[論文レビュー] The VoicePrivacy 2020 Challenge Evaluation Plan

Natalia Tomashenko, Brij Mohan Lal Srivastava+9 more|arXiv (Cornell University)|May 14, 2022

Speech Recognition and Synthesis参考文献 19被引用数 26

ひとこと要約

この論文は VoicePrivacy 2020 の匿名化タスク、データ、攻撃モデル、評価指標（客観的および主観的）、およびプライバシー保護型音声技術のベンチマークとなる2つの匿名化ベースラインを定義します。

ABSTRACT

The VoicePrivacy Challenge aims to promote the development of privacy preservation tools for speech technology by gathering a new community to define the tasks of interest and the evaluation methodology, and benchmarking solutions through a series of challenges. In this document, we formulate the voice anonymization task selected for the VoicePrivacy 2020 Challenge and describe the datasets used for system development and evaluation. We also present the attack models and the associated objective and subjective evaluation metrics. We introduce two anonymization baselines and report objective evaluation results.

研究の動機と目的

• GDPRのような懸念の中で音声データのプライバシー保護を促進する。
• 話者の身元を隠しつつ明瞭性と自然さを保つ具体的な匿名化タスクを定義する。
• 共通のデータセット、プロトコル、指標を提供し、匿名化ソリューションの公正な比較を可能にする。
• 匿名化された音声のプライバシーと有用性を評価する客観的および主観的指標を調査する。

提案手法

• 攻撃者が匿名化された発話から話者識別を試みるプライバシー保護ゲームを定式化する。
• 言語内容を保持しつつ、別の偽装話者のように聞こえる試行発話を生成する匿名化タスクを明確に定義する。
• Enrollmentデータと匿名化の仮定を変えた攻撃モデルを提案し、プライバシー指標を算出する。
• データソースとサブセット（学習、開発、評価）を LibriSpeech, LibriTTS, VCTK, VoxCeleb から取る。
• 評価のための客観的指標（ASVの検証性、ASRの性能）と主観的指標（検証性、リンク性、聴取可能性、自然さ）を定義する。
• 2つの匿名化ベースライン（x-vector ベースのニューラルウェーブフォームモデルと McAdams係数ベースの匿名化）とそれらの学習データを概説する。

実験結果

リサーチクエスチョン

• RQ1 匿名化システムは話者識別情報を抑制しつつ言語内容を保つことがどれだけ効果的か？
• RQ2 匿名化音声のプライバシーと有用性を評価する適切な客観的および主観的指標は何か？
• RQ3 共通データセットとプロトコルは異なる匿名化アプローチの公正な比較を可能にするか？
• RQ4 代表的な匿名化手法は標準的な音声データセットでどの程度の基準性能を達成するか？
• RQ5 Enrollment データと試行データの構成はプライバシー攻撃の有効性にどう影響するか？

主な発見

• この計画は VoicePrivacy 2020 のための具体的な匿名化タスクと包括的な評価プロトコルを導入する。
• 2つのベースラインを確立する： (i) x-vector とニューラルウェーブフォームモデル、(ii) McAdams係数ベースの匿名化。
• 評価のための客観的指標セット（ASV検証性と ASR のWER）と主観的指標（検証性、リンク性、聴取可能性、自然さ）を定義。
• 評価フレームワークは公開コーパス（LibriSpeech, LibriTTS, VCTK, VoxCeleb）を使用し、学習・開発・評価のサブセットを明確に規定している。
• ASRとASV評価システムは LibriSpeech データで訓練され、匿名化が認識と話者検証に与える影響を評価する。
• プロトコルとスクリプトは参加チーム間での再現可能な評価を支援することを意図している。