作者提出了 OLIVE，这是一种自监督语音表示学习框架，通过视图增强的掩码潜在预测和波形重建联合优化分析和合成目标。这种统一的方法约束早期编码器特征以保留信号级信息，同时塑造后期上下文表示以实现不变性，从而提升下游任务的鲁棒性能。
- 在单一目标下结合视图增强掩码潜在预测与波形重建。
- 利用重建约束早期编码器特征以保留信号级信息。
- 通过掩码潜在预测将后期上下文表示塑造为具有不变性。
- 在生成和说话人任务上提升结果，同时在识别和语义任务上保持竞争性性能。
OLIVE 使得表示能够支持广泛的任务，具体而言，在提升波形重建质量的同时，增强了生成和说话人识别的性能。