FastAudio：一种用于欺骗语音检测的可学习音频前端
声音
2021-09-08 v1 密码学与安全
机器学习
音频与语音处理
摘要
语音助手（如智能音箱）已极度流行。目前估计美国成年人口中智能音箱普及率已超过35%。制造商已集成说话人识别技术，试图确定说话人身份，以向同一家庭的不同成员提供个性化服务。说话人识别在控制智能音箱使用方式上也可发挥重要作用。例如，播放音乐时正确识别用户并非关键。但在大声读出用户邮件时，正确验证发出请求的用户为授权用户则至关重要。因此，需要认证说话人身份的说者验证系统作为守门人，防范旨在冒充注册用户的各种欺骗攻击。本文比较了通过与该下游任务联合训练（端到端）来学习音频表示的热门可学习前端。我们通过定义两种通用架构对前端分类，并从学习约束角度分析两类前端中的滤波阶段。我们提出以可学习层替换固定滤波器组，以更好适应反欺骗任务。所提FastAudio前端随后与两种流行后端进行测试，以衡量在ASVspoof 2019数据集LA赛道上的性能。与固定前端相比，FastAudio前端实现了27%的相对提升，在此任务上优于所有其他可学习前端。
引用
@article{arxiv.2109.02774,
title = {FastAudio: A Learnable Audio Front-End for Spoof Speech Detection},
author = {Quchen Fu and Zhongwei Teng and Jules White and Maria Powell and Douglas C. Schmidt},
journal= {arXiv preprint arXiv:2109.02774},
year = {2021}
}