Voice Privacy Challenge 2020

Resep untuk tantangan voiceprivacy 2020

Silakan kunjungi situs web Challenge untuk informasi lebih lanjut tentang tantangan tersebut.

Memasang

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

Menjalankan resep

Resep ini menggunakan model anonimisasi pra-terlatih. Untuk menjalankan sistem dasar dengan evaluasi:

1. cd baseline
2. Jalankan ./run.sh . Di run.sh, untuk mengunduh model dan data, pengguna akan diminta kata sandi yang disediakan selama pendaftaran tantangan.

Informasi umum

Untuk detail lebih lanjut tentang baseline dan data, silakan lihat Rencana Evaluasi Tantangan Voiceprivacy 2020

Untuk pembaruan terbaru dalam skrip baseline dan evaluasi, silakan kunjungi halaman Berita dan Pembaruan

Batas waktu untuk mengirimkan hasil telah berlalu. Untuk mengakses model dasar dan data pengembangan/evaluasi, silakan kirim email ke org [email protected] dengan "voiceprivacy-2020" sebagai baris subjek. Badan surat harus mencakup: (i) nama orang kontak; (ii) negara; (iii) status (akademik/nonakademik).

Data

Data pelatihan

Dataset untuk traing sistem anonimisasi terdiri dari subset dari korpora berikut*:

• Librispeech-Train-Clean-100, kereta lain-lainnya-500
• Libritts-Train-Clean-100, kereta lain-lainnya-500
• Voxceleb 1 & 2 - semua

*Hanya subset tertentu dari korpora ini yang dapat digunakan untuk pelatihan.

Data pengembangan dan evaluasi

• VCTK - Subsets VCTK_DEV dan VCTK_TEST sedang diunduh dari server di run.sh
• Librispeech - Subsets libri_dev dan libri_test sedang diunduh dari server di run.sh

Baseline-1: Anonimisasi Menggunakan X-Vektor dan Model Bentuk Gelombang Saraf

Ini adalah baseline utama (default).

Model

Sistem dasar menggunakan beberapa model independen:

1. Asr Acoustic Model untuk mengekstrak fitur BN ( 1_asr_am )-dilatih di librispeech-train-clean-100 dan librispeech-train-noth-500
2. X -Vector Extractor ( 2_xvect_extr ) - Dilatih pada voxceleb 1 & 2.
3. Sintesis Bicara (SS) Model Akustik ( 3_ss_am )-Dilatih di Libitts-Train-Clean-100.
4. Model Neural Source Filter (NSF) ( 4_nsf )-Dilatih di Libritts-Train-Clean-100.

Semua model pretrain disediakan sebagai bagian dari baseline ini (diunduh oleh ./baseline/local/download_models.sh)

Baseline-2: Anonimisasi Menggunakan Koefisien McAdams

Ini adalah garis dasar tambahan.

Untuk menjalankan: ./run.sh --mcadams true

Itu tidak memerlukan data pelatihan apa pun dan didasarkan pada teknik pemrosesan sinyal sederhana menggunakan koefisien McAdams.

Hasil

File hasil dengan semua metrik dan semua set data untuk pengiriman akan dihasilkan di: ./baseline/exp/results- date - time /results.txt

Silakan lihat

• Hasil untuk Baseline-1
• Hasil untuk Baseline-2

untuk set data evaluasi dan pengembangan.

Penyelenggara (dalam urutan abjad)

• Jean -François Bonastre - University of Avignon - Lia, Prancis
• Nicholas Evans - Eurecom, Prancis
• Fuming Fang - Nii, Jepang
• Andreas Nautsch - Eurecom, Prancis
• Paul -Gauthier Noé - Universitas Avignon - Lia, Prancis
• Jose Patino - Eurecom, Prancis
• MD Sahidullah - Inria, Prancis
• Brij Mohan Lal Srivastava - Inria, Prancis
• Natalia Tomashenko - Universitas Avignon - Lia, Prancis
• Massimiliano Todisco - Eurecom, Prancis
• Emmanuel Vincent - Inria, Prancis
• Xin Wang - Nii, Jepang
• Junichi Yamagishi - NII, Jepang dan Universitas Edinburgh, Inggris

Hubungi: [email protected]

Ucapan Terima Kasih

Pekerjaan ini sebagian didukung oleh Badan Penelitian Nasional Prancis di bawah Projects Harpocrates (ANR-19-DATA-0008) dan privasi mendalam (ANR-18- CE23-0018), oleh Program Penelitian dan Inovasi Hak Hibah dan Badan Penelitian No. 8250. Proyek voicepersonae.

Lisensi

Hak Cipta (C) 2020

Program ini adalah perangkat lunak gratis: Anda dapat mendistribusikannya kembali dan/atau memodifikasinya berdasarkan ketentuan lisensi publik umum GNU seperti yang diterbitkan oleh Yayasan Perangkat Lunak Gratis, baik versi 3 lisensi, atau (pada opsi Anda) versi selanjutnya.

Program ini didistribusikan dengan harapan akan bermanfaat, tetapi tanpa jaminan apa pun; bahkan tanpa jaminan tersirat dari dapat diperjualbelikan atau kebugaran untuk tujuan tertentu. Lihat Lisensi Publik Umum GNU untuk lebih jelasnya.

Anda seharusnya menerima salinan Lisensi Publik Umum GNU bersama dengan program ini. Jika tidak, lihat https://www.gnu.org/licenses/.

---

Referensi

 @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}
}

Metrik anonimisasi baru dan pasca evaluasi

Untuk analisis pasca evaluasi, metrik anonimisasi novel telah diintegrasikan ke evaluasi dasar:

• Zebra privasi: nol bukti penilaian pengakuan biometrik: https://arxiv.org/pdf/2005.09413.pdf
• Penilaian Pseudonimisasi Pidato Menggunakan Matriks Kesamaan Suara: https://arxiv.org/pdf/2008.13144.pdf