面向所有人的语音匿名化——语音隐私挑战基线系统的偏差评估

在语音技术盛行的时代，语音匿名化为保护人们隐私提供了解决方案，前提是这些系统在不同子群体上表现同样良好。本研究在语音隐私挑战的背景下调查语音匿名化系统中的偏差。我们策划了一个新颖的基准数据集，以评估基于性别和方言的说话人子群体之间的性能差异。我们分析了三种匿名化系统与攻击模型对说话人子群体偏差的影响，揭示了显著的性能差异。值得注意的是，子群体偏差随着攻击者能力的增强而加剧，凸显了在所有子群体上实现均等性能的挑战。我们的研究强调了需要包容性的基准数据集与全面的评估策略，以解决语音匿名化中的子群体偏差。