शोधकर्ता SPAM प्रस्तावित करते हैं, एक विधि जो लैटेंट फोनेटिक संरचना को निर्देशित करके फोन सेगमेंटेशन और पहचान को एक साथ हल करने के लिए स्व-सुपरवाइज्ड स्पीच मॉडल्स (S3Ms) का लाभ उठाती है। दृष्टिकोण प्रत्येक S3M प्रतिनिधित्व फ्रेम को ध्वनित और नासलिक जैसी फोनेोलॉजिकल विशेषताओं की सक्रियता के सदिश में मैप करता है।
- SPAM पहचान और सेगमेंटेशन कार्यों के लिए हल्के, ग्रेडिएंट-डेसेंट-मुक्त भविष्यसूचक हेड का उपयोग करता है।
- प्रशिक्षण के लिए विधि को फोनेटिक ट्रांसक्रिप्शन की एक मिनट से कम आवश्यकता होती है।
- यह प्रशिक्षण के दौरान अदृश्य फोन पर सामान्यीकृत होता है और विविध डेटासेट्स में मजबूत प्रदर्शन प्राप्त करता है।