长期对话分析：噪声与混响下的隐私-效用权衡

日常生活中的录音需要保护语音内容和说话人身份。本研究探讨了噪声和混响对低成本隐私保护方法在边缘计算可行性下的隐私-效用权衡的影响。这些方法在频谱和时间平滑方面做出妥协，使用McAdams系数进行说话人匿名化，以极低的采样率进行采样，以及组合方法。隐私通过自动语音和说话人识别来评估，而我们的效用考虑语音活动检测和说话人分离。总体而言，我们的评估表明额外噪声对所有模型性能的劣化程度大于混响。这种劣化对应着增强的语音隐私，而某些方法的效用退化较少。