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
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
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
该研究研究了在语音隐私保护的 VoicePrivacy 2020 Challenge 中对说话人匿名化基线系统对语音情感信息的影响，结果表明该系统对知情攻击者未能抑制说话人的情感，且匿名化后的语音相比原始语音情感识别性能下降了 15%，与其保留语言信息的评估方式使用自动语音识别得到的结果类似。
Apr, 2023
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
本文主要介绍 2018 年语音转换挑战赛，包括任务及相关技术和结果总结。
Apr, 2018
文档概述了 2024 年的文本相关说话人验证（TdSV）挑战赛，以分析和探索文本相关说话人验证的新方法。该挑战的主要目标是激励参与者开发单一而具有竞争力的系统，进行彻底的分析，并探索创新的概念，如多任务学习、自监督学习、少样本学习等。
Apr, 2024
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。
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
AI 生成的歌唱声音的快速发展引起了艺术家和音乐行业的高度关注，基于音乐性质和强烈背景音乐的唱歌声音的深度伪造检测（SVDD）是一个需要专注的专业领域。为推动 SVDD 研究，我们最近提出了 “SVDD 挑战”，这是第一个侧重于实验室控制和真实场景下真实和深度伪造歌唱声音录制的研究挑战。该挑战将与 2024 年 IEEE 口语语言技术研讨会（SLT 2024）同时举行。
May, 2024