Pinhole Effect on Linkability and Dispersion in Speaker Anonymization
The Hong Kong Polytechnic University（香港理工大学）
本文研究说话人匿名化中不同伪说话人映射策略对可链接性和分散性的影响，提出针孔效应框架解释其关系，并通过实验验证不同伪说话人映射能增强隐私保护。
2025-10-16 eess.AS
Investigation of perception inconsistency in speaker embedding for asynchronous voice anonymization
University of Science and Technology of China（中国科学技术大学）；The Hong Kong Polytechnic University（香港理工大学）
本研究通过修改语音生成中的说话人嵌入，发现可移除子空间以在保留人类感知的同时改变机器感知，并据此开发异步语音匿名化方法，实现100%人类感知保留率。
2025-10-07 eess.AS
Exploring the Importance of F0 Trajectories for Speaker Anonymization using X-vectors and Neural Waveform Models
语音转换匿名化是语音处理领域的一个新兴研究方向。许多最先进的方法是基于音素后验图（PPG）、输入信号的基频（F0）以及修改的X向量的再合成。我们的研究集中在F0的作用，说话人匿名，这是一个欠研究的领域。利用VoicePrivacy Challenge 2020框架及其数据集，我们在重新合成之前开发并评估了八种低复杂度的F0修改。我们发现，修改F0可以提高扬声器匿名多达8%，轻微的词错误率下降。
2021-10-13 eess.AS
Language-Independent Speaker Anonymization Approach using Self-Supervised Pre-Trained Models
National Institute of Informatics（国立信息学研究所）；University of Avignon（阿维尼翁大学）
说话人匿名化的目的是保护说话人的隐私，同时保留语音中的口语信息。目前主流的神经网络说话人匿名系统结构复杂，包括F0提取器、说话人编码器、自动语音识别声学模型（ASR AM）、语音合成声学模型和语音波形生成模型。此外，由于ASR AM依赖于语言，在英语数据上进行训练，因此很难将其适应为另一种语言。在本文中，我们提出了一个更简单的自监督学习（SSL）为语言无关的说话人匿名方法，没有任何显式的语言相关的模型，可以很容易地用于其他语言。在VoicePrivacy Challenge 2020英文数据集和AISHELL-3中文数据集上进行了大量实验，以证明我们提出的基于SSL的语言无关说话人匿名方法的有效性。
2022-04-27 cs.SD eess.AS
SALT: Distinguishable Speaker Anonymization Through Latent Space Transformation
Northwestern Polytechnical University（西北工业大学）；Ximalaya Inc.（喜马拉雅公司）；Xizhang (Shanghai) Network Technology Co., Ltd.（希壤（上海）网络科技有限公司）
针对现有说话人匿名化方法对分布外说话人存在伪说话人区分度、语音质量及可懂度下降的问题，提出基于潜在空间变换的SALT系统，通过潜在向量插值与外推实现匿名化，在Voice Privacy Challenge数据集上取得最优区分度且保留语音质量与可懂度。
2023-10-08 cs.SD eess.AS
Reducing Speaker Residual by Considering Pinhole Effect in Voice Anonymization
University of Science and Technology of China（中国科学技术大学）；The Hong Kong Polytechnic University（香港理工大学）；Institute of Forensic Science, Ministry of Public Security（公安部司法鉴定中心）
本文提出一种带针孔损失的微调策略，用于语音匿名化框架，通过衡量并最小化同一说话者匿名话语的可链接性，减少残留说话者属性，在保持实用性的同时提升隐私保护。
2026-09-22 eess.AS
Multimodal Speaker Verification as a Threat to Speaker Anonymization
