論文の概要: Child-Centric Voice Anonymization in Single and Multi-Speaker Speech via Domain-Adapted SSL Models

• arxiv url: http://arxiv.org/abs/2606.29897v1
• Date: Mon, 29 Jun 2026 07:34:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:16.096018
• Title: Child-Centric Voice Anonymization in Single and Multi-Speaker Speech via Domain-Adapted SSL Models
• Title（参考訳）: ドメイン適応SSLモデルを用いた単話者・複数話者音声における子声匿名化
• Abstract要約: 音声匿名化は、言語コンテンツと音声のユーザビリティを維持しながら、話者のアイデンティティを保護することを目的としている。 殆どの匿名化システムは成人音声で開発されており、児童音声に適用すると性能が低下する。 本稿では、自己教師付き学習(SSL)に基づく匿名化パイプラインを子話領域に適応させることにより、子中心の匿名化を検討する。
• 参考スコア（独自算出の注目度）: 5.635264053184799
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Voice anonymization aims to protect speaker identity while preserving linguistic content and speech usability. However, most anonymization systems are developed on adult speech, leading to degraded performance when applied to child speech. This paper investigates child-centric anonymization by adapting a self-supervised learning (SSL) based anonymization pipeline to the child speech domain. The system is adapted using child speech from the MyST corpus and evaluated under both single-speaker and two-speaker mixture conditions. Experimental results show that child-domain adaptation improves intelligibility and perceptual quality while maintaining strong privacy protection. Extending the approach to multi-speaker further demonstrates that combining target speaker extraction with child-adapted anonymization provides privacy protection while preserving conversational structure. These findings highlight the importance of child-specific adaptation for practical speech anonymization systems.
• Abstract（参考訳）: 音声匿名化は、言語コンテンツと音声のユーザビリティを維持しながら、話者のアイデンティティを保護することを目的としている。 しかし、ほとんどの匿名化システムは成人音声で開発されており、児童音声に適用すると性能が低下する。 本稿では、自己教師付き学習(SSL)に基づく匿名化パイプラインを子話領域に適応させることにより、子中心の匿名化を検討する。 このシステムは,MySTコーパスの児童音声を用いて適応し,単一話者と2話者の混合条件で評価する。 実験の結果,子領域適応は,強いプライバシー保護を維持しつつ,知性や知覚品質を向上させることが示された。 マルチスピーカーへのアプローチを拡張することで、ターゲット話者抽出と子適応匿名化を組み合わせることで、会話構造を保ちながらプライバシー保護が可能になることが証明される。 これらの知見は,実践的音声匿名化システムにおける子固有の適応の重要性を浮き彫りにした。

関連論文リスト

• DP-VOXLET: Provable Speaker Anonymization for Disentangled Speech Representations [2.565220169948739]
  話者匿名化システムは、本来の意味内容と韻律を維持しながら、発話の話者を難読化する。 話者匿名化の最近のソリューションは、発話を意味的内容と話者特性に分解する学習された表現に依存している。 本稿では、話者識別の枠組みに基づく話者匿名化の形式的定義と、その定義を確実に満足する話者匿名化のメカニズムを紹介する。
  論文  参考訳（メタデータ） (2026-08-31T15:34:16Z)
• KIT's Submission to Cross-Lingual Voice Cloning in IWSLT 2026 [61.29502937013759]
  言語間音声のクローニングは、ソース言語参照から話者識別を保ちながら、ターゲット言語で音声を生成することを目的としている。 鍵となる課題は、アクセントの変化とドメイン固有の語彙の存在において、知性と自然性を維持することである。 我々は、多言語テキスト音声モデル、FishAudio-S2-Proを構築し、言語制御を改善しアクセントリークを低減するために、言語タグプロンプトを導入する。
  論文  参考訳（メタデータ） (2026-06-05T13:09:21Z)
• 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)
• Probing the Feasibility of Multilingual Speaker Anonymization [28.445925953669825]
  最先端の匿名化システムを9言語に拡張する。 プライバシー攻撃や音声劣化に対する匿名化音声の堅牢性をテストする実験は、全ての言語でこのシステムの全体的な成功を示している。
  論文  参考訳（メタデータ） (2024-07-03T09:12:53Z)
• 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)
• 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)
• 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。