Anthropic이 SpeakerLLM이라는 화자 특화 오디오 LLM 프레임워크를 공개했어요. 이 프레임워크는 화자 식별, 녹음 환경 이해, 화자 비교, 검증 추론을 통합합니다.
SpeakerLLM은 계층적 화자 토크나이저를 사용하여 다양한 수준의 화자 정보를 포착하며, 화자 프로필과 녹음 환경 이해 능력을 향상시켰습니다.
연구팀은 검증 추론 목표와 의사 결정 정책을 구축하여 프로필 수준의 증거와 최종 동일/다름 결정을 분리하고, 녹음 환경, 프로필 증거, 결정을 구조화된 추적 정보로 구성했습니다.