論文の概要: EZ-Ar-VC: Robust Arabic Voice Anonymization with Generalization across Dialects and Code-Switching

• arxiv url: http://arxiv.org/abs/2611.01268v1
• Date: Sat, 31 Oct 2026 21:08:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-04 23:36:30.460877
• Title: EZ-Ar-VC: Robust Arabic Voice Anonymization with Generalization across Dialects and Code-Switching
• Title（参考訳）: EZ-Ar-VC: ダイアレクト間の一般化とコードスイッチングによるロバストアラビア音声匿名化
• Abstract要約: アラビア語音声に対する既存のゼロショットVCシステムの評価を行い、発音保存の限界を特定する。 次に,EZ-VCに基づくアラビア中心のモデルを多種多様なアラビア語で訓練し,知性,自然性,発音の保存性が強いことを示す。 以上の結果から,ゼロショットVCの限界と,頑健な音声匿名化のためのターゲット言語適応の重要性が浮き彫りになった。
• 参考スコア（独自算出の注目度）: 16.93054612237579
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Voice conversion (VC) models can be used to anonymize speech data while preserving naturalness. Existing models, however, are mainly optimized for English and other high-resource languages, and they fail to generalize well to Arabic due to its distinct phonology. In this work, we comprehensively evaluate existing zero-shot VC systems for Arabic speech, identifying limitations in pronunciation preservation. We then train an Arabic-centric model based on EZ-VC on diverse Arabic speech, and demonstrate strong performance in intelligibility, naturalness, and pronunciation preservation, while maintaining high speaker dissimilarity. Through subjective evaluation, we further demonstrate its robustness to code-switching and cross-dialectal conversion, as well as its generalization to Arabic dialects with limited representation in the training data. Our findings highlight the limitations of zero-shot VC and the importance of target-language adaptation for robust voice anonymization.
• Abstract（参考訳）: 音声変換(VC)モデルは自然性を保ちながら音声データを匿名化するために使用できる。 しかし、既存のモデルは、主に英語や他の高資源言語に最適化されており、異なる音韻論のためにアラビア語にうまく一般化できなかった。 本研究は、アラビア語音声のための既存のゼロショットVCシステムについて総合的に評価し、発音保存の限界を同定する。 次に,EZ-VCに基づくアラビア語中心のモデルを多種多様なアラビア語で訓練し,高い話者差を維持しつつ,知性,自然性,発音の保存性が強いことを示す。 主観的評価を通じて、コードスイッチングとクロスディレクタ変換に対する頑健性、および訓練データに限られた表現を持つアラビア方言への一般化をさらに実証する。 以上の結果から,ゼロショットVCの限界と,頑健な音声匿名化のためのターゲット言語適応の重要性が浮き彫りになった。

