论文解读
余弦已很强时为何还要 PLDA：联合微调对齐嵌入与打分的防欺骗说话人确认
该文以 ECAPA-TDNN 嵌入为基础比较余弦与多种 PLDA 后端，提出嵌入提取器与判别式 PLDA 端到端联合微调，在 VoxCeleb1 上联合模型取得 PLDA 类最优而余弦仍保持最佳区分性，在 ASVspoof2019 上余弦的 a-DCF 最优而联合模型是 PLDA 类中最优，代价是流程更复杂且 t-DCF 未见统计显著优势。
说话人验证
论文解读
能比出声音差别，却判不准是否换人：SpeakerSleuth 揭示的阈值与模态失衡
论文以多轮对话中同一说话人是否保持声学一致为问题，用检测、定位、判别三任务与 1818 个人审实例检验 12 个大音频语言模型与 6 种嵌入基线，最强证据是判别可达 81.5% 而检测仅 64.7% 且加文本上下文后不一致检出崩塌，代价是绝对判断阈值不稳与文本压过声学。
论文解读
在单位球面上做高斯似然：以结构化说话人先验连接余弦、PLDA 与时长
论文针对深度说话人嵌入后端仍需结构化建模与时长补偿的问题，提出各向同性 PLDA 与球面高斯 T-PSDA 及其时长扩展，在 NIST SRE 与 CN-Celeb 上以 EER 与最小代价显示时长建模带来可复现增益，但最小主代价改善有限且依赖前端与归一化条件。
论文解读
减去语言噪声、加回说话人线索：双路径解耦如何同时做说话人与语种识别
针对跨语言说话人确认退化与语种识别走说话人捷径的纠缠问题，论文用冻结 W2V-BERT 2.0 加小波前缀调谐与减加双路径融合，在 TidyVoice 上报告 3.16% 和 4.35% 等错误率，代价是依赖后处理校准与多阶段调参。
论文解读
说话人确认为何换个语言就变差：四种架构跨语言迁移的对照
论文用跨语言迁移矩阵比较四种说话人确认架构在 44 种语言上的迁移结构，发现 ECAPA-TDNN 最接近语言无关而 HuBERT-SID 语言依赖最重，代价是结论只在受控小数据区间和 AUC 度量下成立。
论文解读
用可学习的分组有理激活替换固定激活：KanAdapter 在语音基座模型上的并行瓶颈适配
针对全量微调语音自监督基座模型代价高、MLP 适配器表达受限的问题，KanAdapter 以并行瓶颈中的 GR-KAN 可学习有理激活替换固定激活，在说话人验证、情感识别与伪造检测上以减少 94.7% 至 97.5% 可训练参数接近全量微调，并在两阶段持续学习上相对全量微调降低 83.6% 错误率。
论文解读
说话人一换就失准：用更强的判别器逼编码器减少说话人线索
针对未见说话人上情感识别易受说话人差异干扰的问题，论文用 wav2vec 2.0 做编码器、ECAPA-TDNN 做说话人判别器并以熵最大化做对抗，在 IEMOCAP 测试集报告 60.63% UA，代价是交替训练更复杂且存在原文内部数字不一致与未验证的跨库边界。
论文解读
复述一句就能听出你来过：微调语音如何记住嗓音与录音
语音合成 | 7.5/10
论文解读
当嵌入不再确定：把不确定性从打分一路带到校准的后端闭环
说话人验证 | 7.8/10
论文解读
Target Speaker Identification: A Low-Latency Streaming Pipeline
说话人验证 | 5.6/10
论文解读
In Defense of Using Worst-case Privacy Disclosure as Privacy Evaluation Metric of Voice Anonymization
说话人验证 | 7.1/10
论文解读
The Voiceprint Fallacy: Why Voices Are Not Unique Biometric Imprints
说话人验证 | 6.0/10
论文解读
Beyond Residual Connections: Manifold-Constrained Hyper-Connections for Robust Speaker Representation Learning
说话人验证 | 6.0/10
论文解读
Speaker Verification Under Real Classroom Conditions for English Speech
说话人验证 | 5.7/10
论文解读
Homebot: A Personal AI Agent for Conversational Home Assistance and Automation
语音交互 | 3.8/10
论文解读
QR-Erase: Efficient Subspace-Based Machine Unlearning with Layer Localization
说话人验证 | 6.0/10
论文解读
SCOPE: Entanglement Frontier Escape for Source-Free Class Unlearning
说话人验证 | 6.3/10
论文解读
Extracting Voice Styles from Frozen TTS Models via Gradient-Based Inverse Optimization
语音克隆 | 7.9/10
论文解读
Simple Language Normalization Wins: Cross-Lingual Speaker Verification for the TidyVoice 2026 Challenge
说话人验证 | 6.8/10
论文解读
Improving the performance of an ASV system using hybrid speech features
说话人验证 | 5.0/10