ジョブインタビューにおけるプライバシーを意識した話者特性とマルチモーダル特徴の関係分析

科学分野:

• 音声処理
• 生体認証
• プライバシー保護機械学習

背景:

• 感情検出や健康プロファイリングのための音声データの使用増加は、プライバシーリスクを高めます。
• 音声録音は機密性の高い話者特性を明らかにする可能性があり、堅牢な匿名化技術が必要です。
• ID保護と並行して、下流タスクのための音声の有用性を維持することが重要です。

研究 の 目的:

• 話者IDを保護するための音声匿名化手法を調査する。
• 特にジョブインタビューにおいて、特性推論のための音声特性に対する匿名化の影響を評価する。
• さまざまな匿名化技術のプライバシーと有用性の間のトレードオフを評価する。

主な方法:

• 位相ボコーダーを含む信号処理ベースの方法を採用しました。
• 音声匿名化のためにニューラルオーディオコーデックベースの方法を利用しました。
• 音響パラメータの変更と特性推定パフォーマンスを分析するための実験を実施しました。

主要な成果:

• 信号処理ベースの匿名化は、元の音声と比較して、特性評価に適した音声を維持しました。
• 位相ボコーダー法は、許容できる有用性のトレードオフで適度なプライバシー向上をもたらしました。
• ニューラルオーディオコーデック法は重要な韻律的特徴を変化させ、特性推定パフォーマンスをわずかに低下させましたが、より大きなプライバシーを提供しました。

結論:

• 信号処理方法は、ジョブインタビューなどの機密性の高いアプリケーションにおける音声匿名化のための実行可能なアプローチを提供します。
• 注意深く設定されたニューラルオーディオコーデックは、音声認識と品質評価の有用性を維持しながらプライバシーを強化できます。
• 音声匿名化技術は、特定のアプリケーションのプライバシーと有用性の要件に基づいて慎重に選択する必要があります。