本文提出了一种高效的适配器框架，通过在自监督语音模型中插入轻量级模块，适应说话人验证任务。实验表明，该框架在更新5%参数的情况下，性能超越微调和其他迁移学习方法。此外，研究还探讨了无监督噪音建模和细粒度语调建模，以提升语音合成的可控性。