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
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
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
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
Reprogramming Self-supervised Learning-based Speech Representations for Speaker Anonymization
本文提出基于端到端模型重编程的参数高效说话人匿名化方法，利用SSL模型提取表征并适配到伪域，在VPC 2022数据集上以更少计算资源达到与强基线相当的性能。
2023-11-17 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
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
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
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
Investigation of perception inconsistency in speaker embedding for asynchronous voice anonymization
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
Analysis of Speech Temporal Dynamics in the Context of Speaker Verification and Voice Anonymization
Université de Lorraine, CNRS, Inria Loria（卢瓦尔大学、法国国家科学研究中心、Inria Loria）；Université de Lille, CNRS, Inria Centrale Lille, UMR 9189 - CRIStAL Lille（里尔大学、法国国家科学研究中心、Inria Centrale Lille、UMR 9189 - CRIStAL Lille）
本文研究语音时间动态对说话人验证和匿名化的影响，提出基于音素时长的度量方法，证明音素时长泄露说话人身份，强调匿名化需修改语速和音素时长特征。
2024-12-22 cs.CL cs.SD eess.AS
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
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
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
Probing the Feasibility of Multilingual Speaker Anonymization
Institute for Natural Language Processing, University of Stuttgart（斯图加特大学自然语言处理研究所）
针对当前说话人匿名化研究多局限于英语的问题，研究将前沿系统的单语言组件替换为多语言版本，扩展至9种语言，实验验证了系统的有效性，发现英语训练的说话人嵌入可跨语言应用，且性能主要受语音合成组件质量影响。
2024-07-03 cs.CL cs.SD eess.AS
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
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
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
Pinhole Effect on Linkability and Dispersion in Speaker Anonymization
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
Perceptual implications of automatic anonymization in pathological speech
Pattern Recognition Lab, Friedrich-Alexander-Universit\"at Erlangen-N\"urnberg, Erlangen, Germany. Department of Urology, Stanford University, Stanford, CA, USA. Department of Radiology, Stanford University, Stanford, CA, USA. Lab for AI in Medicine, RWTH Aachen University, Aachen, Germany. Department of Diagnostic；Interventional Radiology, University Hospital RWTH Aachen, Aachen, Germany. Institute of Radiology, University Hospital Erlangen, Erlangen, Germany. Department of Foreign Language Education, Friedrich-Alexander-Universität Erlangen-Nürnberg, Erlangen, Germany. Department of Otorhinolaryngology, Head；Neck Surgery, Ludwig-Maximilians-Universität München, Munich, Germany. Speech \& Language Processing Lab, Friedrich-Alexander-Universität Erlangen-Nürnberg, Erlangen, Germany.
本研究通过结构化协议评估自动匿名化病态语音的人感知影响，发现匿名化在不同疾病中存在显著差异，且感知质量下降，但临床严重程度评分保持稳定，同时发现感知结果与计算隐私指标脱钩。
2026-05-17 cs.AI cs.LG eess.AS
On the Impact of Voice Anonymization on Speech Diagnostic Applications: a Case Study on COVID-19 Detection
Institut national de la recherche scientifique, University of Québec（魁北克大学国家科学研究院）
本文通过案例研究评估语音匿名化对COVID-19语音诊断系统的影响，测试三种匿名化方法在五个系统和三个数据集上的效果，并证明匿名化外部数据可缓解诊断准确率下降。
2024-06-26 cs.CL cs.SD 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
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
