咽喉マイク等の皮膚接触型マイクは環境騒音に頑健であり，会話音声だけでなく生体音である咀嚼音や嚥下音なども収録できる．「話すこと」と「食べること」は人にとって重要な活動であり，特に高齢者の心身状態を詳しく知る上での有効な指標となりうる．音声に加えて咀嚼・嚥下といった食行動音を同時に認識可能なモデルを実現するため，今回，大規模事前学習モデルの利用可能性について検討したので報告する．