Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2507.09282

帮助 | 高级搜索

计算机科学 > 计算与语言

arXiv:2507.09282 (cs)
[提交于 2025年7月12日 ]

标题: 清晰语音:语音中的痴呆混淆

标题: ClaritySpeech: Dementia Obfuscation in Speech

Authors:Dominika Woszczyk, Ranya Aloufi, Soteris Demetriou
摘要: 痴呆症是一种神经退行性疾病,会改变说话模式,造成交流障碍并引发隐私问题。 当前的语音技术,如自动语音识别(ASR),在处理痴呆症和非典型语音时存在困难,进一步挑战了可访问性。 本文提出了一种新的语音中痴呆症混淆框架ClaritySpeech,结合ASR、文本混淆和零样本文本到语音(TTS),在低数据环境中无需微调即可纠正受痴呆影响的语音并保持说话者身份。 结果表明,在各种对抗设置和模态(音频、文本、融合)下,ADReSS和ADReSSo的平均F1分数分别下降了16%和10%,同时保持50%的说话者相似度。 我们还发现,我们的系统提高了WER(ADReSS从0.73提高到0.08,ADReSSo从0.15提高到0.08),语音质量从1.65提高到约2.15,从而增强了隐私性和可访问性。
摘要: Dementia, a neurodegenerative disease, alters speech patterns, creating communication barriers and raising privacy concerns. Current speech technologies, such as automatic speech transcription (ASR), struggle with dementia and atypical speech, further challenging accessibility. This paper presents a novel dementia obfuscation in speech framework, ClaritySpeech, integrating ASR, text obfuscation, and zero-shot text-to-speech (TTS) to correct dementia-affected speech while preserving speaker identity in low-data environments without fine-tuning. Results show a 16% and 10% drop in mean F1 score across various adversarial settings and modalities (audio, text, fusion) for ADReSS and ADReSSo, respectively, maintaining 50% speaker similarity. We also find that our system improves WER (from 0.73 to 0.08 for ADReSS and 0.15 for ADReSSo) and speech quality from 1.65 to ~2.15, enhancing privacy and accessibility.
评论: 被Interspeech 2025接受
主题: 计算与语言 (cs.CL) ; 密码学与安全 (cs.CR); 机器学习 (cs.LG); 声音 (cs.SD); 音频与语音处理 (eess.AS)
引用方式: arXiv:2507.09282 [cs.CL]
  (或者 arXiv:2507.09282v1 [cs.CL] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.09282
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Dominika Woszczyk [查看电子邮件]
[v1] 星期六, 2025 年 7 月 12 日 13:39:25 UTC (624 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
eess
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs
cs.CL
cs.CR
cs.LG
cs.SD
eess.AS

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号