Johns Hopkins University（约翰斯·霍普金斯大学）
研究多话语、多模态环境下的说话人验证，通过对多个匿名话语的音频、韵律和语言信息进行聚合，比较不同聚合策略，发现多模态系统性能更优，帧级聚合EER最低，即便少量匿名话语结合音频和文本也能显著降低EER。
2026-07-23 eess.AS
Deep Learning-based F0 Synthesis for Speaker Anonymization
本文提出了一种基于深度学习的F0轨迹合成方法，用于说话人匿名化框架，通过从其他语音特征合成F0轨迹，提升了说话人匿名性和实用性。
2023-06-29 eess.AS
Distinctive and Natural Speaker Anonymization via Singular Value Transformation-assisted Matrix
针对现有说话人匿名化方法自然度、独特性不足及隐私泄露问题，提出基于奇异值变换辅助矩阵的方法，通过帧级向量、注意力机制及SVD变换隐藏身份，在VoicePrivacy Challenge数据集上验证了有效性。
2024-05-17 eess.AS
Vocoder drift in x-vector-based speaker anonymization
本文揭示基于 x-vector 的说话人匿名化中存在可学习、可被攻击者逆转的声码器漂移，表明隐私保护可能被削弱，呼吁重视声码器影响与更强攻击模型。
2023-06-05 eess.AS
Evaluation of Speaker Anonymization on Emotional Speech
Université de Lorraine（洛林大学）；CNRS（法国国家科学研究中心）；Inria（法国国家信息与自动化研究所）；LORIA（洛林计算机科学及其应用实验室）；LIUM（勒芒大学信息实验室）；Le Mans Université（勒芒大学）
本文研究VPC说话人匿名化基线系统对语音情感信息的影响，实验发现该系统无法抵御知情攻击者的情绪识别，情感识别性能在IEMOCAP数据集上相对下降15%，幅度与语言信息保留的评估结果相近。
2023-04-15 cs.AI cs.CL eess.AS
Inference Attacks for X-Vector Speaker Anonymization
University of Florida（佛罗里达大学）
针对 x-vector 说话人匿名化的隐私评估，本文提出一种简单、无需机器学习的推理去匿名化攻击，实验证明其效果优于现有基于复杂模型的攻击方法。
2025-05-13 cs.CR cs.SD eess.AS
Voice Anonymization Made Simple: Training-Free Anonymization with Projected Classifier-Free Guidance
Duke Kunshan University（杜克昆山大学）；Xiaomi Corporation（小米公司）；School of Artificial Intelligence, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）人工智能学院）
提出一种训练无关的两阶段语音匿名化方法，通过条件重构和引导抑制，在保持语言内容的同时提升说话人隐私，实验验证了其有效性。
2026-10-07 eess.AS
End-to-end streaming model for low-latency speech anonymization
针对现有语音匿名化方法计算资源需求高、难适配实时流式场景的问题，提出基于端到端自编码器的低延迟流式匿名化模型，通过三类解耦表示合成语音，精简版在66ms延迟下仍保持最先进的自然度、可懂度与隐私保护性能。
2024-10-31 cs.CL cs.LG eess.AS
Speaker Anonymization with Distribution-Preserving X-Vector Generation for the VoicePrivacy Challenge 2020
University of Oxford（牛津大学）
在本文中，我们提出了一种分布保持语音匿名化技术，作为我们对2020年语音隐私挑战赛的提交。我们观察到，挑战基线系统生成彼此非常相似的假X向量，比从有机扬声器中提取的假X向量明显更相似。这种差异是由于在匿名化过程中对来自发言者池的许多X向量进行平均而导致的，从而导致信息丢失。我们提出了一种新的方法来产生假X向量，克服了这些限制，通过保持X向量的分布特性和内部相似性。我们使用人口数据来学习X向量空间的属性，然后拟合生成模型，我们使用该模型对假X向量进行采样。我们展示了这种方法如何生成X向量，更紧密地遵循预期的内部相似性分布的有机扬声器X向量。我们的方法可以很容易地与其他系统的匿名化组件集成，并消除了在匿名化过程中使用的扬声器池的需要。我们的方法导致EER增加高达$19.4\%$在男性和$11.1\%$在女性的情况下，其中注册和试验话语是匿名的基线解决方案，证明了我们生成的声音的多样性。
