論文の概要: SPARC: Spoken Profile Authorship Recognition Corpus
- arxiv url: http://arxiv.org/abs/2610.25265v1
- Date: Sun, 18 Oct 2026 13:34:23 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-10-20 22:24:12.516958
- Title: SPARC: Spoken Profile Authorship Recognition Corpus
- Title（参考訳）: SPARC: Spoken Profile Authorship Recognition Corpus
- Abstract要約: 書き起こされた音声のペアワイズ話者と人口統計属性の検証について検討する。
ベンチマークは、2つのポッドキャストコーパスから作成され、12,500人以上のスピーカー、1.5Mの質の発話、および性別、年齢、アクセントのための話者レベルの推論またはソースが提供するラベルで構成されている。
- 参考スコア（独自算出の注目度）: 67.47562370164141
- License:
- Abstract: Speech anonymization has focused on the acoustic signal, leaving open how much speaker information the transcribed words themselves retain. In this work, we study pairwise speaker and demographic-attribute verification from transcribed speech. We introduce SPARC (Spoken Profile Authorship Recognition Corpus), a benchmark built from two podcast corpora comprising over 12,500 speakers, 1.5M quality-filtered utterances, and speaker-level inferred or source-provided labels for sex, age, and accent, and evaluate five attribution models and three LLMs on identity- and attribute-verification trials with episode- and metadata-based topic proxies. LLM adversaries distinguish same-speaker pairs from text alone. Attribute-label agreement is harder to verify, but LLMs perform sex- and accent-label verification above chance. Finally, releasing only short probe texts (50 words) degrades the strongest adversaries the most, offering a partial reduction in observed linkage.
- Abstract（参考訳）: 音声の匿名化は音響信号に焦点を合わせており、書き起こされた単語自体がどれだけの話者情報を保持しているかを開いている。
本研究では,文字起こし音声からの話者と人口統計属性の相互検証について検討する。
SPARC (Spoken Profile Authorship Recognition Corpus) は、12,500人以上の話者と1.5M以上の品質フィルタリングされた発話と、性別、年齢、アクセントに関する話者レベルの推論またはソース提供されたラベルから構成される2つのポッドキャストコーパスから構築されたベンチマークであり、エピソードベースのトピックプロキシとメタデータベースのトピックプロキシを用いて、5つの属性モデルと3つのLCMを評価する。
LLMの敵は、テキストのみと同一話者ペアを区別する。
属性とラベルの合意は検証が難しいが、LSMは偶然に性とアクセントのラベルの検証を行う。
最後に、短いプローブテキスト(50ワード)だけをリリースすると、最も強い敵が格段に低下し、観測されたリンクを部分的に減少させる。
関連論文リスト
- WhoSaidIt: Human-LLM Collaborative Annotation for Text-Based Multilingual Speaker-Attribute Classification [2.634639188510826]
本稿では,多言語話者属性ラベルの安定化のための,人間大言語モデル(LLM)協調アノテーションフレームワークを提案する。
このフレームワークを用いて,9つの話者属性ラベルを含む多言語データセットであるWhoSaidItを構築した。
論文 参考訳（メタデータ） (2026-05-25T17:37:45Z) - Speaker Verification with Speech-Aware LLMs: Evaluation and Augmentation [17.398708962032686]
音声対応の大規模言語モデル(LLM)は、音声入力を受け入れることができるが、その訓練目的は主に言語内容や感情や話者の性別といった特定の分野を強調している。
本稿では,APIのみのモデルとオープンウェイトモデルの両方に対して,連続的な検証スコアを生成するモデルに依存しないスコアリングプロトコルを提案する。
論文 参考訳（メタデータ） (2026-03-11T14:34:25Z) - What Makes a Good Speech Tokenizer for LLM-Centric Speech Generation? A Systematic Study [58.55905182336196]
音声言語モデル(SLM)は、音声とテキストの理解と生成を統一するための有望な経路を提供する。
LLM中心のSLMにおける音声トークン化設計の役割について検討し,音声ヘッドと話者モデルを用いて検討した。
SLMにマルチトークン予測(MTP)を導入し、各隠れ状態が複数の音声トークンを復号化できるようにする。
論文 参考訳（メタデータ） (2025-06-14T15:26:31Z) - Towards Unsupervised Speech Recognition Without Pronunciation Models [57.222729245842054]
本稿では,ペア音声とテキストコーパスを使わずにASRシステムを開発するという課題に取り組む。
音声合成とテキスト・テキスト・マスクによるトークン埋込から教師なし音声認識が実現可能であることを実験的に実証した。
この革新的なモデルは、レキシコンフリー環境下での以前の教師なしASRモデルの性能を上回る。
論文 参考訳（メタデータ） (2024-06-12T16:30:58Z) - Introducing Semantics into Speech Encoders [91.37001512418111]
本研究では,大言語モデルからの意味情報をラベル付き音声書き起こしのない自己教師付き音声エンコーダに組み込む教師なしの手法を提案する。
提案手法は,100時間以上のラベル付き音声書き起こしにおける教師あり手法と類似した性能を実現する。
論文 参考訳（メタデータ） (2022-11-15T18:44:28Z) - Continuous speech separation: dataset and analysis [52.10378896407332]
自然な会話では、音声信号は連続的であり、重複成分と重複成分の両方を含む。
本稿では,連続音声分離アルゴリズムを評価するためのデータセットとプロトコルについて述べる。
論文 参考訳（メタデータ） (2020-01-30T18:01:31Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。