論文の概要: Target speaker anonymization in multi-speaker recordings

• arxiv url: http://arxiv.org/abs/2510.09307v1
• Date: Fri, 10 Oct 2025 11:59:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 04:53:46.940385
• Title: Target speaker anonymization in multi-speaker recordings
• Title（参考訳）: マルチスピーカ記録におけるターゲット話者匿名化
• Authors: Natalia Tomashenko, Junichi Yamagishi, Xin Wang, Yun Liu, Emmanuel Vincent,
• Abstract要約: 本研究は,多話者対話音声における話者匿名化の重大な課題に対処する。 このシナリオは、顧客のプライバシが顧客の声のみを匿名化する必要があるコールセンタのようなコンテキストに非常に関係している。 本研究の目的は,会話音声における話者匿名化を効果的に行うことによって,これらのギャップを埋めることである。
• 参考スコア（独自算出の注目度）: 35.23403922131853
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Most of the existing speaker anonymization research has focused on single-speaker audio, leading to the development of techniques and evaluation metrics optimized for such condition. This study addresses the significant challenge of speaker anonymization within multi-speaker conversational audio, specifically when only a single target speaker needs to be anonymized. This scenario is highly relevant in contexts like call centers, where customer privacy necessitates anonymizing only the customer's voice in interactions with operators. Conventional anonymization methods are often not suitable for this task. Moreover, current evaluation methodology does not allow us to accurately assess privacy protection and utility in this complex multi-speaker scenario. This work aims to bridge these gaps by exploring effective strategies for targeted speaker anonymization in conversational audio, highlighting potential problems in their development and proposing corresponding improved evaluation methodologies.
• Abstract（参考訳）: 既存の話者匿名化研究のほとんどは、単一話者音声に焦点を当てており、そのような条件に最適化された技術や評価指標の開発につながっている。 本研究は,複数話者対話音声における話者匿名化の重大な課題,特に単一話者のみを匿名化する必要がある場合に対処する。 このシナリオはコールセンタのようなコンテキストにおいて、顧客のプライバシがオペレータとのインタラクションにおいてユーザの声のみを匿名化する必要がある場合において、極めて関連性が高い。 従来の匿名化手法はこのタスクには適さないことが多い。 さらに、この複雑なマルチスピーカーシナリオにおいて、プライバシー保護とユーティリティを正確に評価することは不可能である。 本研究の目的は,会話音声における話者匿名化の効果的な戦略を探究し,その開発における潜在的な問題を強調し,改善された評価手法を提案することにより,これらのギャップを埋めることである。

関連論文リスト

• A Benchmark for Multi-speaker Anonymization [9.990701310620368]
  本稿では,マルチ話者匿名化ベンチマークを提案する。 また、重複する会話のプライバシー漏洩についても論じる。 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)
• 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)
• Question-Interlocutor Scope Realized Graph Modeling over Key Utterances for Dialogue Reading Comprehension [61.55950233402972]
  本稿では,対話読解のためのキーワード抽出手法を提案する。 複数の連続した発話によって形成された単位に対して予測を行い、より多くの回答を含む発話を実現する。 発話のテキスト上に構築されたグラフとして,質問-対話者スコープ実現グラフ(QuISG)モデルを提案する。
  論文  参考訳（メタデータ） (2022-10-26T04:00:42Z)
• 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)
• 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)
• Speech Enhancement using Self-Adaptation and Multi-Head Self-Attention [70.82604384963679]
  本稿では,補助的話者認識機能を用いた音声強調のための自己適応手法について検討する。 テスト発話から直接適応に用いる話者表現を抽出する。
  論文  参考訳（メタデータ） (2020-02-14T05:05:36Z)
• Improving speaker discrimination of target speech extraction with time-domain SpeakerBeam [100.95498268200777]
  SpeakerBeamは、ターゲット話者の適応発話を利用して、声の特徴を抽出する。 SpeakerBeamは、同じジェンダーのミキシングのように、話者が似たような音声特性を持つときに失敗することがある。 実験により、これらの戦略は、特に同性混合において、音声抽出性能を大幅に向上させることが示された。
  論文  参考訳（メタデータ） (2020-01-23T05:36:06Z)

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。