2021-01-05 cs.CL cs.CR cs.SD
Content Leakage in LibriSpeech and Its Impact on the Privacy Evaluation of Speaker Anonymization
DFKI（德意志联邦研究院）；Technical University of Berlin（柏林技术大学）
本研究揭示了LibriSpeech数据集中因说话者词汇独特性导致的身份泄露问题，并比较了EdAcc数据集在隐私保护方面的改进。
2026-01-19 cs.SD eess.AS
Improving the Speaker Anonymization Evaluation's Robustness to Target Speakers with Adversarial Learning
DFKI；Technical University of Berlin（柏林技术大学）
本文通过引入目标分类器和对抗学习，提升说话人匿名化评估对目标说话人的鲁棒性，以更准确地评估隐私保护效果。
2026-01-19 cs.LG eess.AS
Speaker anonymization using neural audio codec language models
EURECOM；Microsoft UK（微软英国）
本文提出利用神经音频编解码器的量化编码作为说话人信息瓶颈，结合语言建模实现说话人匿名化，并通过Voice Privacy Challenge 2022评估框架验证了该方法的有效性。
2024-01-12 cs.SD eess.AS
Speaker anonymization using orthogonal Householder neural network
National Institute of Informatics（国立信息学研究所）；Avignon University（阿维尼翁大学）；Laboratoire Informatique d’Avignon（阿维尼翁信息学实验室）
针对现有说话人匿名化系统存在的隐私泄露、多样性降低和语言不匹配问题，提出基于正交Householder神经网络（OHNN）的匿名器，通过旋转变换和多种损失函数生成多样化、语言中性的匿名化向量，有效保护说话人身份。
2023-09-13 cs.SD eess.AS
Mitigating Language Mismatch in SSL-Based Speaker Anonymization
National Institute of Informatics（日本信息机构）；Nagoya University（名古屋大学）；Duke Kunshan University（杜克昆山大学）
本文研究说话人匿名化系统在日语和普通话上的语言不匹配问题，提出通过目标语言微调英语SSL模型及多语言SSL预训练来提升跨语言可懂度并保持隐私。
2025-07-01 cs.SD eess.AS
Distinguishable Speaker Anonymization based on Formant and Fundamental Frequency Scaling
Northwestern Polytechnical University（西北工业大学）；Huawei Cloud（华为云）
由于社交媒体的出现，互联网上的语音数据呈指数级增长，而这些个人数据的共享引起了明显的安全和隐私问题。缓解这些问题的一种解决方案涉及在共享语音数据之前隐藏说话者身份，也称为说话者匿名化。在我们以前的工作中，我们已经开发了一个自动说话人验证（ASV）无模型匿名框架，以保护说话人隐私，同时保持语音清晰度。虽然该框架在VoicePrivacy 2022挑战中排名第一，但匿名化是不完美的，因为匿名化语音的说话人可识别性恶化。为了解决这个问题，在本文中，我们直接建模的共振峰分布和基频（F0）来表示说话人的身份和匿名的源语音的均匀缩放共振峰和F0。通过直接缩放共振峰和F0，防止了由其他说话者的引入引起的匿名化语音的说话者可识别性降级。实验结果表明，我们提出的框架可以提高说话人的可重复性和显着优于我们以前的框架在语音的独特性。此外，我们提出的方法还可以权衡隐私效用通过使用不同的缩放因子。
2022-11-06 cs.CR cs.SD eess.AS
DarkStream: real-time speech anonymization with low latency
Engineering Texas A\&M University College Station, US
