2018 语音转换挑战的欺骗基准：利用欺骗对策进行语音伪迹评估

语音转换（VC）旨在不改变内容的前提下转换说话人特征。由于训练数据限制与建模缺陷，难以在不引入处理伪迹的情况下实现可信的说话人模仿；因此 VC 的性能评估通常需由人工小组进行说话人相似度与质量评价。作为耗时、昂贵且不可复现的过程，它阻碍了新 VC 技术的快速原型开发。我们利用先前针对自动说话人验证的欺骗对策（CMs）相关工作，以客观的替代方法进行伪迹评估。其中 CMs 用于拒绝重放、合成或转换语音等“伪造”输入，但其在自动语音伪迹评估中的潜力尚属未知。本研究旨在填补该空白。作为 2018 语音转换挑战（VCC'18）数据主观结果的补充，我们配置标准恒定 Q 倒谱系数 CM 来量化处理伪迹程度。CM 的等错误率（EER）——即 VC 样本与人类真实语音的混淆指数——作为我们的伪迹度量。我们识别出两类 VCC'18 参赛系统：具有可检测伪迹的低质量系统（低 EER），以及伪迹较少的较高质量系统。然而，所有 VCC'18 系统均非完美：所有 EER 均 < 30%（“理想”值应为 50%）。我们的初步结果表明，CMs 在其原始应用之外具有潜力，可作为补充优化与基准工具以提升 VC 技术。