Hugging Face · 每日论文· 媒体 / 作者来源·精选
SPARC：语音档案作者识别语料库
原文标题
SPARC: Spoken Profile Authorship Recognition Corpus
AI 导读
研究团队推出SPARC语料库，基于两个播客语料构建，包含12,500多名说话者、150万条高质量语音转录文本，并标注说话者性别、年龄和口音信息。研究评估了五种归因模型和三个大语言模型在身份和属性验证任务中的表现，发现大语言模型能仅通过文本区分同一说话者，并在性别和口音标签验证中表现优于随机水平。仅发布50词短文本可显著降低最强模型的识别能力。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
SPARC语料库为语音匿名化研究提供了重要基准，揭示了转录文本中保留的说话者信息风险，为语音隐私保护提供了新思路。
导读由模型辅助整理，非独立核验。完整信息见原文。