연구진은 자가 지도 음성 모델(S3M)에 내재된 음성 구조를 활용해 전화 분할과 인식을 동시에 해결하는 방법을 제시했어요. S3M 기반 음성학적 활성화 매핑(SPAM)을 통해 음성 모델 표현을 음성학적 특징 활성화 벡터로 매핑하는 방식이에요. 이 방식 위에 경사하강법 없이 간단한 예측 헤드를 적용해 분할 및 인식 성능을 높였어요.
연구는 1분 미만의 음성 기록으로도 가능하며, 학습 시에 없던 전화에도 잘 작동해요. 다양한 데이터셋에서 강력한 분할 및 인식 성능을 보여줬어요.
기존 방식이 전화 분할과 인식을 분리해서 모델링하는 반면, 본 연구는 음성학적 구조를 활용해 두 가지 작업을 통합적으로 해결하는 새로운 접근 방식을 제시했어요.