VoxAnon: A balanced dataset for a fair evaluation of speech anonymization
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（洛林计算机科学与应用实验室）；LIA（阿维尼翁语言与声学实验室）；Avignon University（阿维尼翁大学）
针对语音匿名化评估中存在的属性分布偏差问题，本文构建了平衡属性的VoxAnon数据集，通过对比实验揭示了属性不平衡对隐私估计的影响，为语音匿名化的公平评估提供了基准资源。
2026-10-12 cs.SD 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
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
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
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
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
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
Voice Cloning for Dysarthric Speech Synthesis: Addressing Data Scarcity in Speech-Language Pathology
KTH Royal Institute of Technology（瑞典皇家理工学院）；Karolinska Institutet（卡罗林斯卡学院）
本研究利用TORGO数据集和商业平台克隆构音障碍患者语音，证明合成语音能有效保留异常特征且具高真实感，为缓解医疗数据稀缺、保护隐私及提升AI诊断与个性化治疗提供了新途径。
2025-03-03 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
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
Quantifying the effect of speech pathology on automatic and human speaker verification
Nagoya University（名古屋大学）；Netherlands Cancer Institute（荷兰癌症研究所）；University of Groningen（格罗宁根大学）；University Medical Center Groningen（格罗宁根大学医学中心）
该研究利用两个荷兰语口腔癌手术前后配对语音数据集，量化言语病理对自动说话人验证的负面影响，并结合感知实验比较机器与人类判断的异同。
2024-06-10 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
MUSA: Multi-lingual Speaker Anonymization via Serial Disentanglement
本文提出MUSA，一种基于串行解纠缠的多语言说话人匿名化方法，通过语义蒸馏和自监督蒸馏避免归纳偏差，并采用空嵌入简化匿名化，实验证明其在保护隐私的同时保留语言与副语言信息。
2024-07-16 eess.AS
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
The effect of speech pathology on automatic speaker verification -- a large-scale study
Friedrich-Alexander-Universität Erlangen-Nürnberg（弗里德里希-亚历山大-埃尔兰根-纽伦堡大学）；University Hospital RWTH Aachen（亚琛工业大学医院）；Ludwig-Maximilians-Universität München（路德维希-马克西米利安-慕尼黑大学）
本研究利用包含3800名受试者的大型真实病理语音语料库，采用深度学习ASV方法，发现病理语音总体比健康语音面临更高的隐私泄露风险，且病理多样性可提升ASV性能。
2023-11-22 cs.LG cs.SD eess.AS
The VoicePrivacy 2024 Challenge Evaluation Plan
Inria（法国国家信息与自动化研究所）；Singapore Institute of Technology（新加坡理工学院）；Institute for Natural Language Processing, University of Stuttgart（斯图加特大学自然语言处理研究所）；National Institute of Informatics（情报信息学研究所）；EURECOM（欧洲通信学院）
本文介绍 VoicePrivacy 2024 挑战赛计划，要求构建在保护语言内容与情绪状态的同时隐藏说话人身份的语音匿名化系统，并由组织者提供数据、脚本、基线和训练资源。
2024-06-12 cs.CL cs.CR eess.AS
The VoicePrivacy 2022 Challenge Evaluation Plan
Avignon Université（阿维尼翁大学）；National Institute of Informatics（国立信息学研究所）；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）；EURECOM（欧洲通信学院）；University of Edinburgh（爱丁堡大学）
（1）任务是为语音数据开发一个语音匿名化系统，该系统隐藏说话者的语音身份，同时保护语言内容、非语言属性、可理解性和自然性。(2)除了3种不同的基线匿名化系统、评估脚本和指标外，还提供了培训、开发和评估数据集。参与者应用他们开发的匿名化系统，运行评估脚本，并向组织者提交客观的评估结果和匿名语音数据。(3)结果将在与INTERSPEECH 2022一起举办的研讨会上展示，所有参与者都被邀请介绍他们的挑战系统并提交额外的研讨会论文。对于熟悉语音隐私挑战的读者-更改w.r.t.二零二零年：（1）一个更强大的，半知情的攻击模型，以自动说话人验证（ASV）系统的形式，对匿名（每话语）语音数据进行训练。(2)补充度量包括作为隐私度量的等错误率（EER）、作为主要效用度量的单词错误率（WER）以及作为次要效用度量的音调相关性和语音独特性的增益。(3)基于一组最低目标隐私要求的新排名策略。
2022-09-28 cs.CL cs.CR 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
The Sound of Syntax: Finetuning and Comprehensive Evaluation of Language Models for Speech Pathology
Stanford University（斯坦福大学）；National University of Singapore（新加坡国立大学）；Sound Speech and Hearing Clinic（语音与听力诊所）
针对言语病理学中SLP短缺问题，构建MLM应用分类体系和首个综合基准，评估15个模型，发现无模型全面领先且存在性别差异，微调可提升超10%性能。
2025-10-08 cs.AI cs.CL cs.SD
