基于虚拟对抗训练的合成话音检测方法
杨玲 高勇
自动说话人确认（Automatic Speaker Verification,ASV）技术在日常生活中起着重要作用，同时它也面临着语音合成等欺骗攻击的威胁，因此为ASV系统提供一个有效的合成话音检测方法刻不容缓。近年来，检测任务更加侧重于在真实物理环境下对合成话音展开研究。为了提高模型的鲁棒性，引入虚拟对抗训练对检测任务进行数据增强。实验中在前端提取了多个特征，并在后端采用了SE-Res2net50和ECAPA2D-BL/BG模型。最后还将多个特征，多个模型的打分结果进行融合，提高了总体的检测性能。在逻辑访问场景中，ASVspoof2019挑战赛评估集的串联成本检测代价（tandem Detection Cost Function,t-DCF）和等错率（Equal Error Rate,EER）分别达到0.018 7和0.56%,ASVspoof2021挑战赛评估集的t-DCF和EER分别达到0.307 3和6.05%。
全文下载
在线阅读
赣公网安备 36012102000372号
互知学术
全科互知