研究人员开发了一个名为累积正交身份抑制（CORTIS）的新框架，以应对从零样本文本到语音（ZS-TTS）模型中持续遗忘说话人身份的挑战。现有方法在遗忘请求顺序进行时会失效，因为它们可能会恢复先前已被遗忘的说话人。然而，CORTIS 使用基于费舍尔信息参数掩码和正交投影的方法，确保一旦说话人身份被遗忘，即使在后续遗忘请求中也不会被重新记起，并且无需访问先前遗忘的数据。该方法在 VoiceBox 模型上被证明是有效的，其性能优于先前方法的顺序应用。 AI
影响 这项研究解决了生成音频模型中的关键隐私问题，使得对敏感数据进行更鲁棒和顺序化的遗忘成为可能。
排序理由 该集群包含一篇学术论文，详细介绍了在 ZS-TTS 模型背景下进行机器学习遗忘的新方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.25962v1 Announce Type: cross Abstract: Machine unlearning removes designated concepts or knowledge from pre-trained models. Recent work has extended this paradigm to speaker identity unlearning in zero-shot text-to-speech (ZS-TTS), the task of selectively erasing a mod…
Machine unlearning removes designated concepts or knowledge from pre-trained models. Recent work has extended this paradigm to speaker identity unlearning in zero-shot text-to-speech (ZS-TTS), the task of selectively erasing a model's ability to replicate a speaker's voice. Exist…