SpeakerLLM：面向说话者理解与验证推理的说话者专用音频大语言模型

KiHyun Nam, Jungwoo Heo, Siu Bae, Ha-Jin Yu, Joon Son Chung

2026

摘要

本文提出SpeakerLLM框架，将说话者特征提取、录音条件理解、说话者比较与验证推理统一到自然语言界面中。该模型通过结构化证据追踪和决策组合策略，实现了超越传统二元标签的细粒度说话者分析与可解释验证。

speaker verificationaudio-LLMnatural language interfacespeaker profilingreasoning

PERCEPTION

开放获取📊 4 引用

Ji-Hoon Hwang, Daeyoung Kim, Hyung-Suk Yoon 等 5 位作者

2026

PERCEPTION

📊 0 引用

Yanrun Zhou, Zihao Lei, Guangrui Wen 等 7 位作者

Robotics and Computer-Integrated Manufacturing · 2026

PERCEPTION

📊 0 引用

Simon Duenser, Ivo Aschwanden, Raamadaas Krishnadas 等 5 位作者

Robotics and Computer-Integrated Manufacturing · 2026

PERCEPTION

📊 0 引用

Sili Ding, Feng Xu, Jie Chen 等 6 位作者

Progress in Materials Science · 2026