首届防欺骗说话人验证挑战赛的基线系统：分数与嵌入融合
声音
2022-04-22 v1 音频与语音处理
摘要
深度学习在自动说话人验证（ASV）与欺骗对策（CM）两个方向的研究中均带来了令人瞩目的进展。尽管二者解决方案相互依赖，但它们通常作为独立子系统发展，其中 CM 方案通常针对固定的 ASV 系统设计。本文所报告的工作旨在衡量通过更紧密集成二者所能获得的可靠性提升。使用流行的 ASVspoof2019 数据集得出的结果表明，当评估协议扩展包含欺骗试验时，最先进 ASV 系统的等错误率（EER）从 1.63% 恶化至 23.83%。然而，即便以分数求和及基于深度神经网络的融合策略对 ASV 与 CM 系统进行直接集成，也将 EER 分别降低至 1.71% 与 6.37%。新成立的防欺骗说话人验证（SASV）挑战赛旨在鼓励更多关注 ASV 与 CM 系统的集成，并提供基准测试不同方案的手段。
引用
@article{arxiv.2204.09976,
title = {Baseline Systems for the First Spoofing-Aware Speaker Verification Challenge: Score and Embedding Fusion},
author = {Hye-jin Shim and Hemlata Tak and Xuechen Liu and Hee-Soo Heo and Jee-weon Jung and Joon Son Chung and Soo-Whan Chung and Ha-Jin Yu and Bong-Jin Lee and Massimiliano Todisco and Héctor Delgado and Kong Aik Lee and Md Sahidullah and Tomi Kinnunen and Nicholas Evans},
journal= {arXiv preprint arXiv:2204.09976},
year = {2022}
}
备注
8 pages, accepted by Odyssey 2022