本研究提出流式语音合成模型DarkStream，通过因果编码器、神经声码器及GAN伪嵌入实现低延迟实时语音匿名化，在接近随机的验证错误率下保持可接受的语音可懂度，为隐私语音通信提供实用方案。
2025-09-04 cs.CL cs.LG eess.AS
Asynchronous Voice Anonymization Using Adversarial Perturbation On Speaker Embedding
本文提出异步语音匿名化方法，通过结合说话人解耦机制的语音生成框架，在说话人嵌入上应用对抗扰动改变属性以对抗机器识别，并控制扰动强度保留人类感知，在LibriSpeech数据集上对60.71%的话语成功实现属性掩盖与感知保留。
2024-11-12 cs.AI cs.SD eess.AS
EASY: Emotion-aware Speaker Anonymization via Factorized Distillation
Northwestern Polytechnical University（西北工业大学）；Nanyang Technological University（南洋理工大学）
提出EASY框架，通过顺序解耦和因子化蒸馏分离说话人身份、语言内容与情感表示，在保护隐私的同时保留情感状态，优于所有基线系统。
2025-05-30 cs.SD eess.AS
Differentially Private Speaker Anonymization
The Alan Turing Institute（阿兰·图灵研究所）；Vector Institute（向量研究所）；Université de Lille（里尔大学）；Inria（法国国家信息与自动化研究所）；CNRS（法国国家科学研究中心）；Centrale Lille（里尔中央理工学院）；Université de Lorraine（洛林大学）；University of Toronto（多伦多大学）
共享真实世界的语音是训练和部署基于语音的服务的关键。然而，它也增加了隐私风险，因为语音包含大量的个人数据。说话人匿名化的目的是去除说话人信息，同时保持其语言和韵律属性不变。最先进的技术通过将说话者信息（经由说话者嵌入表示）从这些属性中分离出来并且基于另一说话者的说话者嵌入来重新合成语音来操作。隐私社区先前的研究表明，匿名化通常提供脆弱的隐私保护，更不用说任何可证明的保证。在这项工作中，我们表明，解纠缠确实是不完美的：语言和韵律属性仍然包含扬声器信息。我们从这些属性中删除扬声器信息，通过引入差分私人特征提取器的基础上的自动编码器和自动语音识别器，分别使用噪声层训练。我们将这些提取器插入到最先进的匿名化管道中，并首次生成私人语音话语，其包含的说话者信息具有可证明的上限。我们经验评估的隐私和实用程序所产生的差异私人扬声器匿名化方法的LibriSpeech数据集。实验结果表明，所生成的话语保留了非常高的实用程序的自动语音识别的训练和推理，同时更好地保护强大的对手谁利用匿名化过程的全部知识，试图推断说话人的身份。
2022-10-06 cs.CR cs.LG cs.SD
Exploiting Context-dependent Duration Features for Voice Anonymization Attack Systems
Université de Lorraine, CNRS, Inria, LORIA（洛林大学、法国国家科学研究中心、法国国家信息与自动化研究所、LORIA）
本文提出利用上下文相关时长嵌入表示说话人特征并构建攻击模型，实验证明该方法在原始和匿名化语音上均显著提升说话人验证性能，揭示了现有语音匿名化系统的脆弱性。
2025-07-21 cs.CL cs.CR cs.SD
Evaluating X-vector-based Speaker Anonymization under White-box Assessment
Université de Lorraine（洛林大学）；CNRS（法国国家科学研究中心）；Inria（法国国家信息与自动化研究所）；Le Mans Université（勒芒大学）
在语音隐私挑战的场景中，匿名化是通过转换来自源说话者的所有话语以匹配相同的目标身份来实现的;该身份是随机选择的。在这种情况下，具有关于匿名化系统的最大知识的攻击者不能推断目标身份。本文提出将目标选择限制在特定的身份上，即，去除身份的随机选择，以在白盒评估下评估极端威胁（攻击者具有关于系统的完整知识）。针对一个独特的身份也使我们能够调查一些目标的身份是否比其他人更好地匿名给定的发言者。
2021-09-30 cs.AI cs.CR cs.SD
Why disentanglement-based speaker anonymization systems fail at preserving emotions?
