语音病理对自动说话人验证的影响——一项大规模研究
声音
2023-11-23 v3 机器学习
音频与语音处理
摘要
在应对数据驱动的语音处理挑战时，主要障碍之一是获取可靠的病理语音数据。尽管公共数据集似乎提供了解决方案，但它们存在通过重识别攻击无意暴露患者健康信息的固有风险。我们利用一个全面的真实世界病理语音语料库，包含超过 n=3,800 名跨越不同年龄段和言语障碍的受试者的测试数据，采用了一种深度学习驱动的自动说话人验证（ASV）方法。该方法取得了显著的平均等错误率（EER）0.89%，标准差为 0.06%，优于传统基准。我们的综合评估表明，与正常语音相比，病理语音总体上面临更高的隐私泄露风险。具体而言，患有发声障碍的成年人在重识别风险上更高，而诸如构音障碍等病症得出的结果与正常说话人相当。关键的是，语音清晰度并不影响 ASV 系统的性能指标。在儿科病例中，尤其是唇腭裂患者，录音环境在重识别中起决定性作用。合并不同病理类型的数据导致 EER 显著下降，表明病理多样性在 ASV 中的潜在益处，并伴随 ASV 效果的对数级提升。总之，本研究揭示了病理语音与说话人验证之间的动态关系，强调了其在日益数字化的医疗时代保护患者机密性中的关键作用。
引用
@article{arxiv.2204.06450,
title = {The effect of speech pathology on automatic speaker verification -- a large-scale study},
author = {Soroosh Tayebi Arasteh and Tobias Weise and Maria Schuster and Elmar Noeth and Andreas Maier and Seung Hee Yang},
journal= {arXiv preprint arXiv:2204.06450},
year = {2023}
}
备注
Published in Scientific Reports