Características de altavoces conscientes de la privacidad y características multimodales Análisis de la relación en...

Área de la Ciencia:

• Procesamiento del habla.
• La biometría es biometría.
• El aprendizaje automático que preserva la privacidad del aprendizaje automático.

Sus antecedentes:

• El creciente uso de datos del habla para la detección de emociones y la elaboración de perfiles de salud aumenta los riesgos de privacidad.
• Las grabaciones de voz pueden revelar rasgos sensibles del hablante, lo que requiere técnicas robustas de anonimización.
• Mantener la utilidad del habla para las tareas posteriores es crucial junto con la protección de la identidad.

Objetivo del estudio:

• Investigar métodos de anonimización de voz para proteger la identidad del hablante.
• Evaluar el impacto de la anonimización en las características del habla para la inferencia de rasgos, particularmente en las entrevistas de trabajo.
• Evaluar la compensación entre la privacidad y la utilidad para diferentes técnicas de anonimización.

Principales métodos:

• Empleó métodos basados en el procesamiento de señales, incluido un codificador de voz de fase.
• Utilizó un método basado en códec de audio neural para el anonimato de voz.
• Realizó experimentos para analizar las alteraciones del parámetro acústico y el rendimiento de la inferencia de rasgos.

Principales resultados:

• La anonimización basada en el procesamiento de señales mantuvo la idoneidad del habla para la evaluación de rasgos, comparable al habla original.
• El método de vocoder de fase proporcionó modestas ganancias de privacidad con compensaciones de utilidad aceptables.
• El método de códec de audio neural alteró las características prosódicas críticas, reduciendo ligeramente el rendimiento de la estimación de rasgos, pero ofreciendo una mayor privacidad.

Conclusiones:

• Los métodos de procesamiento de señales ofrecen un enfoque viable para la anonimización de voz en aplicaciones sensibles como las entrevistas de trabajo.
• Los códecs de audio neural configurados cuidadosamente pueden mejorar la privacidad al tiempo que preservan la utilidad para el reconocimiento del habla y la evaluación de la calidad.
• Las técnicas de anonimización de voz deben elegirse cuidadosamente en función de los requisitos de privacidad y utilidad de la aplicación específica.