AI辅助编码实现录音的自动脱敏.pdf

AI辅助编码实现录⾳的⾃动脱敏

写在前⾯

⼤家好，我是海海，⾦融企业IT部⻔研发经理。⽬前专注于AI编程、AI智能体领域。

本章介绍

本⽂借助GPT-4o进⾏辅助编码，实现将通话录⾳中的敏感信息（例如⾝份证号、证件号、⼿

机号）等进⾏脱敏处理，以达到特定场合下的合规要求。

⼀、背景介绍

对于企业中⼀些重要的⾳视频⽂件，有时候需要提供给第三⽅进⾏调阅调听使⽤，但是⼜担⼼⾳频中

存在客⼾敏感信息造成泄露。

通过⼈⼯调听并剪辑的⽅式固然可⾏，但是需要耗费⼤量的⼈⼒成本。因此，需要通过某种技术⼿

段，实现批量将⾳频的关键信息进⾏脱敏操作。

⽅案具体怎么做？其实我⼀开始也不清楚，那不妨把需求提给⼤模型，来问问它建议怎么做。

⼆、⽅案实现

（⼀）借助TTSMaker⽣成模拟录⾳

为了⽅便演⽰，⾸先我们需要准备⼀通录⾳，其中包含了敏感信息，假设我们的敏感信息包括了三

类：

敏感信息

1.电话号码：例152-3463-2457

2.⾝份证号码：例

3.卡号：例如62220824187382833

以上举例均为模拟数据，如有雷同，纯属巧合。

我们通过TTSMaker⼯具来⽣成⼀段模拟录⾳，录⾳中会包含“⼿机号码”和“⾝份证号码”等敏感

信息（⾮真实数据），⽣成完成后进⾏保存。

input_audio

使⽤地址：
/zh-cn

（⼆）与GPT-4o交互，获取⽅案及初版代码

接下来，我们来跟GPT-4o聊⼀聊，看看我们设想的批量处理录⾳脱敏的⽅案应该如何实现。

Round1

提问：
我现在有⼀段⾳频，想识别出⾳频中的⾝份证号、⼿机号码、银⾏卡号等敏感信息，并做脱敏

处理，最后返回脱敏后的录⾳。请问该如何处理。

答复：
GPT答复了主要的步骤：

1、⾳频转⽂字

2、⽂本中的敏感信息识别

3、⽂本脱敏处理

4、⽂本转⾳频

5、⽣成脱敏后的录⾳⽂件

细看⼀下思路挺不错的，但是这个⽅案会有⼀些问题，⽐如将脱敏后的⽂本使⽤TTS重新合成⾳频的

话，会改变原始录⾳的⾳⾊，这样不是很合适。于是，我们继续跟GPT-4o来聊。

Round2

提问：
使⽤asr和tts的⽅式，会有⼀些问题，⽐如asr可能会识别错误，tts可能会引起新的录⾳与原始

录⾳⾳⾊不同等等。能否直接针对原始⾳频⽂件进⾏处理，即对有敏感信息部分的⾳频进⾏处理，其

余部分保持不变。

答复：
GPT采纳了我的意⻅，新的操作步骤如下：

1、⾳频转⽂字（保持不变）

2、识别敏感信息并标注时间戳

3、根据时间戳处理⾳频

并给出了⼀个完整的实例代码。

不错，GPT的思路跟我设想的⽐较接近了，只不过这个⽅案还是依赖于ASR识别的准确率，没办法达到

100%准确，不过似乎也没有更好的解决⽅案。

我们看到代码中使⽤了google的Speech-to-Text服务，但是我想替换为openai的whisper-1。

Round3

提问：
我希望使⽤openai的
Speech-to-Text
和
Text-to-Speech
服务，请调整代码。

答复：
GPT很快给我⽣成了代码，细看⼀下，代码⽐较简单，主要三个函数。

transcribe_audio：把录⾳转为⽂本

find_sensitive_info：找到敏感信息

process_audio：处理⾳频（脱敏）

1deftransribe_audio(audio_path):

2withopen(audio_path,rb)asaudio_file:

3audio_ontent=audio_file.read()

4

5response=openai.Audio.transribe(

6model=whisper-1,

7file=audio_ontent,

8response_format=json

9)

10

11transripts=[]

12forsegmentinresponse[segments]:

13transripts.append({

14text:segment[text],