Do Speech Tokens Leak Voiceprints? Speaker Inversion Attacks Against End-to-End Speech Language Models

本文研究端到端语音语言模型中语音令牌（speech tokens）泄露用户声纹的风险。传统级联架构（ASR-LLM-TTS）将语音转文本再合成，而端到端模型直接使用离散语音令牌表示语音，虽降低了延迟并提升了表现力，但这些令牌可能保留说话人的

历史摘要 · 未重新核验 · arXiv cs.CR