Lead
Stimmen sind individuell und Menschen nutzen diese Individualität um einzelne Personen zu erkennen. Dies ist essenziell in der sozialen Interaktion von Menschen, um Individuen in einer Dialogsituation zu erkennen und zuzuordnen. Die Stimmerkennung findet zusätzlich Anwendung in der Praxis, z.B. bei Zugangssystemen, die Benutzer an ihrer Stimme erkennen oder in der Forensik zur Erkennung von Stimmen, die kriminell auffällig geworden sind.

Lay summary
In der Vergangenheit wurde die Stimmerkennung fast ausschliesslich auf der Seite des Rezipienten studiert, d.h. unter der Fragestellung, wie gut ist die Erkennungsleistung von menschlichen Hörern oder Maschinen unter bestimmten Umständen. Im vorliegenden Projekt wird untersucht, ob, und wenn ja, wie Sprecher ihre Stimme modifizieren, um sie besser oder schlechter erkennbar zu machen. In einem ersten Schritt bauen wir eine grosse Datenbank von ca. 500 Sprechern aus dem Grossraum Zürich auf in denen Sprecher unter verschiedenen situativen Umständen sprechen (z.B. sprechen mit Kindern, mit älteren Menschen oder in einer formalen Situation). Diese Datenbank gilt als Referenz. Im Anschluss an die Datenerhebung werden wir in unterschiedlichen Experimenten testen, wie Sprecher ihre Stimme verändern, wenn sie sich besser erkennbar machen wollen und wenn sie ihre stimmliche Identität verbergen wollen. Wir nehmen an, dass Sprecher sich an der Referenz orientieren, wenn sie ihre Stimmen anpassen, d.h. dass sie ihre stimmlichen Merkmale eher dem stimmlichen Durchschnitt anpassen, um nicht erkannt zu werden, bzw. vom Durchschnitt abweichen, um erkennbar zu werden. 
Die Ergebnisse sind sowohl von Bedeutung zum Verständnis des gesamten Prozesses der Stimmerkennung beim Menschen, aber auch für die Verbesserung der Erkennungsleistung von Computersystemen.