arXiv · cs.CL· Artem Saloev·· 18 小时前AI 评分33
探究 Mimi 编解码器码本 CB0 的语音表征
Probing the phon* representations of the Mimi codebooks
来源与原文
arXiv · cs.CL
作者：Artem Saloev
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.35432v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项研究分析了 Mimi 神经音频编解码器第一个码本（CB0）中的语音表征。由于 Mimi 固定 80 ms 的 token 窗口常跨多个音素，ABX 式评估不适用，研究者改用强制对齐、熵分析和 Phone-Normalized Mutual Information（PNMI）。基于 TIMIT 语音（58/55 说话人，SA1/SA2）的实验显示，单个 token 与特定音素强相关（PNMI = 0.84，高于随机水平），但音素由多个竞争 token 实现，并非一一对应。
来源：arXiv · cs.CL · arxiv.org