随着大规模语音数据的广泛使用，隐私保护成为关键挑战。现有匿名化方法往往破坏声学连续性或削弱声纹多样性，导致下游任务（如自动语音识别、文本到语音、情感识别）的性能下降。为兼顾隐私与实用性，我们提出了两阶段框架。第一阶段使用生成式语音编辑模型对个人可识别信息（PII）进行无缝替换，实现内容隐私保护；第二阶段引入 F3-VA——基于流匹配的匿名化系统，采用三阶段设计生成多样且可区分的匿名说话人，以实现声纹隐私。评估方面，除了传统的声学和内容说话人验证指标外，我们还从零开始训练 ASR、TTS、SER 模型，以全面衡量实用性。实验表明，相比 VoicePrivacy Challenge 基线，我们的方案在隐私保护上更强，且对下游任务的影响极小，新的评估协议也更真实地反映了匿名语音的实用价值。
点评：该工作通过生成式编辑和流匹配双重手段，实现了语音内容与声纹的同步匿名化，并通过从头训练下游模型提供了更完整的实用性评估，为语音隐私保护提供了可行的新路径。