論文の概要: Voice Anonymization for All -- Bias Evaluation of the Voice Privacy Challenge Baseline System

• arxiv url: http://arxiv.org/abs/2311.15804v1
• Date: Mon, 27 Nov 2023 13:26:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-28 15:35:34.234863
• Title: Voice Anonymization for All -- Bias Evaluation of the Voice Privacy Challenge Baseline System
• Title（参考訳）: 音声匿名化 -音声プライバシーチャレンジベースラインシステムのバイアス評価-
• Authors: Anna Leschanowsky, \"Unal Ege Gaznepoglu, Nils Peters
• Abstract要約: 本研究では,ボイスプライバシチャレンジの文脈における音声匿名化システムのバイアスについて検討する。 我々は、性別と方言に基づいて、話者サブグループ間のパフォーマンス格差を評価するために、新しいベンチマークデータセットをキュレートする。
• 参考スコア（独自算出の注目度）: 0.48342038441006807
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In an age of voice-enabled technology, voice anonymization offers a solution to protect people's privacy, provided these systems work equally well across subgroups. This study investigates bias in voice anonymization systems within the context of the Voice Privacy Challenge. We curate a novel benchmark dataset to assess performance disparities among speaker subgroups based on sex and dialect. We analyze the impact of three anonymization systems and attack models on speaker subgroup bias and reveal significant performance variations. Notably, subgroup bias intensifies with advanced attacker capabilities, emphasizing the challenge of achieving equal performance across all subgroups. Our study highlights the need for inclusive benchmark datasets and comprehensive evaluation strategies that address subgroup bias in voice anonymization.
• Abstract（参考訳）: 音声対応技術の時代において、音声匿名化は人々のプライバシーを保護するためのソリューションを提供する。 本研究では,ボイスプライバシチャレンジの文脈における音声匿名化システムのバイアスについて検討する。 性別と方言に基づく話者サブグループ間のパフォーマンス格差を評価するために,新しいベンチマークデータセットを収集した。 3つの匿名化システムと攻撃モデルが話者群バイアスに与える影響を分析し,有意な性能変動を明らかにした。 特に、サブグループバイアスは高度な攻撃能力によって強化され、すべてのサブグループで同等のパフォーマンスを達成するという課題を強調している。 本研究は,音声匿名化におけるサブグループバイアスに対処する包括的ベンチマークデータセットと包括的評価戦略の必要性を強調する。

関連論文リスト

• Houston we have a Divergence: A Subgroup Performance Analysis of ASR Models [2.5168553347063862]
  Fearless Steps APOLLO Community Resourceは、マルチスピーカーチームコミュニケーションの可能性を探るための例外のない機会を提供する。 本研究では,ASR(Automatic Speech Recognition, 自動音声認識)手法により, アポロの録音を多かれ少なかれ理解しやすくする特徴を明らかにすることに焦点を当てた。
  論文  参考訳（メタデータ） (2024-03-31T10:06:19Z)
• 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)
• Improving Fairness and Robustness in End-to-End Speech Recognition through unsupervised clustering [49.069298478971696]
  エンド・ツー・エンドASRの公平性と堅牢性を改善するためのプライバシー保護手法を提案する。 公開データセット上で訓練された話者IDモデルを用いて発話レベルの埋め込みを抽出する。 モデル学習において,話者発話の埋め込みの代わりにクラスタIDを付加的な特徴として用いた。
  論文  参考訳（メタデータ） (2023-06-06T21:13:08Z)
• Controllable speech synthesis by learning discrete phoneme-level prosodic representations [53.926969174260705]
  直感的な離散ラベルを用いたF0と持続時間に対する音素レベル韻律制御のための新しい手法を提案する。 複数話者音声データセットから音素レベルF0と持続時間の特徴を識別するために用いられる教師なし韻律クラスタリングプロセスを提案する。
  論文  参考訳（メタデータ） (2022-11-29T15:43:36Z)
• SAMO: Speaker Attractor Multi-Center One-Class Learning for Voice Anti-Spoofing [22.47152800242178]
  アンチスプーフィングシステムは、自動話者検証(ASV)システムにとって重要な補助装置である。 本稿では,複数の話者を引き付けるために,ボナ・フェイド音声をクラスタリングする話者誘引型マルチセンター一級学習(SAMO)を提案する。 提案システムは,ASVspoof 2019 LA評価セットにおいて,EER(等誤差率)が38%向上し,既存の最先端シングルシステムよりも優れていた。
  論文  参考訳（メタデータ） (2022-11-04T19:31:33Z)
• 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)
• The VoicePrivacy 2020 Challenge: Results and findings [60.13468541150838]
  第1回VoicePrivacy 2020 Challengeは、音声技術の匿名化ソリューションの開発に焦点を当てている。 本稿では,提案システムの解析と評価結果を用いて,課題設計の体系的概要について述べる。
  論文  参考訳（メタデータ） (2021-09-01T23:40:38Z)
• Self-supervised Text-independent Speaker Verification using Prototypical Momentum Contrastive Learning [58.14807331265752]
  モーメントの対比学習によって話者埋め込みがより良く学習できることを示す。 自己監視フレームワークを、データのごく一部しかラベル付けされない半監視シナリオに一般化します。
  論文  参考訳（メタデータ） (2020-12-13T23:23:39Z)
• Introducing the VoicePrivacy Initiative [53.14981205333593]
  VoicePrivacyイニシアチブは、音声技術のプライバシー保護ツールの開発を促進することを目的としている。 本稿では,VoicePrivacy 2020 Challengeで選択された音声匿名化タスクを定式化し,システム開発と評価に使用するデータセットについて述べる。
  論文  参考訳（メタデータ） (2020-05-04T11:07:52Z)

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。