Voice Privacy Challenge 2020

Рецепт для голосового процесса 2020

Пожалуйста, посетите веб -сайт Challenge для получения дополнительной информации о вызове.

Установить

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

Запуск рецепта

Рецепт использует предварительно обученные модели анонимизации. Чтобы запустить базовую систему с оценкой:

1. cd baseline
2. запустить ./run.sh . В run.sh для загрузки моделей и данных пользователю будут запрошены пароль, который предоставляется во время регистрации Challenge.

Общая информация

Для получения более подробной информации о базовой линии и данных, см. В плане оценки вызова VoicePrivacy 2020

Для получения последних обновлений в базовых и оцененных сценариях, посетите страницу новостей и обновлений

Срок подачи результатов прошел. Чтобы получить доступ к базовым моделям и данным о разработке/оценке, отправьте электронное письмо по адресу [email protected] с «VoicePrivacy-2020» в качестве строки темы. Почтовый орган должен включать в себя: (i) имя контактного лица; (ii) страна; (iii) статус (академический/неакадемический).

Данные

Данные обучения

Набор данных для системы анонимизации состоит из подмножеств из следующих корпорат*:

• Librispeech-поезда Clean-100, Train-Fore-500
• Libritts-Train-Clean-100, Train-Other-500
• Voxceleb 1 и 2 - все

*Только указанные подмножества этих корпораций могут использоваться для обучения.

Данные о разработке и оценке

• VCTK - подмножества vctk_dev и vctk_test загружаются с сервера в run.sh
• Librispeech - Подмножества libri_dev и libri_test загружаются с сервера в run.sh

Baseline-1: анонимизация с использованием x-векторов и моделей нейронной формы волны

Это основная базовая линия (по умолчанию).

Модели

Базовая система использует несколько независимых моделей:

1. Акустическая модель ASR для извлечения функций BN ( 1_asr_am )-обучена на Librispeech-Train-Clean-100 и Librispeech-Train-Fother-500
2. X -Vector Extractor ( 2_xvect_extr ) - обучен Voxceleb 1 и 2.
3. Синтез речи (SS) Акустическая модель ( 3_ss_am )-обученная на Libritts-Train-Clean-100.
4. Модель фильтра нейронного источника (NSF) ( 4_nsf )-обученная на Libritts-Train-Clean-100.

Все предварительные модели предоставляются как часть этой базовой линии (загружено ./baseline/local/download_models.sh)

Baseline-2: анонимизация с использованием коэффициента McAdams

Это дополнительная базовая линия.

Запустить: ./run.sh --mcadams true

Он не требует никаких учебных данных и основан на простых методах обработки сигналов с использованием коэффициента MCADAMS.

Результаты

Файл результата со всеми показателями и всеми наборами данных для подачи будет создан в: ./baseline/exp/results- date - time /Results.txt.txt

Пожалуйста, посмотрите

• Результаты для базового уровня-1
• Результаты для базового уровня-2

Для наборов данных оценки и разработки.

Организаторы (в алфавитном порядке)

• Жан -Франсуа Бонастр - Университет Авиньон - Лия, Франция
• Николас Эванс - Евроком, Франция
• Fuming Fang - Nii, Япония
• Андреас Науш - Евроком, Франция
• Paul -Gauthier Noé - Университет Авиньон - Лия, Франция
• Хосе Патино - Евроком, Франция
• MD Sahidullah - Inria, France
• Бридж Мохан Лал Шривастава - Инрия, Франция
• Наталья Томашенко - Университет Авиньон - Лия, Франция
• Massimiliano Todisco - Eurecom, Франция
• Эммануэль Винсент - Инрия, Франция
• Синь Ван - NII, Япония
• Junichi Yamagishi - NII, Япония и Эдинбургский университет, Великобритания

Контакт: [email protected]

Благодарности

This work was supported in part by the French National Research Agency under projects HARPOCRATES (ANR-19-DATA-0008) and DEEP-PRIVACY (ANR-18- CE23-0018), by the European Union's Horizon 2020 Research and Innovation Program under Grant Agreement No. 825081 COMPRISE (https://www.compriseh2020.eu/), and jointly by the French National Research Agency and the Japan Science and Technology Agency under Проект Voicepersonae.

Лицензия

Авторские права (C) 2020

Эта программа является бесплатным программным обеспечением: вы можете перераспределить его и/или изменить ее в соответствии с условиями общей публичной лицензии GNU, опубликованных Фондом Free Software, либо версией 3 лицензии, либо (по варианту) любой более поздней версии.

Эта программа распространяется в надежде, что она будет полезна, но без каких -либо гарантий; даже без подразумеваемой гарантии торговой точки зрения или пригодности для определенной цели. Смотрите общую публичную лицензию GNU для получения более подробной информации.

Вы должны были получить копию общей публичной лицензии GNU вместе с этой программой. Если нет, см. Https://www.gnu.org/licenses/.

---

Ссылки

 @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}
}

Новые показатели анонимизации и пост-авальвация

Для анализа пост-аспекты новые показатели анонимизации были интегрированы в базовую оценку:

• Целью конфиденциальности: ноль доказательств.
• Речь псевдонимизация оценка с использованием матриц сходства голоса: https://arxiv.org/pdf/2008.13144.pdf