الصفحة الرئيسية>المتعلقة بالبرمجة>كود الذكاء الاصطناعي
تنزيل

وصفة لتحدي VoicePrivacy 2020

يرجى زيارة موقع التحدي لمزيد من المعلومات حول التحدي.

ثَبَّتَ

  1. git clone --recurse-submodules https://github.com/Voice-Privacy-Challenge/Voice-Privacy-Challenge-2020.git
  2. ./install.sh

تشغيل الوصفة

تستخدم الوصفة النماذج التي تم تدريبها مسبقًا من عدم الكشف عن هويتها. لتشغيل نظام خط الأساس مع التقييم:

  1. cd baseline
  2. تشغيل ./run.sh . في Run.sh ، لتنزيل النماذج والبيانات ، سيتم طلب المستخدم كلمة المرور التي يتم توفيرها أثناء تسجيل التحدي.

معلومات عامة

لمزيد من التفاصيل حول خط الأساس والبيانات ، يرجى الاطلاع على خطة تقييم تحدي VoicePrivacy 2020

للحصول على آخر التحديثات في البرامج النصية الأساسية والتقييم ، يرجى زيارة صفحة الأخبار والتحديثات

لقد مرت الموعد النهائي لتقديم النتائج. للوصول إلى نماذج خط الأساس وبيانات التطوير/التقييم ، يرجى إرسال بريد إلكتروني إلى [email protected] مع "VoicePrivacy-2020" كخط موضوع. يجب أن يتضمن جسم البريد ما يلي: (1) اسم شخص الاتصال ؛ (2) البلد ؛ (3) الحالة (الأكاديمية/غير الأكاديمية).

بيانات

بيانات التدريب

تتكون مجموعة البيانات الخاصة بنظام عدم الكشف عن هويته من مجموعات فرعية من الشركة التالية*:

  • Librispeech-Train-Clean-100 ، Train-Lother-500
  • Libritts-Train-Clean-100 ، Train-Lother-500
  • voxceleb 1 & 2 - الكل

*فقط مجموعات فرعية محددة من هذه الشركات يمكن استخدامها للتدريب.

بيانات التطوير والتقييم

  • يتم تنزيل VCTK - مجموعات فرعية VCTK_DEV و VCTK_TEST من الخادم في RUN.SH
  • Librispeech - مجموعات فرعية Libri_Dev و Libri_test يتم تنزيلها من الخادم في Run.sh

الأساس 1: عدم الكشف عن هويته باستخدام نماذج الشكل X ونماذج الموجة العصبية

هذا هو خط الأساس الأساسي (الافتراضي).

النماذج

يستخدم نظام خط الأساس عدة نماذج مستقلة:

  1. نموذج ASR الصوتي لاستخراج ميزات BN ( 1_asr_am )-تدرب على Librispeech-Train-Clean-100 و Librispeech-Train-500-500
  2. X -Vector Extractor ( 2_xvect_extr ) - تم تدريبه على Voxceleb 1 & 2.
  3. توليف الكلام (SS) النموذج الصوتي ( 3_ss_am )-المدربين على Libritts-Train-Clean-100.
  4. نموذج مرشح المصدر العصبي (NSF) ( 4_nsf )-تدرب على Libritts-Train-Clean-100.

يتم توفير جميع النماذج المسبقة كجزء من هذا الأساس (تم تنزيله بواسطة ./baseline/local/download_models.sh)

الأساس 2: عدم الكشف عن هويته باستخدام معامل McAdams

هذا خط أساس إضافي.

للتشغيل: ./run.sh --mcadams true

لا يتطلب أي بيانات تدريب ويستند إلى تقنيات معالجة الإشارات البسيطة باستخدام معامل McAdams.

نتائج

سيتم إنشاء ملف النتيجة مع جميع المقاييس وجميع مجموعات البيانات لتقديمها في: ./baseline/exp/results- date - time /results.txt

من فضلك انظر

  • نتائج الأساس 1
  • نتائج الأساس 2

لمجموعات بيانات التقييم والتطوير.