International Audio Laboratories Erlangen（埃尔朗根国际音频实验室）；Friedrich-Alexander-University Erlangen-Nürnberg（埃尔朗根-纽伦堡弗里德里希-亚历山大大学）；Trinity College Dublin（都柏林三一学院）；Fraunhofer IIS（弗劳恩霍夫应用研究促进协会集成电路研究所）
本文探究基于解缠的说话人匿名化系统为何丢失情感，发现主因是中间表示缺乏情感信息，且合成伪影影响情感识别，建议改进评估指标。
2025-01-22 cs.SD eess.AS
Privacy versus Emotion Preservation Trade-offs in Emotion-Preserving Speaker Anonymization
Johns Hopkins University（约翰斯·霍普金斯大学）；Human Language Technology Center of Excellence（优秀人类语言技术中心）
本文在VoicePrivacy 2024挑战赛背景下研究情感保持说话人匿名化，发现匿名化与情感保持难以兼得，并证明仅用情感表征即可训练半有效的说话人验证系统，揭示了两种模态分离的困难。
2024-09-05 cs.LG eess.AS
Speaker Anonymization Using X-vector and Neural Waveform Models
National Institute of Informatics（国立信息学研究所）；EURECOM（欧洲通信研究院）；University of Avignon（阿维尼翁大学）
社交媒体革命产生了大量的网络服务，用户可以轻松地上传和共享多媒体文档。尽管这些服务很受欢迎，也很方便，但共享这些固有的个人数据（包括语音数据）会引起明显的安全和隐私问题。具体地，用户的语音数据可以被获取并与语音合成系统一起使用，以产生反映同一用户的说话者身份的高质量语音话语。然后，这些话语可以用于攻击说话者验证系统。缓解这些问题的一个解决方案涉及在共享语音数据之前隐藏说话者身份。为此，我们提出了一种新的说话人匿名方法。其思想是从话语中提取语言和说话人身份特征，然后将这些特征与神经声学和波形模型一起使用来合成匿名语音。原说话人的身份，在音色的形式，被压制，并取代了匿名的伪身份。该方法利用了最先进的x矢量扬声器表示。这些用于通过多个随机扬声器x向量的组合来导出匿名化的伪扬声器身份。实验结果表明，该方法能够有效地隐藏说话人身份。它增加了说话人确认系统的等错误率，同时保持高质量，匿名的语音。
2019-05-30 cs.CL cs.LG cs.SD
Adapting General Disentanglement-Based Speaker Anonymization for Enhanced Emotion Preservation
Singapore Institute of Technology（新加坡理工学院）；Key Laboratory of Speech Acoustics and Content Understanding, Institute of Acoustics, Chinese Academy of Sciences（中国科学院声学研究所语音声学与内容理解重点实验室）；National Institute of Informatics（日本国立信息研究所）；Inria, Centre Inria de l’Université de Lorraine（法国国家信息与自动化技术研究院（Inria）卢瓦尔大学中心）
本文针对基于解耦的说话人匿名化系统，提出集成情感嵌入或后处理情感补偿两种策略，以在匿名化同时增强情感保留，并兼顾隐私与情感线索。
2025-04-23 cs.SD eess.AS
NouveauVoice: Generating Novel Pseudo Speakers for Voice Anonymization
Department of Electrical and Computer Engineering, University of Rochester（罗切斯特大学电气与计算机工程系）
针对现有语音匿名化系统生成声音身份多样性不足的问题，提出基于NVAE的伪说话人生成框架，嵌入主流架构后提升伪说话人多样性，实现强身份隐匿性与多目标的合理权衡。
2026-07-07 cs.AI eess.AS
SEF-MK: Speaker-Embedding-Free Voice Anonymization through Multi-k-means Quantization
Duke Kunshan University（杜克-昆山大学）；National Institute of Informatics（国家信息研究所）
本文提出无说话人嵌入的语音匿名化框架SEF-MK，通过随机选择多个在不同说话人子集上训练的k均值模型来匿名化SSL表示，并从用户与攻击者视角验证其在内容保留和隐私风险上的双重影响。
2025-08-15 cs.LG cs.SD eess.AS
Are disentangled representations all you need to build speaker anonymization systems?
Université de Lorraine（洛林大学）；CNRS（法国国家科学研究中心）；Inria（法国国家信息与自动化研究所）；LORIA（洛林计算机科学及其应用研究所）；LIUM（勒芒大学信息实验室）；Le Mans Université（勒芒大学）
语音信号中包含了大量的敏感信息，如说话人的身份，这在语音数据采集时引起了隐私问题。说话人匿名化的目的是对语音信号进行变换，去除源说话人的身份，同时保持说话内容不变。当前的方法通过依赖于内容/说话者解纠缠和语音转换来执行转换。通常，来自自动语音识别系统的声学模型提取内容表示，而x向量系统提取说话者表示。先前的工作表明，提取的特征并没有完全解开。本文研究如何提高特征分解，从而转换匿名语音。我们建议通过使用矢量量化从声学模型中去除扬声器信息来增强解纠缠。使用VoicePrivacy 2022工具包进行的评估表明，矢量量化有助于隐藏原始说话者身份，同时保持语音识别的实用性。
2023-01-13 cs.AI cs.CR cs.LG
Speaker Anonymization with Phonetic Intermediate Representations
Institute for Natural Language Processing (IMS), University of Stuttgart（斯图加特大学自然语言处理研究所（IMS））
在这项工作中，我们提出了一个扬声器匿名化管道，利用高质量的自动语音识别和合成系统，以生成语音transmitting和匿名扬声器嵌入的语音条件。使用音素作为中间表示确保从输入中几乎完全消除说话者身份信息，同时尽可能多地保留原始语音内容。我们在LibriSpeech和VCTK语料库上的实验结果揭示了两个关键发现：1）尽管自动语音识别会产生不完美的transmittance，但我们的神经语音合成系统可以处理这样的错误，使我们的系统可行且鲁棒; 2）将来自不同资源的说话人嵌入结合起来是有益的，并且它们的适当归一化是至关重要的。总的来说，我们最终的最佳系统在针对懒惰的攻击者的隐私鲁棒性方面明显优于2020年语音隐私挑战赛中提供的基线，同时保持匿名语音的高清晰度和自然度。
2022-07-11 cs.CR cs.LG cs.SD
Stream-Voice-Anon: Enhancing Utility of Real-Time Speaker Anonymization via Neural Audio Codec and Language Models
Nanyang Technological University, Singapore（南洋理工大学，新加坡）；Institute for Infocomm Research, A STAR, Singapore（信息通信研究所，新加坡）；The Hong Kong Polytechnic University, Hong Kong（香港理工大学，香港）
Stream-Voice-Anon通过神经音频编解码器和语言模型提升实时语音匿名化效果，实现更高的可懂度和情绪保留，同时保持低延迟和隐私保护。
2026-02-05 cs.AI eess.AS
Private kNN-VC: Interpretable Anonymization of Converted Speech
German Research Center for Artificial Intelligence（德国人工智能研究中心）；Technical University of Berlin（柏林技术大学）
本研究通过为kNN-VC添加可解释的韵律匿名化组件，显著提升了语音匿名化的隐私性，并揭示了韵律因素在说话人识别中的关键作用。
2025-05-23 cs.SD eess.AS
On-Device Speaker Anonymization of Acoustic Embeddings for ASR based onFlexible Location Gradient Reversal Layer
Samsung Research（三星研究院）；Samsung Electronics（三星电子）
提出一种针对ASR的说话人匿名化框架，通过在设备端执行模型初始层并传输匿名化声学嵌入至云端，利用灵活梯度反转层去除说话人身份，同时保持识别性能，实验显示说话人识别准确率降低33%，WER降低6.2%。
2023-07-25 cs.CR cs.SD eess.AS
LiveAnon: Improving Privacy and Utility in Streaming Speaker Anonymization with Codec Language Models
Seoul National University（首尔大学）
本文提出LiveAnon流式说话人匿名化系统，通过受限RVQ解码降低延迟，在VPC24、VPC26数据集上实现了良好的隐私-效用平衡，优于多数基线系统。
2026-10-14 cs.LG cs.SD eess.AS
TVTSyn: Content-Synchronous Time-Varying Timbre for Streaming Voice Conversion and Anonymization
Department of Computer Science and Engineering（计算机科学与工程系）；Texas A&M University（德克萨斯A&M大学）
TVTSyn通过内容同步时间变化音色方法，实现低延迟的语音转换与匿名化，提升自然度和隐私保护性能。
2026-02-10 cs.CL cs.LG cs.SD
