论文解读
Towards Blind Data Cleaning: A Case Study in Music Source Separation
音乐信息检索 | 7.0/10
音乐信息检索 | 7.0/10
语音增强 | 8.5/10
语音识别 | 9.0/10
语音合成 | 7.5/10
音频分类 | 7.0/10
语音增强 | 7.5/10
音频分类 | 7.5/10
说话人验证 | 7.5/10
语音质量评估 | 8.3/10
语音识别 | 8.0/10
语音合成 | 7.0/10
模型评估 | 7.0/10
模型评估 | 7.0/10
语音识别 | 7.5/10
音频检索 | 7.5/10
语音识别 | 7.0/10
语音识别 | 7.0/10
语音识别 | 7.5/10
这篇论文针对在公共场景(如会议、演讲)中,不可信录音设备可能导致声纹泄露且事后无法补救的问题,提出了EchoMask——首个基于声学超材料的物理层实时声纹匿名化系统。其核心方法是在声音到达麦克风前,通过精心设计的被动声学结构对特定低频段(300-700Hz)进行选择性干扰,该频段对说话人识别至关重要
1. **问题**:耳语语音因缺乏声带振动,其声学特征与正常语音差异显著,导致现有的说话人验证系统性能严重下降。这在用户为保护隐私而低语、或因疾病无法正常发声等实际场景中构成挑战。 2. **方法核心**:在预训练的说话人验证骨干网络(ReDimNet-B6)之上,添加一个轻量级的编码器-解码器结构