ISCA Archive JEP 2022
ISCA Archive JEP 2022

Anonymisation de parole par quantification vectorielle

Pierre Champion, Anthony Larcher, Denis Jouvet

L'utilisation de la reconnaissance de parole se répand de plus en plus dans les assistants virtuels.Cependant, les signaux de parole contiennent de nombreuses informations sensibles telles que l'identité du locuteur, ce qui soulève des préoccupations quant à la protection des données personnelles.Les expériences présentées montrent que les représentations extraites par les couches profondes des réseaux de reconnaissance de la parole contiennent cette information.Dans cet article, nous cherchons à produire une représentation anonyme tout en préservant les performances de reconnaissance de la parole.Dans ce but, nous proposons d'utiliser la quantification vectorielle pour contraindre l'espace de représentation, et inciter le réseau à supprimer l'identité du locuteur.Le choix de la taille du dictionnaire de quantification permet d'ajuster le compromis entre l'utilité (reconnaissance de la parole) et le respect de la vie privée (masquage de l'identité du locuteur).


doi: 10.21437/JEP.2022-12

Cite as: Champion, P., Larcher, A., Jouvet, D. (2022) Anonymisation de parole par quantification vectorielle. Proc. XXXIVe Journées d'Études sur la Parole -- JEP 2022, 108-116, doi: 10.21437/JEP.2022-12

@inproceedings{champion22_jep,
  author={Pierre Champion and Anthony Larcher and Denis Jouvet},
  title={{Anonymisation de parole par quantification vectorielle}},
  year=2022,
  booktitle={Proc. XXXIVe Journées d'Études sur la Parole -- JEP 2022},
  pages={108--116},
  doi={10.21437/JEP.2022-12}
}