Private kNN-VC：转换语音的可解释匿名化

说话人匿名化旨在隐藏说话人身份的同时保留语音的效用。已实现的隐私性通常通过基于匿名化语音训练的说话人识别模型来评估。尽管这代表了一种强攻击，但尚不清楚语音的哪些方面被用于识别说话人。本研究旨在揭示这些方面。研究从 kNN-VC 开始，这是一种强大的语音转换模型，作为匿名化系统表现不佳，推测是由于韵律泄露。为验证这一假设，我们通过两个可解释组件扩展了 kNN-VC，分别对音素的时长和变化进行匿名化。这些组件显著提升了隐私性，证明了所研究的韵律因素编码了说话人身份并被隐私攻击所利用。此外，我们表明目标选择算法的变化会显著影响隐私攻击的结果。