論文の概要: Speaker anonymisation using the McAdams coefficient

• arxiv url: http://arxiv.org/abs/2011.01130v2
• Date: Wed, 1 Sep 2021 14:28:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-30 12:32:47.849594
• Title: Speaker anonymisation using the McAdams coefficient
• Title（参考訳）: McAdams係数を用いた話者匿名化
• Authors: Jose Patino, Natalia Tomashenko, Massimiliano Todisco, Andreas Nautsch, Nicholas Evans
• Abstract要約: 本稿では,既存の手法とは異なり,トレーニングデータを必要としない匿名化アプローチについて報告する。 提案手法は,McAdams係数を用いて音声信号のスペクトル包絡を変換する。 結果は、ランダムに最適化された変換が匿名化の点で競合する解より優れていることを示している。
• 参考スコア（独自算出の注目度）: 19.168733328810962
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Anonymisation has the goal of manipulating speech signals in order to degrade the reliability of automatic approaches to speaker recognition, while preserving other aspects of speech, such as those relating to intelligibility and naturalness. This paper reports an approach to anonymisation that, unlike other current approaches, requires no training data, is based upon well-known signal processing techniques and is both efficient and effective. The proposed solution uses the McAdams coefficient to transform the spectral envelope of speech signals. Results derived using common VoicePrivacy 2020 databases and protocols show that random, optimised transformations can outperform competing solutions in terms of anonymisation while causing only modest, additional degradations to intelligibility, even in the case of a semi-informed privacy adversary.
• Abstract（参考訳）: 匿名化は、話者認識に対する自動的アプローチの信頼性を低下させると同時に、知性や自然性に関する他の側面を保ちながら、音声信号を操作することを目的としている。 本稿では,従来の手法と異なり,訓練データを必要としない,よく知られた信号処理技術に基づく匿名化手法について報告する。 提案手法では,mcadams係数を用いて音声信号のスペクトル包絡を変換する。 共通のVoicePrivacy 2020データベースとプロトコルを用いて導かれた結果は、ランダムに最適化された変換が、匿名化の観点から競合するソリューションよりも優れ、半インフォームドプライバシの敵であっても、わずかで追加の劣化によって知性に欠けることを示している。

