NAPE 音频预训练法开源：无解码器 SOTA

kastnerkyle · x · 2026-08-24

UmbertoSenpai 和 LiuXub 提出了一种新的自监督音频学习方法 NAPE。该方法通过因果预测下一个音频 patch 嵌入并使用 stop-grad 技术，实现了强大且可扩展的音频学习能力。NAPE 在基准测试中达到 SOTA 性能，具有可解释性，且不需要解码器、师生模型或正则化损失。该方法非常简单且可扩展，能将原生音频预训练无缝引入多模态 LLM。