电气工程与系统科学 > 音频与语音处理
[提交于 2025年8月1日
(此版本)
, 最新版本 2025年8月26日 (v2)
]
标题: 调制频谱图与SSL的多头注意力融合用于虚假语音检测
标题: Fusion of Modulation Spectrogram and SSL with Multi-head Attention for Fake Speech Detection
摘要: 伪造语音检测系统已成为对抗语音深度伪造的必要手段。 当前系统由于缺乏多样化的训练数据,在域外语音样本上表现出较差的泛化能力。 在本文中,我们尝试通过提出一种使用自监督(SSL)语音嵌入和调制频谱图(MS)特征的新语音表示来解决域泛化问题。 采用融合策略结合两种语音表示,为分类任务引入新的前端。 所提出的SSL+MS融合表示传递给AASIST后端网络。 在单语种和多语种伪造语音数据集上进行实验,以评估所提模型架构在跨数据集和多语种情况下的有效性。 与基线相比,所提出的模型在域内设置下分别在ASVspoof 2019和MLAAD数据集上实现了37%和20%的相对性能提升。 在域外场景中,基于ASVspoof 2019训练的模型在MLAAD数据集上评估时显示出36%的相对改进。 在所有评估的语言中,所提出的模型始终优于基线,表明域泛化能力得到了增强。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.