论文用免训练层在线维护说话人身份记忆，并揭示碎片化与污染权衡。
资讯摘要
论文提出，声纹只是身份的一种观测而非身份本身，并将在线说话人记忆构建形式化为随声学证据演化维护持久用户实体。作者提出免训练的 EvoSpeakerMem 层，实现因果说话人路由、选择性声学状态更新，以及通过可替换文本记忆后端进行按身份分区的记忆写入与检索，并构建含隐藏说话人身份的语音记忆基准 LoCoMo-ID。作者报告在 SMIIP-TV 上真伪探测拒绝率由 29.8% 升至 55.6%，在 LoCoMo-ID 上门控更新使身份门控问答分别提升 3.86 和 11.62 个百分点，且无错误用户授权；但减少碎片化与提升问答可能伴随错误的跨用户关联，存在碎片化—污染权衡。
要点速读
- 提出免训练层 EvoSpeakerMem，做因果说话人路由、选择性声学状态更新和身份分区记忆读写，后端文本记忆可替换。
- 构建 LoCoMo-ID 基准，含隐藏说话人身份、说话人敏感查询、录音条件变化模拟和四说话人身份混淆测试。
- 作者报告 SMIIP-TV 上真伪探测拒绝率从 29.8% 升至 55.6%，LoCoMo-ID 上身份门控问答在干净与偏移条件下分别提升 3.86 和 11.62 个百分点，但存在碎片化与跨用户污染的权衡。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。