用于欺骗语音检测的一类知识蒸馏方法
音频与语音处理
2023-09-18 v1 声音
摘要
检测由未知算法生成的欺骗语音仍是一项未解决的挑战。泛化能力不足的一个原因是传统检测系统遵循二分类范式，其内在假设是已具备欺骗语音的先验知识。一类方法试图学习真实语音的分布，天然适用于欺骗语音差异显著的任务。然而，仅使用真实语音训练一类系统具有挑战性。本文引入一种师生框架，为一类模型的训练提供指导。所提出的一类知识蒸馏方法在 ASVspoof 21DF 数据集与 InTheWild 数据集上优于其他 SOTA 方法，证明了其优越的泛化能力。
引用
@article{arxiv.2309.08285,
title = {One-Class Knowledge Distillation for Spoofing Speech Detection},
author = {Jingze Lu and Yuxiang Zhang and Wenchao Wang and Zengqiang Shang and Pengyuan Zhang},
journal= {arXiv preprint arXiv:2309.08285},
year = {2023}
}
备注
submitted to icassp 2024