“带来”：[138]，“音素”：[139151167]，“into”：[142]，“joint”：[144]，“multimal”：[145]，“space”，：[146]，“how“：[148]，”connect“：[150]，”at“：[154]，”frame“：[156]，”level。“：[157]，”CTAP“：[159177]，”model“：[160]，”trained“：[162]，”210k“：[164]，”pairs，“：[168]，”reacing“：[169]，”ASR。“：[174]，”提议的“：[176]，”提议的“：[179]，”有希望的“：[181]，”解决方案“：[182]，”处理。“：[192]，”我们“：[193]，”提供“：[194]，”网站“：[196]，”带有“：[197]，”样本。“：[199]}，”cited_by_api_url“：”https://api.openalex.org/works？filter=cites:W4386436265“，”counts_by_year“：[]，”updated_date“：”2024-06-14T21:25:22.984446“，”created_date:“2023-09-05”}“