Learn from Real: Reality Defender's Submission to ASVspoof5 Challenge
音频与语音处理
2024-10-11 v1 人工智能
计算与语言
摘要
音频深度伪造检测是应对 AI 语音合成恶意用途的关键措施。在众多努力中，ASVspoof 挑战已成为评估检测模型通用性和鲁棒性的基准之一。本文介绍了 Reality Defender 对 ASVspoof5 挑战的提交成果，突出了一种新型预训练策略，该策略在保持训练期间低计算成本的同时显著提升了通用性。我们的系统 SLIM 通过自监督对比学习从各种类型的真实语音中学习风格-语言学依赖嵌入。所学嵌入有助于通过关注风格和语言学方面的关系来区分伪造语音与真实语音。我们在 ASVspoof5、ASV2019 和 In-the-wild 上对系统进行了评估。本次提交在 ASVspoof5 Track 1 上实现了 minDCF 为 0.1499 和 EER 为 5.5%，在 ASV2019 和 In-the-wild 上分别实现了 EER 为 7.4% 和 10.8%。
引用
@article{arxiv.2410.07379,
title = {Learn from Real: Reality Defender's Submission to ASVspoof5 Challenge},
author = {Yi Zhu and Chirag Goel and Surya Koppisetti and Trang Tran and Ankur Kumar and Gaurav Bharaj},
journal= {arXiv preprint arXiv:2410.07379},
year = {2024}
}
备注
Accepted into ASVspoof5 workshop