NPU-NTU 用于 Voice Privacy 2024 挑战的系统
音频与语音处理
2025-02-05 v2
摘要
Speaker 匿名化是一种有效的隐私保护解决方案，可隐藏说话者的身份，同时保留原始语音的语言内容和副语言信息。为建立公平的基准并促进说话人匿名化系统的比较，VoicePrivacy Challenge（VPC）于 2020 年和 2022 年举办了两届，计划于 2024 年举办新版本。本文描述了我们为 VPC 2024 提出的说话人匿名化系统。我们的系统采用解缠分 neural codec 架构和串联解缠分策略，逐步解缠分全球说话人身份和时变语言内容及副语言信息。我们引入多种蒸馏方法来解缠分语言内容、说话人身份和情感。这些方法包括语义蒸馏、受监督说话人蒸馏和帧级情感蒸馏。基于这些蒸馏，我们使用一组候选说话人身份和随机生成的说话人身份的加权和来匿名化原始说话人身份。我们的系统在 VPC 2024 中实现了隐私保护和情感保持之间最佳的权衡。
引用
@article{arxiv.2409.04173,
title = {NPU-NTU System for Voice Privacy 2024 Challenge},
author = {Jixun Yao and Nikita Kuzmin and Qing Wang and Pengcheng Guo and Ziqian Ning and Dake Guo and Kong Aik Lee and Eng-Siong Chng and Lei Xie},
journal= {arXiv preprint arXiv:2409.04173},
year = {2025}
}
备注
System description for VPC 2024