論文の概要: AegisVox: Factorized Privacy and Clinical Preservation for Long-Form Speech

• arxiv url: http://arxiv.org/abs/2610.14643v1
• Date: Sat, 10 Oct 2026 06:53:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.085386
• Title: AegisVox: Factorized Privacy and Clinical Preservation for Long-Form Speech
• Title（参考訳）: AegisVox:長期音声のプライバシと臨床保存
• Abstract要約: AegisVoxは、一貫したサロゲート音声と編集回転を割り当てる因子化フレームワークである。 AegisVoxは、識別子の除去や臨床安全性の保証ではなく、トレードオフの用途固有の評価をサポートしている。
• 参考スコア（独自算出の注目度）: 5.342759797429803
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Clinical speech reveals identity through both spoken identifiers and voice, yet its pauses, delivery, and speaker roles can also carry useful clinical evidence. Protecting that speech therefore requires more than preserving its words. We present AegisVox, a factorized framework that assigns consistent surrogate voices and edits identifier-bearing turns using document-consistent replacements. Across 390 public simulated or non-patient conversations totaling 63.6 hours, a matched comparison of two speech renderers separates replacement realization from retained identifiers, speaker linkage, and clinical preservation. Text-to-speech rendering realizes 535/601 planned replacements versus 453/601 for the codec-based speech editor. However, similar aggregate clinical preservation conceals more model-labeled contradictions, and conversation-wide speaker scores conceal greater edited-speech linkage under a score-direction sensitivity analysis. Fresh transcription of original audio provides a reference for interpreting the clinical measurement chain; an independent judge tests sensitivity to model-based assessment. Better replacement realization can therefore coexist with worse clinical or speaker-linkage measurements. AegisVox supports use-specific evaluation of those tradeoffs, not a guarantee of identifier removal or clinical safety.
• Abstract（参考訳）: 臨床音声は、音声の識別子と音声の両方を通して同一性を明らかにするが、その停止、伝達、話者の役割は、有用な臨床的証拠も持てる。 そのため、その言葉を守らなければならない。 AegisVoxは、一貫したサロゲート音声を割り当て、文書に一貫性のある置換を用いて識別子を持つターンを編集する、因子化フレームワークである。 390件の公的なシミュレートまたは非患者の会話の総時間は63.6時間であり、2つの音声レンダラーの一致した比較は、置換現実化を保持された識別子、話者連鎖、臨床保存と分離する。 テキスト音声レンダリングでは、コーデックベースの音声エディタでは535/601の代替が453/601の代替となる。 しかし、類似の総合的な臨床保存は、よりモデルラベルの矛盾を隠蔽し、会話全体の話者スコアは、スコア指向の感度分析の下で、より大きな編集音声リンクを隠蔽する。 原音の新規な転写は、臨床測定連鎖を解釈するための基準を提供し、独立裁判官はモデルに基づく評価に対する感受性を検査する。 したがって、より良い代替実現は、より悪い臨床または話者連鎖測定と共存することができる。 AegisVoxは、識別子の除去や臨床安全性の保証ではなく、これらのトレードオフの使用固有の評価をサポートしている。

