**NAPE:通过预测下一音频Patch嵌入实现可扩展音频学习** _Listening Forward: Next Patch Embedding Pred
原帖
**NAPE:通过预测下一音频Patch嵌入实现可扩展音频学习**
_Listening Forward: Next Patch Embedding Prediction Enables Scalable Audio Learners_
> HuggingFace Daily Papers 推荐论文提出NAPE(Next-Audio-Patch-Embedding预测)自监督框架,采用极简因果Transformer架构,仅通过因果掩码和停止梯度预测log-mel频谱图的下一个patch嵌入。该方法无需重建解码器、声学tokenizer或学生-教师设置,在6个音频和语音基准测试中取得SOTA性能,并展现出良好的线性探测效果和结构化注意力模式。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:ai-models
- **发布时间**:2026-08-21 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2608.19863)