DFKI-Speech 系统用于野生语音挑战：面向 SASV 野生环境的稳健框架
声音
2026-02-03 v1 人工智能
机器学习
摘要
本文介绍了为野生语音挑战（WildSpoof Challenge）开发的 DFKI-Speech 系统，专注于欺骗感知自动说话人验证（SASV）轨道。我们提出了一种稳健的 SASV 框架，其中欺骗检测器与说话人验证（SV）网络协同工作。欺骗检测器采用自监督语音嵌入提取器作为前端，结合最先进的图神经网络后端。此外，采用基于 Top-3 层的混合专家（MoE）方法融合高级和低级特征，以有效检测伪造语音。对于说话人验证，我们采用适配低复杂度卷积神经网络， fuse 2D 和 1D 特征在多个尺度上进行特征融合，并使用 SphereFace loss 进行训练。此外，应用对比圆损失以适当加权每个训练 batch 中的正负样本对，使网络能够更好地区分难样本和易样本对。最后，使用基于固定冒名户队列的 AS Norm 得分归一化和模型集成进一步提升说话人验证系统的判别能力。
关键词
引用
@article{arxiv.2602.02286,
title = {DFKI-Speech System for WildSpoof Challenge: A robust framework for SASV In-the-Wild},
author = {Arnab Das and Yassine El Kheir and Enes Erdem Erdogan and Feidi Kallel and Tim Polzehl and Sebastian Moeller},
journal= {arXiv preprint arXiv:2602.02286},
year = {2026}
}