在声音被听见之前擦除你的声音：面向零样本文本到语音的训练-free说话人遗忘
音频与语音处理
2026-01-29 v1 声音
摘要
现代零样本文本到语音（TTS）模型提供了前所未有的表达能力，但也带来了严重的犯罪风险，因为它们可以合成从未获得同意的个人的语音。在此背景下，说话人遗忘旨在请求时防止生成特定的说话人身份。现有方法依赖于重新训练，成本高昂且仅限于训练集中看到的说话人。我们提出了一种训练-free说话人遗忘框架，称为 TruS，颠覆了从数据删除转向推理时控制的范式。TruS 通过引导特定于身份的隐藏激活来抑制目标说话人，同时保持其他属性（如韵律和情感）。实验结果表明，TruS 有效地防止了在看到的和未看到的 opt-out 说话人上生成语音，建立了一个可扩展的语音合成安全措施。演示和代码均可在 http://mmai.ewha.ac.kr/trus 提供。
引用
@article{arxiv.2601.20481,
title = {Erasing Your Voice Before It's Heard: Training-free Speaker Unlearning for Zero-shot Text-to-Speech},
author = {Myungjin Lee and Eunji Shin and Jiyoung Lee},
journal= {arXiv preprint arXiv:2601.20481},
year = {2026}
}
备注
ICASSP'2026