MUSA：基于串联解耦的多语言说话人匿名化

说话人匿名化是一种有效的隐私保护解决方案，旨在隐藏说话人的身份，同时保留原始语音的语言内容和副语言信息。虽然大多数先前研究仅关注单一语言，但理想的说话人匿名化系统应能够处理多种语言。本文提出了 MUSA（Multi-lingual Speaker Anonymization），一种采用串联解耦策略的多语言说话人匿名化方法，通过逐步从全局时不变表示到时变表示进行解耦。利用语义蒸馏和自监督说话人蒸馏，串联解耦策略可避免强归纳偏置，并在不同语言之间表现出优异的泛化性能。同时，本文提出一种简洁的匿名化策略，采用全零值空嵌入来模拟说话人身份隐蔽过程，从而消除将说话人身份转换为伪说话人身份的需求，从而降低了说话人匿名化过程的复杂性。在 VoicePrivacy 官方数据集和多语言数据集上的实验结果表明，MUSA 能够有效保护说话人隐私，同时保留语言内容和副语言信息。