論文の概要: Trustera: A Live Conversation Redaction System

• arxiv url: http://arxiv.org/abs/2303.09438v1
• Date: Thu, 16 Mar 2023 16:13:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-17 14:45:53.219701
• Title: Trustera: A Live Conversation Redaction System
• Title（参考訳）: Trustera: ライブ会話のリアクションシステム
• Authors: Evandro Gouv\^ea, Ali Dadgar, Shahab Jalalvand, Rathi Chengalvarayan, Badrinath Jayakumar, Ryan Price, Nicholas Ruiz, Jennifer McGovern, Srinivas Bangalore, Ben Stern
• Abstract要約: Trusteraは、個人識別可能な情報(PII)をリアルタイムで会話する最初のシステムである。 コール後のリアクションとは対照的に、音声マスキングは、顧客がPIIエンティティに話しかけ始めるとすぐに開始される。 Trusteraは現在、何千ものエージェントが顧客の機密情報を保護するために使用しています。
• 参考スコア（独自算出の注目度）: 7.851135795536094
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Trustera, the first functional system that redacts personally identifiable information (PII) in real-time spoken conversations to remove agents' need to hear sensitive information while preserving the naturalness of live customer-agent conversations. As opposed to post-call redaction, audio masking starts as soon as the customer begins speaking to a PII entity. This significantly reduces the risk of PII being intercepted or stored in insecure data storage. Trustera's architecture consists of a pipeline of automatic speech recognition, natural language understanding, and a live audio redactor module. The system's goal is three-fold: redact entities that are PII, mask the audio that goes to the agent, and at the same time capture the entity, so that the captured PII can be used for a payment transaction or caller identification. Trustera is currently being used by thousands of agents to secure customers' sensitive information.
• Abstract（参考訳）: trusteraは、個人識別可能な情報(pii)をリアルタイムの会話で再現し、エージェントがセンシティブな情報を聞く必要をなくし、顧客とエージェントの会話の自然さを保った最初の機能システムである。 コール後のリアクションとは対照的に、顧客がPIIエンティティに話しかけ始めると、オーディオマスキングが始まる。 これにより、PIIがインターセプトされたり、安全でないデータストレージに格納されたりするリスクが大幅に低減される。 Trusteraのアーキテクチャは、音声認識、自然言語理解、ライブオーディオ再実行モジュールからなる。 システムの目的は3つある: PII であるエンティティを再実行し、エージェントに渡されるオーディオを隠蔽し、同時にエンティティをキャプチャし、取得した PII を支払いトランザクションや呼び出し元識別に使用できる。 trusteraは現在、何千ものエージェントが顧客の機密情報を確保するために使用しています。

関連論文リスト

• Channel-aware Decoupling Network for Multi-turn Dialogue Comprehension [81.47133615169203]
  本稿では,PrLMの逐次文脈化を超えて,発話間の包括的相互作用のための合成学習を提案する。 私たちは、モデルが対話ドメインに適応するのを助けるために、ドメイン適応型トレーニング戦略を採用しています。 実験の結果,提案手法は4つの公開ベンチマークデータセットにおいて,強力なPrLMベースラインを著しく向上させることがわかった。
  論文  参考訳（メタデータ） (2023-01-10T13:18:25Z)
• Are disentangled representations all you need to build speaker anonymization systems? [0.0]
  音声信号には、話者のアイデンティティなど、多くの機密情報が含まれている。 話者匿名化は、音源話者の身元をそのまま残しながら、音声信号を変換し、音源話者の身元を除去することを目的としている。
  論文  参考訳（メタデータ） (2022-08-22T07:51:47Z)
• Speaker Anonymization with Phonetic Intermediate Representations [22.84840887071428]
  本稿では,話者の匿名化パイプラインを提案する。 中間表現として電話を用いると、入力から話者識別情報のほぼ完全な除去が保証される。
  論文  参考訳（メタデータ） (2022-07-11T13:02:08Z)
• End-to-end Spoken Conversational Question Answering: Task, Dataset and Model [92.18621726802726]
  音声による質問応答では、システムは関連する音声書き起こしの中に連続したテキストスパンからの質問に答えるように設計されている。 本稿では,複雑な対話フローをモデル化することを目的とした音声対話型質問応答タスク(SCQA)を提案する。 本研究の目的は,音声記録に基づく対話型質問に対処するシステムを構築することであり,情報収集システムによる様々なモダリティからより多くの手がかりを提供する可能性を探ることである。
  論文  参考訳（メタデータ） (2022-04-29T17:56:59Z)
• The VoicePrivacy 2022 Challenge Evaluation Plan [46.807999940446294]
  トレーニング、開発、評価のデータセットが提供される。 参加者は開発した匿名化システムを適用する。 結果はInterSPEECH 2022と共同で開催されるワークショップで発表される。
  論文  参考訳（メタデータ） (2022-03-23T15:05:18Z)
• Differentially Private Speaker Anonymization [44.90119821614047]
  実世界の発話を共有することが、音声ベースのサービスのトレーニングと展開の鍵となる。 話者匿名化は、言語的および韻律的属性をそのまま残しながら、発話から話者情報を除去することを目的としている。 言語的属性と韻律的属性は依然として話者情報を含んでいる。
  論文  参考訳（メタデータ） (2022-02-23T23:20:30Z)
• Transcribe-to-Diarize: Neural Speaker Diarization for Unlimited Number of Speakers using End-to-End Speaker-Attributed ASR [44.181755224118696]
  Transcribe-to-Diarizeは、エンド・ツー・エンド(E2E)話者による自動音声認識(SA-ASR)を用いたニューラルスピーカーダイアリゼーションの新しいアプローチである。 提案手法は,話者数不明の場合に,既存の話者ダイアリゼーション法よりも高いダイアリゼーション誤差率を実現する。
  論文  参考訳（メタデータ） (2021-10-07T02:48:49Z)
• Streaming Multi-talker Speech Recognition with Joint Speaker Identification [77.46617674133556]
  SURITは、音声認識と話者識別の両方のバックボーンとして、リカレントニューラルネットワークトランスデューサ(RNN-T)を採用しています。 Librispeechから派生したマルチストーカーデータセットであるLibrispeechデータセットに関するアイデアを検証し、奨励的な結果を提示した。
  論文  参考訳（メタデータ） (2021-04-05T18:37:33Z)
• Can You be More Social? Injecting Politeness and Positivity into Task-Oriented Conversational Agents [60.27066549589362]
  人間エージェントが使用する社会言語は、ユーザーの応答性の向上とタスク完了に関連しています。 このモデルは、ソーシャル言語理解要素で拡張されたシーケンスからシーケンスまでのディープラーニングアーキテクチャを使用する。 人的判断と自動言語尺度の両方を用いたコンテンツ保存と社会言語レベルの評価は,エージェントがより社会的に適切な方法でユーザの問題に対処できる応答を生成できることを示している。
  論文  参考訳（メタデータ） (2020-12-29T08:22:48Z)
• 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)

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。