语音内容掩蔽的探索性评估

近期大多数语音隐私工作都集中在匿名化声学说话人属性上，但对保护语音内容中信息的研究并不多。我们引入了一个探索新兴隐私类型“内容掩蔽”的玩具问题，该类型旨在隐藏语音中选定的词语和短语。在定义此问题空间的努力中，我们评估了一种入门级基线掩蔽技术，该技术基于修改由预训练的矢量量化变分自编码器（VQ-VAE）产生的离散音素表示（音素码）序列，并使用 WaveRNN 重新合成。我们研究了三种不同的掩蔽位置和三种掩蔽策略：噪声替换、词语删除和音素序列反转。我们的工作试图表征掩蔽如何影响两个下游任务：自动语音识别（ASR）和自动说话人验证（ASV）。我们观察了不同的掩蔽类型和位置如何影响这些下游任务，并讨论了这些问题可能如何影响隐私目标。