المنظمون (بالترتيب الأبجدي)

  • جان فرانسوا بوناستري - جامعة أفينيون - ليا ، فرنسا
  • نيكولاس إيفانز - يوركوم ، فرنسا
  • دخن فانغ - ني ، اليابان
  • أندرياس نوتش - يوركوم ، فرنسا
  • بول جوتيير نوي - جامعة أفينيون - ليا ، فرنسا
  • خوسيه باتينو - يوركوم ، فرنسا
  • MD Sahidullah - Inria ، فرنسا
  • بريج موهان لال سريفاستافا - إينريا ، فرنسا
  • ناتاليا تومشينكو - جامعة أفينيون - ليا ، فرنسا
  • Massimiliano Todisco - Eurecom ، فرنسا
  • إيمانويل فنسنت - إينريا ، فرنسا
  • شين وانغ - NII ، اليابان
  • Junichi Yamagishi - NII ، اليابان وجامعة أدنبرة ، المملكة المتحدة

الاتصال: [email protected]

شكر وتقدير

تم دعم هذا العمل جزئيًا من قبل وكالة الأبحاث الوطنية الفرنسية بموجب المشاريع الحربوكرات (ANR-19-DATA-0008) والثقة العميقة (ANR-18- CE23-0018) ، من قبل برنامج الأبحاث والابتكار في الاتحاد الأوروبي لعام 2020 ، و Japanning National Science و THE THE JAPINES و THE THE JAPINESHINGEN وكالة تحت مشروع VoicePersonae.

رخصة

حقوق الطبع والنشر (ج) 2020

هذا البرنامج هو برنامج مجاني: يمكنك إعادة توزيعه و/أو تعديله بموجب شروط رخصة GNU العامة العامة كما تم نشرها من قبل مؤسسة البرمجيات المجانية ، إما الإصدار 3 من الترخيص ، أو (في خيارك) أي إصدار لاحق.

يتم توزيع هذا البرنامج على أمل أن يكون مفيدًا ، ولكن بدون أي ضمان ؛ بدون حتى الضمان الضمني للتسويق أو اللياقة لغرض معين. راجع رخصة GNU العامة لمزيد من التفاصيل.

يجب أن تكون قد تلقيت نسخة من رخصة GNU العامة العامة مع هذا البرنامج. إذا لم يكن كذلك ، راجع https://www.gnu.org/licenses/.

مراجع 

 @inproceedings{tomashenko2020introducing,
  author={N. Tomashenko and Brij Mohan Lal Srivastava and Xin Wang and Emmanuel Vincent and Andreas Nautsch and Junichi Yamagishi and Nicholas Evans and Jose Patino and Jean-François Bonastre and Paul-Gauthier Noé and Massimiliano Todisco},
  title={{Introducing the VoicePrivacy Initiative}},
  year=2020,
  booktitle={Proc. Interspeech 2020},
  pages={1693--1697},
  doi={10.21437/Interspeech.2020-1333},
  url={http://dx.doi.org/10.21437/Interspeech.2020-1333}
}

 @article{tomashenko2022voiceprivacy,
  title={The VoicePrivacy 2020 Challenge: Results and findings},
  author={Tomashenko, Natalia and Wang, Xin and Vincent, Emmanuel and Patino, Jose and Srivastava, Brij Mohan Lal and No{'e}, Paul-Gauthier and Nautsch, Andreas and Evans, Nicholas and Yamagishi, Junichi and O’Brien, Benjamin and others},
  journal={Computer Speech & Language},
  volume={74},
  pages={101362},
  year={2022},
  publisher={Elsevier},
  url={https://doi.org/10.1016/j.csl.2022.101362}
}

 article{tomashenkovoiceprivacy,
  title={The {VoicePrivacy} 2020 {Challenge} Evaluation Plan},
  author={Tomashenko, Natalia and Srivastava, Brij Mohan Lal and Wang, Xin and Vincent, Emmanuel and Nautsch, Andreas and Yamagishi, Junichi and Evans, Nicholas and Patino, Jose and Bonastre, Jean-Fran{c{c}}ois and No{'e}, Paul-Gauthier and Todisco, Massimiliano},
  url={https://www.voiceprivacychallenge.org/docs/VoicePrivacy_2020_Eval_Plan_v1_3.pdf},
  year={2020}
}

مقاييس مجهولة جديدة وما بعد التقييم

لمقاييس رواية تحليل رواية ما بعد التقييم قد تم دمجها في تقييم خط الأساس:

  • الخصوصية Zebra: Zero Evidence تقييم التعرف على القياس الحيوي: https://arxiv.org/pdf/2005.09413.pdf
  • تقييم الكلام الاسم المستعار باستخدام مصفوفات التشابه الصوتي: https://arxiv.org/pdf/2008.13144.pdf
يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل