SPARC 语料库：基于转录文本的说话人身份与属性识别基准

SPARC 基准包含超过 12,500 名说话人和 150 万条经过质量筛选的话语，用于研究转录文本中的说话人身份信息。该研究评估了 5 个归属模型和 3 个 LLM 在身份及属性验证任务上的表现，发现 LLM 能从纯文本中区分同一说话人的话语对。仅发布 50 词短探测文本能最大程度削弱最强对抗模型的关联能力，部分降低隐私风险。