临床语音共享不再一刀切匿名：CASA按任务调策略，14项任务全部守住隐私与诊断
核心概要
临床语音同时携带可识别说话人的声纹和敏感话语内容，而不同临床任务依赖的语音线索并不相同，固定匿名流程难以兼顾隐私与诊断价值。CASA把匿名化改写成由任务描述驱动的优化过程，在声纹变换与敏感内容掩蔽之间反复评估、调整策略，并把跨任务经验存入记忆。在覆盖五种语言、14项临床任务的评测中，CASA全部满足说话人匿名与下游分类要求，最强固定方法只通过8项，SecureSpeech通过4项。
深度剖析
临床语音的匿名化从固定预处理变成按任务定制的优化过程，同一套系统可以针对不同疾病、语言和采集范式选择声纹与内容匿名策略。 此前的匿名方法分成两类：面向通用语音的方法主要压制说话人身份，常连带削弱临床相关语音信息；面向特定疾病的方法只针对单一病种或狭窄任务，难以跨临床场景通用。 评测覆盖11个临床语音数据集、14项任务或子集、五种语言，涉及心理健康、认知与嗓音障碍；成功需同时满足说话人验证等错误率不低于20%、敏感内容定位F1不低于0.75、下游平衡准确率相对原始语音下降少于三个百分点，CASA在14项任务上全部达标。
系统按任务要求自行规划匿名流程，并用评估反馈迭代修正，直到同时满足隐私与效用门槛。 可用的匿名操作包括音高偏移、基于线性预测编码的共振峰变换、频谱共振峰缩放、神经语音转换和转写重合成五种声纹方法，以及基于大语言模型定位并掩蔽敏感话语内容。 智能体接收临床目标、语音范式和用户设定的隐私与效用要求的自然语言描述，执行后由评估模块打分，未达标则重新规划，最多迭代7次；敏感内容定位调用本地部署的Qwen2.5-32B-Instruct，避免转写文本外传。
跨任务积累的经验让新任务更快找到合格策略，减少反复试错。 没有记忆时，智能体只能依靠当前任务内部的反馈逐步调整。 在14个数据集或任务子集各构造10条请求、共140条请求的对照中，启用记忆后首次评估即成功的比例从46.4%升到62.9%，两次评估内成功从57.1%升到81.4%，达到合格配置所需的平均策略评估次数从2.27步降到1.56步，减少31.3%。
启示与展望
评测覆盖11个临床语音数据集上的14项任务或子集，涉及五种语言以及心理健康、认知和嗓音障碍，包含单说话人与多说话人录音；临床专家评估只在心理危机、自杀风险和腭裂语音三项任务上进行。
敏感内容定位和转写重合成依赖自动语音识别，识别性能在低资源语言、方言、儿童语音和严重病理语音上可能下降，识别错误会传导到后续匿名步骤；当前只集成了五种声纹匿名方法和一种基于大语言模型的内容匿名方式；在残余隐私泄露不可接受的高风险应用中，人工复核可能仍然必要。