语音数据集是一份花名册，而不是一堆音频块

📋总体概括

作者提出语音数据集不应被视为同质化的音频大杂烩，而应被看作一份「花名册」——每一份录音背后都是具体的人，携带身份、同意、许可范围、来源信息和潜在的经济主张。当前语音数据市场以小时数、语言数、说话人数等批量指标交易，这些数字对模型开发有用，却无法回答所有权归属问题。如果花名册被埋进不透明的数据集对象中，数据控制权和长尾参与者的收益分配权也会随之消失。