arXiv · cs.AI· Praphul Singh, Akshat Agarwal, Ratul Ghosh, Aashna Kanuga, Devashish Khatwani, Anurag Dwarakanath, Sri Gadde, Krishnaram Kenthapadi·· 5 小时前
AegisVox提出兼顾隐私与临床信息保留的长语音处理框架
AegisVox: Factorized Privacy and Clinical Preservation for Long-Form Speech
arXiv:2610.14643v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Praphul Singh, Akshat Agarwal, Ratul Ghosh, Aashna Kanuga, Devashish Khatwani, Anurag Dwarakanath, Sri Gadde, Krishnaram Kenthapadi
研究任务与主要进展
研究者提出AegisVox分因素处理长语音中的身份标识与临床信息，并在390段共63.6小时的模拟或非患者对话中比较两种语音渲染器。文本转语音实现了601项计划替换中的535项，超过codec语音编辑器的453项；但总体临床保留指标相近时可能掩盖更多模型标注矛盾，且说话者关联分数的方向敏感性分析显示，替换实现率更高可能伴随更差的关联测量。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org