研究提出基于内容嵌入匹配的语音匿名化模型

Adrien Schneider 等研究者在 Interspeech 2026 第四届 Voice Privacy Challenge 研讨会发表论文，提出一种以内容保护为核心的语音匿名化模型。该模型从冻结的预训练 wav2vec2 编码器提取内容嵌入，经向量量化和 HiFi-GAN 声码器解码为匿名语音。 训练在 LibriTTS 上进行，不使用波形重建损失或说话人嵌入映射，并通过带梯度反转层的辅助说话人分类分支丢弃说话人特征。论文称模型在保持极低词错率（WER 2.53）的同时，匿名化性能达到 EER 13.39，在 VPC 排名进入第一梯队。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。