음절 토크나이제이션
음성 신호에서 프레임 단위 특징을 집계하여 음절 수준의 이산 토큰을 생성하는 절차이다. 본문에서는 자기유사도 행렬의 세그멘테이션과 세그먼트 평균을 통해 경계를 탐지한 뒤 군집화로 토큰을 할당한다. 음성-텍스트 간 토큰 화소 간 격차를 줄여 언어 모델의 효율과 의미 이해를 높이는 데 중요하다.