자동 화자 확인(ASV) 시스템은 보통 단일 발화를 기반으로 하지만, 실제 대화는 여러 발화로 구성됩니다. 발화가 누적될수록 음향, 운율, 언어적 단서 등을 통해 화자에 대한 정보가 풍부해져 화자 익명화 방법을 위협할 수 있습니다. 연구 결과, 익명화된 여러 발화를 결합하면 ASV 성능이 향상되는 것으로 나타났습니다. 특히 음향과 텍스트 정보를 결합하면 성능이 더욱 높아져 화자 식별 가능성이 커집니다.
오디오만으로 여러 익명화된 발화를 결합했을 때 성능이 향상되는 것을 확인했으며, 운율과 언어 정보를 추가하면 단일 모드 접근 방식보다 성능이 뛰어났습니다. 프레임 단위 결합 전략이 가장 낮은 EER(Error Equalization Rate)를 달성했습니다. 5개의 익명화된 발화만으로도 오디오와 텍스트를 결합하면 오디오만 결합했을 때보다 EER이 15% 이상 감소했습니다.
이는 익명화에도 불구하고 상당한 화자 식별 정보가 여전히 접근 가능하다는 것을 보여줍니다. 연구 결과는 화자 익명화 기술의 한계와 다중 화자 환경에서의 개인 정보 보호 문제를 제기합니다.