用于检测合成语音的深度时频伪影
声音
2022-10-12 v1 人工智能
音频与语音处理
摘要
音频深度合成检测（ADD）挑战赛旨在检测生成的人类语音。在本文中，我们结合所提交的系统，对赛道 1（低质量伪造音频检测）和赛道 2（部分伪造音频检测）进行了全面评估。本文利用原始时域信号、频谱特征以及深度嵌入特征来检测时频伪影。针对赛道 1，我们的系统融合了低质量数据增强、通过微调实现的领域适应以及多种互补特征信息融合。此外，我们通过可视化方法分析了具有不同特征的子系统的聚类特性，并解释了所提出的贪婪融合策略的有效性。对于赛道 2，使用自监督学习结构检测帧过渡和平滑处理，以捕捉时域中部分伪造（PF）攻击的篡改痕迹。我们在赛道 1 和赛道 2 中分别排名第 4 和第 5。
引用
@article{arxiv.2210.05254,
title = {Deep Spectro-temporal Artifacts for Detecting Synthesized Speech},
author = {Xiaohui Liu and Meng Liu and Lin Zhang and Linjuan Zhang and Chang Zeng and Kai Li and Nan Li and Kong Aik Lee and Longbiao Wang and Jianwu Dang},
journal= {arXiv preprint arXiv:2210.05254},
year = {2022}
}
备注
7 pages, 1 figures, Accecpted by Proceedings of the 1st International Workshop on Deepfake Detection for Audio Multimedia