VoicePrivacy 2022 System Description: Speaker Anonymization with Feature-matched F0 Trajectories
International Audio Laboratories Erlangen（埃尔朗根国际音频实验室）；Friedrich-Alexander-Universität Erlangen-Nürnberg（埃尔朗根-纽伦堡弗里德里希-亚历山大大学）；Fraunhofer IIS（弗劳恩霍夫集成电路研究所）
我们引入了一种新方法来提高2022年语音隐私挑战赛基线B1变体的性能。基于x向量的匿名化系统的已知缺陷之一是输入特征的不充分解开。特别是基频（F0）轨迹，其用于语音合成而无需任何修改。特别是在跨性别转换中，这种情况会导致不自然的声音，增加单词错误率（WER）和个人信息泄露。我们的提交通过合成F0轨迹克服了这个问题，这与匿名的x向量更好地协调。我们利用低复杂度的深度神经网络来估计每帧适当的F0值，使用瓶颈特征（BN）和匿名x向量的语言内容。我们的方法显着改进了匿名系统并提高了合成语音的自然度。因此，我们的研究结果表明，F0提取不需要语音匿名。
2022-10-31 cs.CR cs.SD eess.AS
Attacking Voice Anonymization Systems with Augmented Feature and Speaker Identity Difference
Harbin Engineering University（哈尔滨工程大学）；Harbin Institute of Technology（哈尔滨工业大学）；University of Technology Sydney（悉尼科技大学）
针对ICASSP 2025首届VoicePrivacy攻击者挑战赛中匿名语音特征分布差异导致的说话人验证难题，提出结合数据增强特征与PLDA强化身份差异的DA-SID攻击系统，性能超基线且鲁棒性强，获赛事前五。
2025-01-12 cs.SD eess.AS
Anonymizing Speech: Evaluating and Designing Speaker Anonymization Techniques
LMU（路德维希-马克西米利安-慕尼黑大学）；Inria（法国国家信息与自动化研究所）；Université de Lorraine（洛林大学）；EURECOM（欧洲通信学院）
本文研究语音数据的说话人隐私保护，分析基于语音转换的匿名化系统及其评估挑战，提出按组件降低说话人个人身份信息的量化转换方法，并设计逆转匿名化的新攻击。
2024-03-01 cs.AI cs.CR cs.SD
NWPU-ASLP System for the VoicePrivacy 2022 Challenge
Northwestern Polytechnical University（西北工业大学）
本文介绍了用于VoicePrivacy 2022挑战赛的NWPU-ASLP说话人匿名系统。我们的提交不涉及额外的自动说话人验证（ASV）模型或x向量池。我们的系统包括四个模块，包括特征提取器，声学模型，匿名化模块，和神经声码器。首先，特征提取器从输入语音信号中提取语音后验图（PPG）和音高。然后，我们从扬声器查找表（LUT）中保留一个伪扬声器ID，该ID随后被馈送到扬声器编码器中以生成不对应于任何真实扬声器的伪扬声器嵌入。为了确保伪说话人是可区分的，我们进一步平均随机选择的说话人嵌入，并将其与伪说话人嵌入加权连接，以生成匿名说话人嵌入。最后，声学模型从匿名说话者嵌入输出匿名化的梅尔频谱图，并且HifiGAN的修改版本将梅尔频谱图转换为匿名化的语音波形。实验结果表明，我们提出的匿名系统的有效性。
2022-09-24 cs.SD eess.AS
SAIC: Integration of Speech Anonymization and Identity Classification
Dartmouth College（达特茅斯学院）
提出SAIC流程，集成语音匿名化与身份分类，在Voxceleb1上达最先进水平，top-1准确率96.1%，展现医疗领域泛化潜力。
2023-12-23 cs.AI cs.CR cs.SD
The Third VoicePrivacy Challenge: Preserving Emotional Expressiveness and Linguistic Content in Voice Anonymization
organization= Universit\'e de Lorraine, CNRS, Inria, LORIA, F-54000 , city= Nancy , country= France；organization= Duke Kunshan University , city= Kunshan , postcode= 215316 , country= China；organization= Mission Défense et Sécurité, Inria , city= Grenoble , country= France；organization= Institute for Natural Language Processing, University of Stuttgart , country= Germany；organization= National Institute of Informatics , addressline= Chiyoda-ku , city= Tokyo , postcode= 101-8340 , country= Japan
