본 연구는 화자 식별 작업에서 Wav2Vec 2.0, XLS-R, Whisper의 세 가지 고급 음성 인코더 모델의 성능을 평가한다. 이 모델들을 미세 조정하고 SVCCA, k-평균 클러스터링, t-SNE 시각화를 사용하여 레이어별 표현을 분석한 결과, Wav2Vec 2.0과 XLS-R은 초기 레이어에서 화자 특정 특징을 효과적으로 포착하며, 미세 조정은 안정성과 성능을 향상시켰다. Whisper는 더 깊은 레이어에서 더 나은 성능을 보였다. 또한, 화자 식별 작업에 맞게 미세 조정할 때 각 모델에 대한 최적의 변환기 레이어 수를 결정했다.