Evaluating Parkinson's Disease Detection in Anonymized Speech: A Performance and Acoustic Analysis
German Research Center for Artificial Intelligence（德国人工智能研究中心）；INESC-ID；Technical University of Berlin（柏林技术大学）；Instituto Superior Técnico, University of Lisbon（里斯本大学理工学院）
本文评估了两种匿名化方法在隐私保护与帕金森病检测性能之间的权衡，发现kNN-VC在保留关键声学特征方面优于STT-TTS，为隐私保护下的PD检测提供了可行方案。
2026-03-08 cs.SD eess.AS
On the Mutual Information between Source and Filter Contributions for Voice Pathology Detection
TCTS Lab, Facult\'e Polytechnique de Mons, Belgium
本文讨论了直接从语音信号中自动检测语音病变的问题。为此，我们调查使用声门源估计作为一种手段来检测语音障碍。三套功能，提出了，这取决于它们是否与语音或声门信号，或韵律。通过基于互信息的测量来评估这些特征的相关性。这允许在特征之间的辨别能力和冗余方面进行直观的解释，而与任何后续分类器无关。它讨论了哪些特征是有趣的信息或补充检测语音病理。
2020-01-02 cs.CL cs.SD eess.AS
A Benchmark for Multi-speaker Anonymization
Singapore Institute of Technology（新加坡理工学院）；National University of Singapore（新加坡国立大学）；National Institute of Informatics（情报研究综合研究所）
本文提出多说话人匿名化基准，定义任务与评估协议，采用级联系统结合谱聚类日志与解缠匿名化，并通过两种对话级向量匿名化方法提升效用，实验验证有效性并分析重叠语音隐私泄露。
2025-03-27 cs.CL cs.SD eess.AS
Phase-based Information for Voice Pathology Detection
University of Mons（蒙斯大学）
在当前的语音处理方法中，信息是从幅度谱中提取的。然而，最近的知觉研究强调了相位分量的重要性。本文的目标是调查的潜力，使用相位为基础的功能自动检测语音障碍。结果表明，群延迟函数是适当的表征不规则的发声。此外，还讨论了语音的混合相位模型。所提出的基于相位的功能进行评估，并与其他参数来自幅度谱。这两个流被证明是有趣的互补性。此外，基于相位的特征能够传递大量的相关信息，从而提高了识别性能。
2020-01-02 cs.CL cs.SD eess.AS
Weakly Supervised Phonological Features for Pathological Speech Analysis
本文提出一种弱监督方法，利用ASR模型中的可解释帧级音韵特征瓶颈层，用于病理语音分析，在可懂度预测和病理分类上达到与最先进特征相当的性能，且特征文本独立、可解释性强。
2025-09-24 eess.AS
Suppressing Noise Disparity in Training Data for Automatic Pathological Speech Detection
Idiap Research Institute（Idiap研究所）
本文针对病理语音检测中训练数据噪声分布不一致导致模型学习噪声特征的问题，提出利用跨组噪声估计进行数据增强以统一噪声特性，实验证明该方法能有效引导模型关注病理判别线索。
2024-09-02 cs.SD eess.AS
Technical Report on classification of literature related to children speech disorder
Australian National University（澳大利亚国立大学）；Swinburne University of Technology（斯winburne大学）
本研究提出基于NLP的儿童言语障碍文献分类方法，用LDA和BERTopic对4804篇PubMed文献做主题建模，得到14个临床相关聚类，验证了模型性能，为该领域自动化文献综述奠基。
2025-05-20 cs.CL cs.IR cs.LG
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
The VoicePrivacy 2020 Challenge Evaluation Plan
Avignon Université（阿维尼翁大学）；Inria（法国国家信息与自动化研究所）；National Institute of Informatics（国立信息学研究所）；Université de Lorraine（洛林大学）；CNRS（法国国家科学研究中心）；LORIA（洛林信息学及其应用研究实验室）；EURECOM（法国通信系统工程师学校）；University of Edinburgh（爱丁堡大学）
VoicePrivacy Challenge旨在通过聚集一个新的社区来定义感兴趣的任务和评估方法，并通过一系列挑战对解决方案进行基准测试，从而促进语音技术隐私保护工具的开发。在本文档中，我们制定了为VoicePrivacy 2020挑战赛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。我们还提出了攻击模型和相关的客观和主观的评价指标。我们引入了两个匿名化基线，并报告了客观的评估结果。
2022-05-14 cs.CL cs.CR eess.AS
NTU-NPU System for Voice Privacy 2024 Challenge
NTU（南洋理工大学）；NPU（西北工业大学）
本研究针对Voice Privacy 2024挑战赛，通过优化基线系统、引入情感嵌入与均值回归F0、测试多种嵌入器及解耦模型，在保障效用的同时提升语音隐私保护效果。
2024-10-03 cs.AI eess.AS
Privacy-preserving Representation Learning for Speech Understanding
本文提出一种匿名化预训练编码器生成的语句级语音嵌入的框架，通过训练 Transformer 转换表示身份以保护隐私，在多项语音分类任务中优于基线且保持效用。
2023-10-26 eess.AS
Anonymizing Speech with Generative Adversarial Networks to Preserve Speaker Privacy
University of Stuttgart（斯图加特大学）
为了保护语音数据的隐私，说话人匿名化的目的是通过改变语音记录中的声音来隐藏说话人的身份。这通常伴随着个人保护和下游应用程序数据可用性之间的隐私实用性权衡。这方面的挑战之一是创造出听起来尽可能自然的不存在的声音。在这项工作中，我们建议通过使用Wasserstein距离作为成本函数的生成对抗网络生成说话人嵌入来解决这个问题。通过将这些人工嵌入到语音到文本到语音的管道中，我们在隐私和实用性方面优于以前的方法。根据标准的客观指标和人工评估，我们的方法生成了原始录音的可理解和内容保护但隐私保护的版本。
2022-10-20 cs.CL cs.SD eess.AS