関連論文リスト

• A Benchmark for Multi-speaker Anonymization [9.990701310620368]
  本稿では,実世界のアプリケーションを対象としたマルチ話者匿名化ベンチマークを提案する。 カスケードシステムは、話者ダイアリゼーションを使用して、各話者の音声を集約し、話者匿名化を行い、話者のプライバシーを隠蔽し、音声コンテンツを保存する。 非オーバーラップシミュレーションと実世界のデータセットによる実験は、マルチスピーカー匿名化システムの有効性を実証している。
  論文  参考訳（メタデータ） (2024-07-08T04:48:43Z)
• TernaryVote: Differentially Private, Communication Efficient, and Byzantine Resilient Distributed Optimization on Heterogeneous Data [50.797729676285876]
  本稿では, 3次圧縮機と多数決機構を組み合わせて, 差分プライバシー, 勾配圧縮, ビザンチンレジリエンスを同時に実現するternaryVoteを提案する。 提案アルゴリズムのF差分プライバシー(DP)とビザンチンレジリエンスのレンズによるプライバシー保証を理論的に定量化する。
  論文  参考訳（メタデータ） (2024-02-16T16:41:14Z)
• Anonymizing Speech: Evaluating and Designing Speaker Anonymization Techniques [1.2691047660244337]
  音声ユーザインタフェースの利用が増加し、音声データの収集と保存が急増した。 本論文は、音声の匿名化と匿名化の程度を評価するためのソリューションを提案する。
  論文  参考訳（メタデータ） (2023-08-05T16:14:17Z)
• Adversarial Representation Learning for Robust Privacy Preservation in Audio [11.409577482625053]
  音響イベント検出システムは、ユーザーまたはその周辺に関する機密情報を不注意に明らかにすることができる。 本稿では,音声記録の表現を学習するための新しい逆学習法を提案する。 提案手法は,プライバシ対策を伴わないベースライン手法と,事前の逆行訓練法とを併用して評価する。
  論文  参考訳（メタデータ） (2023-04-29T08:39:55Z)
• Breaking the Communication-Privacy-Accuracy Tradeoff with $f$-Differential Privacy [51.11280118806893]
  サーバが複数のユーザの協調的なデータ分析を,プライバシの懸念と限られた通信能力で調整する,フェデレートされたデータ分析問題を考える。 有限出力空間を有する離散値機構の局所的差分プライバシー保証を$f$-differential privacy (DP) レンズを用いて検討する。 より具体的には、様々な離散的評価機構の厳密な$f$-DP保証を導出することにより、既存の文献を前進させる。
  論文  参考訳（メタデータ） (2023-02-19T16:58:53Z)
• V-Cloak: Intelligibility-, Naturalness- & Timbre-Preserving Real-Time Voice Anonymization [0.0]
  我々は,V-Cloakという音声匿名化システムを開発し,リアルタイム音声匿名化を実現する。 設計した匿名化器は、異なる周波数レベルでオリジナル音声の特徴を変調するワンショット生成モデルを備えている。 実験結果から,V-Cloakは匿名性能において5つのベースラインより優れていたことが確認された。
  論文  参考訳（メタデータ） (2022-10-27T02:58:57Z)
• Improving Security in McAdams Coefficient-Based Speaker Anonymization by Watermarking Method [8.684378639046642]
  そこで本稿では,McAdams係数に基づく話者匿名化の安全性向上手法を提案する。 提案手法は, 埋込用と検出用という2つの主要なプロセスから構成される。
  論文  参考訳（メタデータ） (2021-07-15T09:56:08Z)
• Towards Robust Speech-to-Text Adversarial Attack [78.5097679815944]
  本稿では,DeepSpeech,Kaldi,Lingvoなど,最先端の音声テキストシステムに対する新たな逆アルゴリズムを提案する。 本手法は, 逆最適化定式化の従来の歪み条件の拡張を開発することに基づいている。 元のサンプルと反対のサンプルの分布の差を測定するこの測定値の最小化は、正統な音声記録のサブスペースに非常に近い作成信号に寄与する。
  論文  参考訳（メタデータ） (2021-03-15T01:51:41Z)
• Speaker De-identification System using Autoencoders and Adversarial Training [58.720142291102135]
  本稿では,対人訓練とオートエンコーダに基づく話者識別システムを提案する。 実験結果から, 対向学習とオートエンコーダを組み合わせることで, 話者検証システムの誤り率が同等になることがわかった。
  論文  参考訳（メタデータ） (2020-11-09T19:22:05Z)
• Class-Conditional Defense GAN Against End-to-End Speech Attacks [82.21746840893658]
  本稿では,DeepSpeech や Lingvo といった先進的な音声テキストシステムを騙すために開発された,エンドツーエンドの敵対攻撃に対する新しいアプローチを提案する。 従来の防御手法とは異なり、提案手法は入力信号のオートエンコードのような低レベル変換を直接利用しない。 我々の防衛GANは、単語誤り率と文レベルの認識精度において、従来の防衛アルゴリズムよりもかなり優れています。
  論文  参考訳（メタデータ） (2020-10-22T00:02:02Z)
• Design Choices for X-vector Based Speaker Anonymization [48.46018902334472]
  第1回VoicePrivacy Challengeのベースラインとして,フレキシブルな擬似話者選択手法を提案する。 LibriSpeechから派生したデータセットを使用して実験を行い、プライバシとユーティリティの観点から設計選択の最適な組み合わせを見つける。
  論文  参考訳（メタデータ） (2020-05-18T11:32:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。