目标说话人标注，需要把注册库当作证据而非标签

注册库里有多个候选说话人时，单看目标与一段测试语音的相似度不够。同样一个分数，可能明显高于库中其他人，也可能与第二名几乎打平。两种情况不该得到相同的身份结论。

Using the Enrollment Gallery as Evidence: affine-invariant score calibration for target speaker tagging 研究如何从完整注册库而非孤立的单一分数中校准目标说话人标注。相对分布、候选间距和注册质量能够提供“这个分数到底有多可信”的上下文；仿射不变校准的目标是让不同规模、不同尺度的打分更可比较。任何校准方案仍须在跨设备、短注册、同音色干扰者和开放集拒识条件下验证，避免把库内排序误当作真正身份确认。

Monaural Continuous-Radius Regional Speech Extraction with Cross-Radius Consistency Learning 进一步把目标定义从“哪个人”扩展到“哪个相对距离区域”。单通道里距离线索本就脆弱，连续半径与跨半径一致性可以避免粗粒度离散标签的跳变，但也应明确哪些线索来自混响、能量还是训练分布捷径。区域提取若要进入真实空间，必须与说话人证据、目标缺席保护和移动条件联合检查。

DualSpecSE 讨论 Mel 与复数谱双路径的语音增强，和注册库校准并非同一任务。把它列在这里，是为了区分后续可能混在一起的三种结果：身份是否判对、内容是否保住、波形是否改善。注册库校准只能回答第一项，不能由此推断另外两项。