Titre :

Introducing the VoicePrivacy initiative

Auteur(s) :

Tomashenko, Natalia [Auteur]
Laboratoire Informatique d'Avignon [LIA]
Srivastava, Brij Mohan Lal [Auteur]
Machine Learning in Information Networks [MAGNET]
Speech Modeling for Facilitating Oral-Based Communication [MULTISPEECH]
Wang, Xin [Auteur]
National Institute of Informatics [NII]
Vincent, Emmanuel [Auteur]
Speech Modeling for Facilitating Oral-Based Communication [MULTISPEECH]
Nautsch, Andreas [Auteur]
Eurecom [Sophia Antipolis]
Yamagishi, Junichi [Auteur]
National Institute of Informatics [NII]
University of Edinburgh [Edin.]
Evans, Nicholas [Auteur]
Eurecom [Sophia Antipolis]
Patino, Jose [Auteur]
Eurecom [Sophia Antipolis]
Bonastre, Jean-François [Auteur]
Laboratoire Informatique d'Avignon [LIA]
Noé, Paul-Gauthier [Auteur]
Laboratoire Informatique d'Avignon [LIA]
Todisco, Massimiliano [Auteur]
Eurecom [Sophia Antipolis]

Titre de la manifestation scientifique :

INTERSPEECH 2020

Ville :

Shanghai

Pays :

Chine

Date de début de la manifestation scientifique :

2020-10-25

Mot(s)-clé(s) en anglais :

automatic speech recognition
speaker verification
voice conversion
anonymization
speech synthesis
privacy

Discipline(s) HAL :

Informatique [cs]/Traitement du signal et de l'image [eess.SP]
Informatique [cs]/Intelligence artificielle [cs.AI]
Informatique [cs]/Cryptographie et sécurité [cs.CR]

Résumé en anglais : [en]

The VoicePrivacy initiative 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 ...
Lire la suite >The VoicePrivacy initiative 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 paper, 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.Lire moins >

Langue :

Anglais

Comité de lecture :

Oui

Audience :

Internationale

Vulgarisation :

Non

Projet ANR :

Clonage et protection de l'identité vocale
Apprentissage distribué, personnalisé, préservant la privacité pour le traitement de la parole
Open data, outils et challenges pour l'anonymisation des voix

Collections :

• Centre de Recherche en Informatique, Signal et Automatique de Lille (CRIStAL) - UMR 9189

Source :

Harvested from HAL