本文介绍了2024年第三版语音隐私挑战，旨在通过匿名化技术在保护隐私的同时保留语音内容和情感表达。
2026-01-17 cs.CL cs.SD eess.AS
NPU-NTU System for Voice Privacy 2024 Challenge
本文提出用于 VPC 2024 的说话人匿名化系统，采用解耦神经编解码器与多种蒸馏方法分离语言内容、说话人身份和情感，并通过候选身份加权和随机身份实现匿名化，取得隐私保护与情感保留的最佳平衡。
2025-02-04 eess.AS
StreamVoiceAnon+: Emotion-Preserving Streaming Speaker Anonymization via Frame-Level Acoustic Distillation
Nanyang Technological University, Singapore（南洋理工大学）；Institute for Infocomm Research (I2R), A*STAR, Singapore（信息与通信研究所）；The Hong Kong Polytechnic University, Hong Kong（香港理工大学）
StreamVoiceAnon+通过帧级声学蒸馏和监督微调，在保持情感信息的同时实现高效的流式语音匿名化，提升情感保留率并保持隐私性能。
2026-03-06 cs.AI eess.AS eess.SP
Two-Stage Voice Anonymization for Enhanced Privacy
Microsoft（微软）；Fraunhofer Institute for Digital Media Technology IDMT（弗劳恩霍夫数字媒体技术研究所（IDMT））；Imperial College（帝国理工学院）
本文提出一种两阶段语音匿名化系统，结合 Voice Privacy Challenge 2022 模型与 zero-shot 语音转换架构，在保留基音信息的同时实现强隐私保护，并提出了新的压缩评估指标。
2023-06-28 cs.SD eess.AS eess.SP
Improving Voice Quality in Speech Anonymization With Just Perception-Informed Losses
Otto-von-Guericke-University（奥托·冯·格里克大学）；Artificial Intelligence Lab (AILab)（人工智能实验室（AILab））
本文提出与模型无关的感知驱动损失函数，通过融合手工与深度学习特征提升语音匿名化质量，使 VQVAE 模型在自然度、可懂度和韵律上优于原始模型，同时保持匿名性。
2024-10-20 cs.AI cs.SD eess.AS
VoxATtack: A Multimodal Attack on Voice Anonymization Systems
International Audio Laboratories Erlangen（埃尔朗根国际音频实验室）
本文提出 VoxATtack 模型，通过结合语音和文本信息，攻击语音匿名化系统，展示了文本信息和选择性数据增强对当前语音匿名化方法的漏洞暴露。
2026-05-20 eess.AS
Evaluating Voice Conversion-based Privacy Protection against Informed Attackers
INRIA（法国国家信息与自动化研究所）；CNRS（法国国家科学研究中心）
语音数据传递敏感的说话者属性，如身份或口音。通过少量发现的数据，可以推断出这些属性并用于恶意目的：语音克隆，欺骗等。Anasterization旨在使数据不可识别，即，确保没有话语可以链接到其原始说话者。本文研究了基于语音转换的匿名化方法。在以前的工作相比，我们认为，各种链接攻击可以设计依赖于攻击者的知识的匿名方案。我们在三种攻击场景下比较了两种基于频率弯曲的转换方法和一种基于深度学习的方法。转换语音的效用是通过自动语音识别实现的单词错误率来测量的，而隐私保护是通过最先进的基于i向量或x向量的说话人验证实现的相等出错率的增加来评估的。我们的研究结果表明，语音转换方案是无法有效地防止攻击者，具有广泛的知识的类型的转换，以及它是如何被应用，但可能会提供一些保护知识较少的攻击者。
2020-02-13 cs.CL cs.SD eess.AS
VoicePAT: An Efficient Open-source Evaluation Toolkit for Voice Privacy Research
Institute for Natural Language Processing, University of Stuttgart（斯图加特大学自然语言处理研究所）；Singapore Institute of Technology（新加坡理工学院）；National Institute of Informatics（国立信息学研究所）
提出一个基于模块化Python结构的开源说话人匿名化评估框架VoicePAT，支持并行编排多种方法，改进评估方法使计算时间减少65%-95%，提升评估质量。
2023-12-22 cs.SD eess.AS
Use Cases for Voice Anonymization
本文研究了特定用例需求对语音匿名化方法设计的影响，通过文献分析和用户研究提出了首个语音匿名化用例分类法，并推导出方法开发与评估的要求和设计标准，倡导开展面向用例的研究与开发。
2025-08-08 eess.AS
