SAIC：语音匿名化与身份分类的集成
声音
2023-12-27 v1 人工智能
密码学与安全
音频与语音处理
摘要
语音匿名化和去标识化最近引起了广泛关注，特别是在医疗领域，包括远程医疗咨询、患者声纹匹配和患者实时监测。说话人身份分类任务涉及从音频中识别特定说话人以学习身份特征，对于去标识化至关重要。由于很少有研究有效地将语音匿名化与身份分类结合起来，我们提出了SAIC——一个用于集成语音匿名化和身份分类的创新流水线。SAIC在Voxceleb1数据集上的说话人身份分类任务中表现出色，达到了最先进的水平，top-1准确率为96.1%。尽管SAIC没有专门在临床数据上进行训练或评估，但结果有力地证明了模型的有效性以及推广到医疗领域的可能性，为未来的工作提供了有见地的指导。
引用
@article{arxiv.2312.15190,
title = {SAIC: Integration of Speech Anonymization and Identity Classification},
author = {Ming Cheng and Xingjian Diao and Shitong Cheng and Wenjun Liu},
journal= {arXiv preprint arXiv:2312.15190},
year = {2023}
}