提出SpeakerLLM框架,一种面向说话人理解与验证推理的专用音频大模型,通过分层语音标记器与证据组织的推理目标策略,实现了更准确的说话人身份判断与可解释的决策轨迹生成。
机构:KAIST
来源:arXiv 2605.15044 | AI4Papers 论文推荐平台