**仅凭文本即可识别说话人身份：SPARC 语音画像作者识别语料库发布**

_SPARC: Spoken Profile Authorship Recognition Corpus_

> 研究揭示了转录文本中保留的说话人信息远超预期。新发布的 SPARC 语料库基于 1.25 万位播客说话人，包含 150 万条高质量语句及性别、年龄等属性标签。评估显示，大型语言模型（LLM）仅凭文本就能有效区分同一说话人的对话对，并在性别和口音验证上表现优于随机猜测。此外，仅使用 50 词的短文本作为探测，能显著降低最强的对抗模型识别准确率，为语音匿名化提供了新的防护思路。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-20 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.25265)