본 논문은 자가 지도 학습(SSL) 기반 음성 기술에서 비용이 많이 드는 레이블링에 대한 의존도를 줄이면서, 화자 특성과 같은 원치 않는 변화로부터 콘텐츠 정보를 분리하는 표현 학습에 초점을 맞추고 있습니다. 기존 방법들이 화자 정보를 완전히 분리하지 못하거나 자원 집약적인 모델을 필요로 하는 한계를 극복하기 위해, 본 논문에서는 SSL 표현을 화자 특정 및 화자 독립 구성 요소로 선형적으로 분해하는 새로운 분리 방법을 제안합니다. 이를 통해 화자 정보가 제거된 표현을 생성하고, 음성 변환과 같은 콘텐츠 중심 작업에 적용하여 최첨단 방법보다 성능을 크게 향상시키는 결과를 보여줍니다.
