多模态语音识别破解匿名化：5段语音致错误率降15%

JohnsHopkins · hf · 2026-07-27

约翰霍普金斯大学的一项研究揭示了当前语音匿名化技术的隐私漏洞。尽管许多系统试图掩盖声音特征，但攻击者可以通过收集用户的多个语音片段，结合声学、韵律和语言学信息进行多模态识别。

研究发现，帧级别的多模态聚合策略效果最好。即使只有5段匿名化语音，结合音频和文本信息也能使语音验证的等错误率（EER）相对降低15%以上。这表明，仅针对声音特征的匿名化无法完全阻断身份泄露，多模态分析仍能提取出强烈的身份判别信息。