增强 SSL 基于防伪模型的多语料库训练：领域不变特征提取
机器学习
2026-03-20 v1
摘要
speech spoofing 检测的性能往往在不同的训练和评估语料库之间存在差异。利用多个语料库通常可以提高像说话人识别和语音识别等领域的鲁棒性和性能。然而，我们的防伪检测实验表明，多语料库训练并不总是改善性能，甚至可能使其恶化。我们假设数据集特定的偏差会损害泛化性，导致性能不稳定。为此，我们提出了一种不变域特征提取（IDFE）框架，采用多任务学习和梯度反转层来最小化所学嵌入中的语料库特定信息。IDFE 框架在四个 varied 数据集上将平均等错误率降低了 20%。
引用
@article{arxiv.2603.18657,
title = {Enhancing Multi-Corpus Training in SSL-Based Anti-Spoofing Models: Domain-Invariant Feature Extraction},
author = {Anh-Tuan Dao and Driss Matrouf and Mickael Rouvier and Nicholas Evans},
journal= {arXiv preprint arXiv:2603.18657},
year = {2026}
}