Depersonalization of Speech Using Speaker-Specific Transform Based on Long-Term Spectrum
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F23%3APU149970" target="_blank" >RIV/00216305:26220/23:PU149970 - isvavai.cz</a>
Výsledek na webu
<a href="https://www.radioeng.cz/fulltexts/2023/23_04_0523_0530.pdf" target="_blank" >https://www.radioeng.cz/fulltexts/2023/23_04_0523_0530.pdf</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.13164/re.2023.0523" target="_blank" >10.13164/re.2023.0523</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Depersonalization of Speech Using Speaker-Specific Transform Based on Long-Term Spectrum
Popis výsledku v původním jazyce
This paper introduces a novel approach for hiding personal information in speech signals. The proposed approach applied a transform warping function, which is obtained from a long-term linear prediction spectrum individually for each speaker. The depersonalized speech was compared with the often used technique based on vocal tract length normalization. The proposed approach performs wider manipulation of fundamental frequency and provides higher intelligibility by 5% in clean speech and by 8% for signal-to-noise ratio 5 dB. It also significantly alters the derived glottal pulses, making them difficult to use for personality analysis. Speech intelligibility index and glottal pulse distortion are new aspects in the field of voice depersonalization.
Název v anglickém jazyce
Depersonalization of Speech Using Speaker-Specific Transform Based on Long-Term Spectrum
Popis výsledku anglicky
This paper introduces a novel approach for hiding personal information in speech signals. The proposed approach applied a transform warping function, which is obtained from a long-term linear prediction spectrum individually for each speaker. The depersonalized speech was compared with the often used technique based on vocal tract length normalization. The proposed approach performs wider manipulation of fundamental frequency and provides higher intelligibility by 5% in clean speech and by 8% for signal-to-noise ratio 5 dB. It also significantly alters the derived glottal pulses, making them difficult to use for personality analysis. Speech intelligibility index and glottal pulse distortion are new aspects in the field of voice depersonalization.
Klasifikace
Druh
J<sub>imp</sub> - Článek v periodiku v databázi Web of Science
CEP obor
—
OECD FORD obor
20201 - Electrical and electronic engineering
Návaznosti výsledku
Projekt
<a href="/cs/project/EF19_073%2F0016948" target="_blank" >EF19_073/0016948: Kvalitní interní granty VUT</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2023
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Radioengineering
ISSN
1210-2512
e-ISSN
—
Svazek periodika
32
Číslo periodika v rámci svazku
4
Stát vydavatele periodika
CZ - Česká republika
Počet stran výsledku
8
Strana od-do
523-530
Kód UT WoS článku
001167951700006
EID výsledku v databázi Scopus
2-s2.0-85177637955