関連論文リスト

• Role-guided Speaker Deletion Verification in Clinical Psychiatry Speech Recordings with Audio Language Models [7.58298187456991]
  精神医学における臨床研究は、音響的および言語的バイオマーカーを特定するために、音声言語データの大規模な収集にますます依存している。 精神医学における役割駆動型臨床対話の検証問題について検討し、2つの平行な対称パイプラインを用いて検討した。 各パイプラインは、ターゲットロールのために生のオーディオを再実行し、残った出力をオーディオ言語および大規模言語モデルでスキャンし、欠落した削除を識別する。
  論文  参考訳（メタデータ） (2026-09-29T20:20:24Z)
• Understanding Clinical Cognitive Dialogues Using Large Language Models [5.256083776792926]
  話者3名と対話行動56名に対して8,250発のアノテートが付与された認知評価会話33件の未確認コーパスを提示する。 我々はこのコーパスを用いて、詳細な対話行動分類と次の患者発話生成の大規模言語モデルをベンチマークする。
  論文  参考訳（メタデータ） (2026-09-28T02:04:25Z)
• CoLMbo-SV: A Grounded Language Model for Explainable Speaker Verification [54.830557377967274]
  我々は,強い話者識別と構造的,音響的な比較報告を組み合わせた話者言語モデルであるtextbfCoLMbo-SVを提案する。 事前訓練された話者エンコーダを言語モデルに接続し、明示的な音響測定を提供することにより、CoLMbo-SVは、その報告で発声された証拠に対する検証を制限することなく、音声比較を検査できるようにする。
  論文  参考訳（メタデータ） (2026-09-27T04:51:53Z)
• Inquesto Score: A reliability Protocol For Voice Agents [53.4810159595586]
  Inquesto Score(IS)は、音声エージェントの信頼性を、固定バージョン評価集団における呼び出しの割合として測定するプロトコルである。 タイミングの失敗、セマンティック、および状態依存の失敗は、シナリオ述語、ツールトレース、ピン留めされたオープンモデル判定を用いて評価される。 Inquesto Score v0.1は、基準音声エージェントシステムの13構成に対して、30のシナリオ、3つの音響条件、4つの話者グループ、306の呼び出しを評価する。
  論文  参考訳（メタデータ） (2026-09-24T20:07:53Z)
• CLASH: Counterfactual Auditing of Lexical and Prosodic Reliance in Spoken Sarcasm Detection [9.4042581141396]
  発散したサルカズム検出器は、語彙内容、韻律、またはそれらの相互作用を利用することができるが、従来の評価では、どの手がかりが予測を駆動するかは明らかにできない。 CLASHは,原音,語彙保存,韻律保存,およびほぼ中和条件下で各発話を評価する診断フレームワークである。
  論文  参考訳（メタデータ） (2026-09-15T03:26:37Z)
• Agentic Cognitive Profiling: Realigning Automated Alzheimer's Disease Detection with Clinical Construct Validity [66.94391219005291]
  本稿では,臨床プロトコルロジックによる自動スクリーニングを実現するエージェント認知プロファイリング(ACP)を提案する。 我々の設計の中心は、すべての定量化を決定論的関数呼び出しに委譲することで、測定から意味的理解を分離することである。 ACPは、タスク試験で90.5%のスコアマッチ率、AD予測で85.3%の精度を達成し、一般的な基準を上回っている。
  論文  参考訳（メタデータ） (2026-03-18T06:15:35Z)
• Assessing Identity Leakage in Talking Face Generation: Metrics and Evaluation Framework [56.30142869506262]
  塗り絵ベースの話し顔生成は、唇の動きだけを変更しながらポーズ、照明、ジェスチャーなどの映像の詳細を保存することを目的としている。 この機構は、生成した唇が、駆動オーディオのみの影響ではなく、参照画像の影響を受けるリップリークを導入することができる。 そこで本研究では,唇の漏れを分析し定量化するためのシステム評価手法を提案する。
  論文  参考訳（メタデータ） (2025-11-05T17:11:53Z)
• Finding My Voice: Generative Reconstruction of Disordered Speech for Automated Clinical Evaluation [30.711896976296483]
  ChiReSSDは、子どもの話者の身元を保存し、誤認識を抑える音声認識フレームワークである。 提案手法をSTARデータセット上で評価し,語彙精度と話者識別の大幅な向上を報告した。 以上の結果から,不整合型TTS再建は多種多様な臨床患者を対象とした個人性保存音声を提供する可能性が示唆された。
  論文  参考訳（メタデータ） (2025-09-23T16:53:07Z)
• A Preliminary Study of a Two-Stage Paradigm for Preserving Speaker Identity in Dysarthric Voice Conversion [50.040466658605524]
  変形性音声変換(DVC)における話者同一性維持のための新しいパラダイムを提案する。 変形性音声の質は統計VCによって大幅に改善される。 しかし, 変形性関節症患者の通常の発話は, ほとんど収集できないため, 過去の研究は患者の個性を取り戻すことはできなかった。
  論文  参考訳（メタデータ） (2021-06-02T18:41:03Z)

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。