arXiv cs.AI· Adrien Schneider (M-PSI), Kacper Zabkowski (M-PSI), Anderson Augusma (M-PSI), Fr{\'e}d{\'e}rique Letu{\'e} (SVH), Maria Camila Pinzon (M-PSI), Dominique Vaufreydaz (M-PSI)·· 10 小时前AI 评分29
基于内容嵌入匹配的语音匿名化模型：跳过信号重建，WER 2.53、EER 13.39
Listen to the Features: Voice Anonymization Driven by Content Embedding Matching over Signal Reconstruction
AI 导读
一项研究提出以内容保留为目标的语音匿名化模型，用冻结的预训练 wav2vec2 编码器提取内容嵌入，经向量量化和 HiFi-GAN 声码器解码为匿名语音，训练中不设波形重建损失、不做说话人嵌入映射。
正文 · AI 翻译
摘要：本文提出了一种语音匿名化模型，其重点在于保留内容而非生成逼真的语音。该模型依赖于从冻结的预训练 wav2vec2 编码器中提取的内容嵌入。这些嵌入通过向量量化和 HiFi-GAN 声码器解码为匿名化信号，两者均在 LibriTTS 上训练，且没有任何波形重建损失或说话人嵌入映射。训练目标要求匿名化信号的嵌入与原始信号的嵌入相匹配。在训练过程中，使用带有梯度反转层的辅助说话人分类分支来丢弃说话人特定信息。结果表明，这种直接的基于嵌入的方法实现了极低的 WER（2.53），其匿名化性能（EER 13.39）在 VPC 中排名第一级别。值得注意的是，即使没有支持性的训练目标，情绪也部分保留（UAR 43.91），而匿名化语音在没有重建损失的情况下仍然可听。
| 主题： | 信号处理 (eess.SP)；人工智能 (cs.AI) |
| 引用为： | arXiv:2607.09767 [eess.SP] |
| （或 arXiv:2607.09767v2 [eess.SP] 为此版本） | |
| https://doi.org/10.48550/arXiv.2607.09767 由 DataCite 颁发的 arXiv DOI |
|
| 期刊 参考： | 第六届语音通信安全与隐私研讨会，与 Interspeech 2026 第四届语音隐私挑战赛联合举办，2026 年 9 月，澳大利亚新南威尔士州悉尼 |
提交历史
来自：Dominique Vaufreydaz [查看电子邮件] [通过 CCSD 代理]
[v1]
2026 年 7 月 7 日星期二 09:11:20 UTC（158 KB）
[v2]
2026 年 11 月 10 日星期二 15:25:41 UTC（161 KB）
来源：arXiv cs.AI · arxiv.org