解锁强监督：通用音频预训练方法的数据中心研究

当前的音频预训练 seeks 学习面向广泛音频理解任务的统一表征，但其仍然碎片化，基本受限于对弱、噪声且规模受限标签的依赖。drawing lessons from vision 的 foundational pre-training blueprint，我们认为音频领域必须首先建立自己的大规模、强监督框架。我们引入一个新型的数据中心管道，利用高保真描述符创建 SOTA 质量的描述，并构建首个统一标签系统（UTS），该系统桥接了语音、音乐和环境声。随后我们对不同预训练目标在这些强源数据上的系统比较研究。我们的实验表明，数据质量和覆盖范围是性能的主要驱动因素，而目标选项决定下游任务的专门化。