针对多语言语音匿名化的声学型与内容导向型说话人验证攻击

针对语音匿名化的攻击者 ASV 系统主要在英语环境下进行研究，其在多语言场景中的表现仍基本未得到探索。传统 ASV 研究表明，声学信息和上下文信息对于多语言说话人验证都十分重要。受此启发，我们探究这一结论是否同样适用于针对匿名化语音的攻击者 ASV。我们在多语言匿名化语音上评估了声学型和内容导向型攻击者，并构建了一个多语言语音转换数据集，以提升跨语言泛化能力。结果表明，攻击者的有效性取决于匿名化语音的语言学实用性。总体而言，声学型攻击者取得了更好的性能。然而，当语言信息得到较好保留时，与语音失真更严重的条件相比，内容导向型攻击者与声学型攻击者之间的性能差距会缩小。多语言语音转换数据集进一步提升了性能，并部分缩小了跨语言差距。这些发现凸显了建立更全面的攻击者建模与评估协议的必要性：评估时应同时考虑隐私性和实用性，而不应依赖单一的攻击策略\footnote{完整代码、预训练模型以及 MultiVC Dataset 链接见：https://github.com/monkeyDarefeen/DAST。