一种针对语音生成式大模型的隐私信息脱敏方法及系统

本发明公开了一种针对语音生成式大模型的隐私信息脱敏方法及系统，涉及人工智能技术领域，通过对输入语音数据进行离散化处理并注入高斯噪声扰动敏感特征，结合三阶段训练构建跨模态语音生成模型，同时在输出阶段应用跨模态隐私增强机制实时检测并模糊化敏感信息。本发明不仅提升了大规模语音生成模型在隐私保护场景中的适应性，实现对用户隐私的全面保护。而且还有效限制了对抗性攻击者提取用户隐私信息的能力，降低了语音生成模型在数据传输、存储和生成过程中敏感信息泄露的风险。在确保隐私的前提下，语音生成模型仍能保持高质量的生成性能，生成的语音输出具有较高的自然性和准确性，满足实际应用需求。