関連論文リスト

• Bulbul: A Dataset for Dialectal Arabic Speech Recognition [23.17840151160424]
  アラブ11カ国275人の話者から収集した多言語アラビア語のASRデータセットであるBULBULについて述べる。 BULBULは、構造化された方言と副方言のカバー、および、彼らの母語方言アクセントの参加者によって話される古典アラビア語と現代アラビア語の録音を含んでいる。
  論文  参考訳（メタデータ） (2026-08-22T13:27:12Z)
• Habibi: Laying the Open-Source Foundation of Unified-Dialectal Arabic Speech Synthesis [20.50741854108831]
  本稿では,特殊・統一された音声合成モデルであるHabibiを紹介する。 当社のアプローチは、先進的な商用サービスの世代品質を上回ります。 我々は、多言語アラビア語音声合成のための最初の体系的ベンチマークを作成する。
  論文  参考訳（メタデータ） (2026-01-20T10:02:11Z)
• Context-Aware Whisper for Arabic ASR Under Linguistic Varieties [27.039946482465268]
  そこで我々は,OpenAIのWhisperをアラビア音声認識に適用するための文脈認識戦略を提案する。 本稿では, アクセシブリオーダー, 話者対応プレフィックス合成, モーダリティ特化検索などの手法を紹介する。 我々のアプローチは、WERを現代標準アラビア語で最大22.3%、方言言語で最大9.2%削減する。
  論文  参考訳（メタデータ） (2025-11-24T05:16:04Z)
• Languages in Multilingual Speech Foundation Models Align Both Phonetically and Semantically [58.019484208091534]
  事前訓練された言語モデル(LM)における言語間アライメントは、テキストベースのLMの効率的な転送を可能にしている。 テキストに基づく言語間アライメントの発見と手法が音声に適用されるかどうかについては、未解決のままである。
  論文  参考訳（メタデータ） (2025-05-26T07:21:20Z)
• Towards Inclusive ASR: Investigating Voice Conversion for Dysarthric Speech Recognition in Low-Resource Languages [49.31519786009296]
  音声変換モデルを英語の変形音声(UASpeech)に微調整し、話者特性と韻律歪みの両方を符号化する。 次に、健康な非英語音声(FLEURS)を非英語の変形性音声に変換する。 生成されたデータは、MMS(Massively Multilingually Speech)と呼ばれる多言語ASRモデルの微調整に使用される。
  論文  参考訳（メタデータ） (2025-05-20T20:03:45Z)
• Second Language (Arabic) Acquisition of LLMs via Progressive Vocabulary Expansion [70.23624194206171]
  本稿では,アラブ世界における大規模言語モデル(LLM)の民主化の必要性に対処する。 アラビア語のLLMの実用的な目的の1つは、復号を高速化するトークン化器にアラビア語固有の語彙を使用することである。 第二言語(アラビア語)による人への獲得の間に語彙学習に触発されたAraLLaMAは、進歩的な語彙拡張を採用している。
  論文  参考訳（メタデータ） (2024-12-16T19:29:06Z)
• Dialectal Coverage And Generalization in Arabic Speech Recognition [0.6757476692230007]
  既存のASRシステムは、多種多様な話し言葉にまたがる範囲と一般化において不足している。 アラビア語圏の様々な地域では、英語やフランス語とのコードスイッチも一般的である。 音声アラビアの複数の変種を効果的に認識するために最適化された一連のASRモデルを提案する。
  論文  参考訳（メタデータ） (2024-11-07T22:23:30Z)
• AceGPT, Localizing Large Language Models in Arabic [73.39989503874634]
  本稿では,アラビア語のテキストによる事前学習,ネイティブなアラビア語命令を利用したSFT(Supervised Fine-Tuning),アラビア語のGPT-4応答を含む総合的なソリューションを提案する。 目標は、文化的に認知され、価値に整合したアラビア語のLLMを、多様で応用特有のアラビア語コミュニティのニーズに適応させることである。
  論文  参考訳（メタデータ） (2023-09-21T13:20:13Z)
• Mandarin-English Code-switching Speech Recognition with Self-supervised Speech Representation Models [55.82292352607321]
  コードスイッチング(英: Code-switching, CS)は、複数の言語が文内で使用される日常会話において一般的である。 本稿では、最近成功した自己教師付き学習(SSL)手法を用いて、CSを使わずに多くのラベルなし音声データを活用する。
  論文  参考訳（メタデータ） (2021-10-07T14:43:35Z)
• Towards One Model to Rule All: Multilingual Strategy for Dialectal Code-Switching Arabic ASR [11.363966269198064]
  自己アテンションに基づくコンストラクタアーキテクチャを用いて,多言語対応の大規模ASRを設計する。 我々はアラビア語(Ar)、英語(En)、フランス語(Fr)を用いてシステムを訓練した。 以上の結果から,最先端のモノリンガル方言アラビア語およびコードスイッチングアラビアASRよりも優れた結果が得られた。
  論文  参考訳（メタデータ） (2021-05-31T08:20:38Z)

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。