基于语音自然度的动态温度 Curriculum Learning 用于语音深度伪造检测
音频与语音处理
2025-05-21 v1 声音
摘要
近期语音深度伪造检测 (SDD) 的进展显著提升了基于人工特征的检测在作弊语音中的效果。然而，大多数模型忽略了语音自然度这一关键线索，用于区分真实语音与作弊语音。本研究提出了自然度感知的 Curriculum Learning，即一种新型训练框架，利用语音自然度增强 SDD 的鲁棒性和泛化能力。该方法同时利用真实标签和平均意见分数 (Mean Opinion Scores) 衡量样本难易性，并调整训练计划，逐步引入更具挑战性的样本。为进一步提升泛化能力，本研究将基于语音自然度的动态温度缩放方法融入训练过程。在 ASVspoof 2021 DF 数据集上的实验中，实现了 EER 降低了 23%。不修改模型架构的前提下，通过消融实验确认了自然度感知训练策略在 SDD 任务中的有效性。
引用
@article{arxiv.2505.13976,
title = {Naturalness-Aware Curriculum Learning with Dynamic Temperature for Speech Deepfake Detection},
author = {Taewoo Kim and Guisik Kim and Choongsang Cho and Young Han Lee},
journal= {arXiv preprint arXiv:2505.13976},
year = {2025}
}
备注
Accepted by Interspeech 2025