基于感知信息损失的语音匿名化语音质量提升

云端语音助手的日益增长使用，使得有效的语音匿名化需求日益紧迫，这旨在隐去说话者身份，同时保留后续任务的关键信息。实现这一目标的一种方法是通过语音转换。虽然现有方法常强调复杂的架构和训练技术，但我们的研究强调以人类听觉系统为灵感的损失函数的重要性。我们提出的损失函数是模型无关的，包含手工特征和深度学习特征，以有效捕捉质量表示。通过客观和主观评估，我们展示了以VQVAE为基础的模型，通过我们的感知驱动损失，在自然度、可理解性和韵律方面均优于基础模型，同时保持说话者匿名性。这些改进在各种数据集、语言、目标说话者和性别上均得到一致验证。