論文の概要: Privacy versus Emotion Preservation Trade-offs in Emotion-Preserving Speaker Anonymization

• arxiv url: http://arxiv.org/abs/2409.03655v1
• Date: Thu, 5 Sep 2024 16:10:31 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-06 20:03:34.027549
• Title: Privacy versus Emotion Preservation Trade-offs in Emotion-Preserving Speaker Anonymization
• Title（参考訳）: 感情保存話者匿名化におけるプライバシーと感情保存のトレードオフ
• Authors: Zexin Cai, Henry Li Xinyuan, Ashi Garg, Leibny Paola García-Perera, Kevin Duh, Sanjeev Khudanpur, Nicholas Andrews, Matthew Wiesner,
• Abstract要約: 差分プライバシー分野は、その実用性を保ちながら、音声を匿名化する方法を探求してきた。 我々は様々な話者匿名化パイプラインを開発し、匿名化や感情状態の保存においてアプローチが優れているが、同時にはならないことを発見した。
• 参考スコア（独自算出の注目度）: 31.94758615908198
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Advances in speech technology now allow unprecedented access to personally identifiable information through speech. To protect such information, the differential privacy field has explored ways to anonymize speech while preserving its utility, including linguistic and paralinguistic aspects. However, anonymizing speech while maintaining emotional state remains challenging. We explore this problem in the context of the VoicePrivacy 2024 challenge. Specifically, we developed various speaker anonymization pipelines and find that approaches either excel at anonymization or preserving emotion state, but not both simultaneously. Achieving both would require an in-domain emotion recognizer. Additionally, we found that it is feasible to train a semi-effective speaker verification system using only emotion representations, demonstrating the challenge of separating these two modalities.
• Abstract（参考訳）: 音声技術の進歩により、音声による個人識別情報への前例のないアクセスが可能になった。 このような情報を保護するために、差分プライバシー分野は、言語的・パラ言語的側面を含むその実用性を保ちながら、音声を匿名化する方法を模索してきた。 しかし,感情状態を維持しながら発話を匿名化することは依然として困難である。 我々はこの問題をVoicePrivacy 2024チャレンジの文脈で探求する。 具体的には、様々な話者匿名化パイプラインを開発し、匿名化や感情状態の保存においてアプローチが優れているが、同時にはならないことを発見した。 両方の達成にはドメイン内の感情認識が必要だ。 さらに、感情表現のみを用いて半効果的な話者検証システムを訓練することは可能であり、これらの2つのモダリティを分離することの難しさを示す。

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)
• Attention-based Interactive Disentangling Network for Instance-level Emotional Voice Conversion [81.1492897350032]
  感情音声変換(Emotional Voice Conversion)は、非感情成分を保存しながら、与えられた感情に応じて音声を操作することを目的とする。 本稿では,音声変換にインスタンスワイドな感情知識を活用する,意図に基づく対話型ディスタングネットワーク(AINN)を提案する。
  論文  参考訳（メタデータ） (2023-12-29T08:06:45Z)
• 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)
• Evaluation of Speaker Anonymization on Emotional Speech [9.223908421919733]
  音声データには、話者のアイデンティティや感情状態など、さまざまな個人情報が含まれている。 最近の研究は、音声のプライバシーを守るという話題に対処している。 VoicePrivacy 2020 Challenge(VPC)は、話者の匿名化に関するものだ。
  論文  参考訳（メタデータ） (2023-04-15T20:50:29Z)
• Anonymizing Speech with Generative Adversarial Networks to Preserve Speaker Privacy [22.84840887071428]
  話者匿名化は、音声録音における音声を変化させることで話者の同一性を隠蔽することを目的としている。 これは一般的に、個人の保護とダウンストリームアプリケーションにおけるデータのユーザビリティとの間の、プライバシーとユーティリティのトレードオフが伴う。 本稿では,ワッサースタイン距離をコスト関数として生成した逆数ネットワークを用いて話者埋め込みを生成することで,この問題に対処することを提案する。
  論文  参考訳（メタデータ） (2022-10-13T13:12:42Z)
• 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)
• An Attribute-Aligned Strategy for Learning Speech Representation [57.891727280493015]
  属性選択機構によってこれらの問題に柔軟に対処できる音声表現を導出する属性整合学習戦略を提案する。 具体的には、音声表現を属性依存ノードに分解する層式表現可変オートエンコーダ(LR-VAE)を提案する。 提案手法は,IDのないSER上での競合性能と,無感情SV上でのより良い性能を実現する。
  論文  参考訳（メタデータ） (2021-06-05T06:19:14Z)
• Limited Data Emotional Voice Conversion Leveraging Text-to-Speech: Two-stage Sequence-to-Sequence Training [91.95855310211176]
  感情的音声変換は、言語内容と話者のアイデンティティを保ちながら、発話の感情状態を変えることを目的としている。 本研究では,感情音声データ量の少ない連続音声変換のための新しい2段階学習戦略を提案する。 提案フレームワークはスペクトル変換と韻律変換の両方が可能であり、客観的評価と主観評価の両方において最先端のベースラインを大幅に改善する。
  論文  参考訳（メタデータ） (2021-03-31T04:56:14Z)
• Learning Emotional-Blinded Face Representations [77.7653702071127]
  感情反応に関連する表情に盲目な2つの顔表現を提案する。 この作業は、個人データ保護に関する新たな国際規則によって動機付けられている。
  論文  参考訳（メタデータ） (2020-09-18T09:24:10Z)

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。