SPARC: 口语档案作者识别语料库

研究者推出 SPARC 语料库，包含 1.25 万名说话者、150 万条高质量语音转录文本，并标注性别、年龄和口音标签。评估显示 LLM 可仅通过文本区分同一说话者，且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。