多通道回放语音检测的声学仿真框架

回放语音攻击对语音控制系统构成重大威胁，特别是在智能环境中广泛部署语音助手的情况下。虽然多通道音频提供了可以增强回放检测鲁棒性的空间线索，但现有数据集和方法主要依赖单通道录音。在这项工作中，我们引入了一个声学仿真框架，旨在使用公开可用资源模拟多通道回放语音配置。我们的设置对不同环境中的真实语音和欺骗语音进行建模，包括真实的麦克风和扬声器脉冲响应、房间声学以及噪声条件。该框架在回放攻击期间使用测量的扬声器方向性来提高仿真的真实性。我们定义了两种欺骗设置，模拟回放场景中是否使用混响或消声室语音，并评估全向噪声和扩散噪声对检测性能的影响。使用最先进的M-ALRAD模型进行回放语音检测，我们证明了合成数据可以支持检测器在未见封闭空间中的泛化能力。