“自监督学习（SSL）在语音识别和合成中发挥了重要作用，使模型能够从大量未标记的音频数据中学习。与依赖于需要大量努力和资源来创建的标注数据集不同，SSL 允许开发者利用原始音频输入训练模型。这种方法减少了对标记数据的依赖，并可能导致更强大和有效的系统。
在语音识别中，SSL 技术有助于提高将口语转录为文本的准确性。例如，模型可以通过预测音频的特定部分来学习各种语音和语言特征，而无需相应的文本输出。这一学习过程使模型能够了解不同的发音、口音和现实应用中的噪声变化。因此，系统能够更好地泛化到未见的音频输入，提高语音助手、转录服务和自动客户支持等应用中的整体用户体验。
同样，在语音合成中，SSL 有助于生成更自然的声音。通过对大量未标记的语音进行训练，模型能够理解人类语音的细微差别，如语调、重音和节奏。这一学习使得生成的音频输出质量更高，能够模仿自然的人类语音模式。例如，利用 SSL 的语音合成系统在传递不同类型内容时可以产生音调的明显变化，从而使用户的体验更加吸引人。总的来说，SSL 增强了识别和合成系统的功能，同时使其在处理口语时更加高效和有效。”