评估说话人匿名在情感语音上的效果
该论文讨论了语音用户界面的增长,以及由此带来的语音数据收集和存储问题。研究提出了匿名化语音和度量匿名程度的解决方案,并介绍了评估协议需要考虑的挑战,最后探讨了一种新的攻击方法以逆转匿名化。
Aug, 2023
本文考察了基于语音转换的匿名化方法,在三种攻击情景中比较了两种基于频率扭曲的转换方法和一种基于深度学习的方法,结果表明语音转换方案不能有效地防止具有广泛知识的攻击者,但可能为不太熟悉的攻击者提供一定的保护。
Nov, 2019
该研究论文旨在研发一种语音匿名化系统,以隐藏说话者的身份并保护语言内容,语用属性,可理解度和自然度。研究提供数据集,基础匿名化系统,评估脚本和度量标准,并邀请参与者提交他们的匿名化系统并提交匿名化语音数据以进行评估。
Mar, 2022
本研究关注于一项针对基于语音的 COVID-19 诊断的健康监测应用,测试了两种常见的匿名化方法并将其应用于三个公共数据集,验证了匿名化方法的有效性并量化了在不同测试场景下的影响,最后展示了匿名化作为数据增强工具的益处。
Apr, 2023
VoicePrivacy 倡导发展语音技术的隐私保护工具,在声音匿名化任务和相关数据集和攻击模型等方面提出挑战,并报告了基于两个匿名化基线的客观评估结果。
May, 2020
本文研究声音匿名化技术,重点探讨改变语音特征以防止机器识别但保留人类感知的异步声音匿名化方法,采用包含说话人解缠机制的语音生成框架生成匿名语音,并通过对说话人嵌入进行对抗扰动改变说话人特征,同时通过控制扰动强度保留人类感知。实验结果表明,在 LibriSpeech 数据集上处理的 utterances 中,60.71%的处理结果达到了说话人特征的匿名化且保留了人类感知。
Jun, 2024
VoicePrivacy Challenge 旨在通过聚集新社区来定义利益任务和评估方法,以及通过一系列挑战来基准测试解决方案,从而促进语音技术的隐私保护工具的发展。本文介绍了 VoicePrivacy 2020 挑战中选择的语音匿名化任务并描述了用于系统开发和评估的数据集,还介绍了攻击模型和相关的客观和主观评估指标。我们介绍了两个匿名化基线并报告了客观评估结果。
May, 2022
本文提出了一种名为 V-Cloak 的语音匿名化系统,它能够实现实时语音匿名化,同时保持音频的可懂性、自然度和音色,通过实验结果验证了 V-Cloak 具有较好的匿名性能和鲁棒性,并能够实现不受限的和定向的匿名化,同时保证声纹的不可识别性和不可链接性,从而防止语音数据被用于身份推断和盗用。
Oct, 2022
本文旨在研究如何使用基于自监督语音表征的语音转换模型匿名处理声音数据,结果表明用这种方法匿名化处理的语音可以维持原始语音低的误识别率,但对于说话人验证存在性能下降的问题。此外,本文的研究还能以匿名的方式提取出健康语言和病理语言之间的区别语音特征。
Apr, 2022