論文の概要: LiveAnon: Improving Privacy and Utility in Streaming Speaker Anonymization with Codec Language Models

• arxiv url: http://arxiv.org/abs/2610.15379v1
• Date: Sun, 11 Oct 2026 06:05:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 01:23:59.917209
• Title: LiveAnon: Improving Privacy and Utility in Streaming Speaker Anonymization with Codec Language Models
• Title（参考訳）: LiveAnon:コーデック言語モデルによる話者匿名のストリーミングにおけるプライバシとユーティリティの改善
• Abstract要約: 音声によるストリーミングSAシステムであるLiveAnonについて述べる。 LiveAnonは、固定ターゲット変換によるインテリジェンスと感情の保存を改善する。 評価された匿名化システムの中で、すべての指標の中で第2位である。
• 参考スコア（独自算出の注目度）: 28.813709102755656
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Speaker anonymization (SA) aims to conceal speaker identity while preserving linguistic content and emotion, but existing streaming systems often lose emotion information through discrete content bottlenecks or require emotion-specific modeling. We present LiveAnon, a voice-conversion-based streaming SA system that directly conditions an autoregressive codec language model on hidden features from a pretrained streaming ASR encoder, preserving emotion without emotion-specific supervision. To reduce codec-generation latency, we introduce capped RVQ decoding, which preserves dependencies among coarse codebooks while predicting the remaining codebooks in parallel. Under VPC24, LiveAnon improves intelligibility and emotion preservation over fixed-target Stream-Voice-Anon (SVA), a strong prior streaming SA system, matches emotion-prompted SVA in emotion preservation, and achieves the strongest semi-informed privacy among streaming systems. Under VPC26, it ranks second across all metrics among the evaluated anonymization systems, demonstrating a strong privacy-utility balance.
• Abstract（参考訳）: 話者匿名化(SA)は、言語的内容や感情を保存しながら話者のアイデンティティを隠蔽することを目的としているが、既存のストリーミングシステムは、個別のコンテンツのボトルネックを通じて感情情報を失うことや、感情固有のモデリングを必要とすることも多い。 音声変換に基づくストリーミングSAシステムであるLiveAnonについて,事前訓練されたストリーミングASRエンコーダの隠れた特徴に対して,自己回帰コーデック言語モデルを直接条件付けし,感情に依存しない感情の保存を行う。 コーデック生成遅延を低減するため,粗いコードブック間の依存関係を並列に予測しながら保持するキャッピングRVQデコーディングを導入する。 VPC24の下では、LiveAnonは、強い事前ストリーミングSAシステムであるStream-Voice-Anon(SVA)に対するインテリジェンスと感情保存を改善し、感情保存において感情のプロンプトされたSVAと一致し、ストリーミングシステムの中で最も強力な半インフォームドプライバシを実現する。 VPC26では、評価された匿名化システムの中で、すべての指標の中で第2位にランクされ、強力なプライバシーとユーティリティのバランスを示す。

関連論文リスト

• Hierarchical Codec Diffusion for Video-to-Speech Generation [34.08427878034203]
  VTS(Video-to-Speech)の生成は、聴覚信号なしでサイレントビデオから音声を合成することを目的としている。 既存のVTS手法は、粗い話者認識のセマンティクスからきめ細かい韻律的詳細にまたがる音声の階層性を無視している。 我々は、離散音声トークンの固有の階層構造を利用して、強力な音声・視覚的アライメントを実現する新しい階層型コーデックトランスであるHiCoDiTを提案する。
  論文  参考訳（メタデータ） (2026-04-17T10:28:21Z)
• TASTE-Streaming: Towards Streamable Text-Aligned Speech Tokenization and Embedding for Spoken Language Modeling [52.519745466772825]
  テキスト音声による音声合成は、自然とインテリジェントな音声に基づく対話を指向する。 TASTEは音声トークンを生成し、テキストのトークンと長さを一致させる。 本稿ではリアルタイム利用に適したTASTEの拡張であるTASTE-Sを提案する。
  論文  参考訳（メタデータ） (2026-03-12T18:13:48Z)
• StreamVoiceAnon+: Emotion-Preserving Streaming Speaker Anonymization via Frame-Level Acoustic Distillation [56.49717639074325]
  ストリーミング話者匿名化(SA)における感情コンテンツ保存の課題に対処する。 音響トークン隠蔽状態におけるフレームレベルの感情蒸留と同一話者からのニュートラル感情発話対を用いた教師付き微調整を提案する。 VoicePrivacy 2024プロトコルでは、49.2%のUAR(感情保存)と5.77%のWER(インテリジェンス)を実現している。
  論文  参考訳（メタデータ） (2026-03-06T09:30:20Z)
• Latent-Mark: An Audio Watermark Robust to Neural Resynthesis [62.09761127079914]
  Latent-Markはセマンティック圧縮に耐えられるように設計された最初のゼロビットオーディオ透かしフレームワークである。 私たちの重要な洞察は、エンコード-デコードプロセスに対する堅牢性は、不変の潜在空間に透かしを埋め込む必要があるということです。 我々の研究は、ますます複雑で多様な生成歪みをまたいで整合性を維持することができる普遍的な透かしフレームワークに、将来の研究をインスピレーションを与えます。
  論文  参考訳（メタデータ） (2026-03-05T15:51:09Z)
• Stream-Voice-Anon: Enhancing Utility of Real-Time Speaker Anonymization via Neural Audio Codec and Language Models [51.7170633585748]
  Stream-Voice-Anonは、ストリーミングスピーカーの匿名化に特化して、現代的なLMベースのNACアーキテクチャを適用している。 匿名化アプローチには、擬似話者表現サンプリング、話者埋め込みミキシング、多様なプロンプト選択戦略が組み込まれている。 VoicePrivacy 2024 Challengeプロトコルの下で、Stream-Voice-Anonは知性を大幅に改善した。
  論文  参考訳（メタデータ） (2026-01-20T13:23:44Z)
• SecoustiCodec: Cross-Modal Aligned Streaming Single-Codecbook Speech Codec [83.61175662066364]
  音声コーデックは、音声とテキスト言語モデルを統一するための重要なブリッジとして機能する。 既存の手法はセマンティックエンコーディングにおいていくつかの課題に直面している。 本稿では,クロスモーダルな低ビットレートストリーミング音声コーデックSecoustiCodecを提案する。
  論文  参考訳（メタデータ） (2025-08-04T19:22:14Z)
• End-to-end streaming model for low-latency speech anonymization [11.098498920630782]
  本稿では低レイテンシで話者匿名化を実現するストリーミングモデルを提案する。 システムは軽量コンテンツエンコーダを用いてエンドツーエンドのオートエンコーダ方式で訓練される。 本稿では,2つのシステムの実装による評価結果について述べる。
  論文  参考訳（メタデータ） (2024-06-13T16:15:53Z)

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。