PC-Mix：混合语音和环境声音条件下的部分组件音频欺骗检测

近期关于部分音频欺骗的研究主要集中在录音室录制的语音以及欺骗片段的时间定位上。然而，这些研究常常忽略了欺骗和真实片段在语音和环境声音组件中同时共存的现实条件。在本文中，我们提出了PC-Mix，这是第一个用于部分组件欺骗检测的数据集，其中任一或两个音频组件都可能被部分欺骗。在PC-Mix中，首先构建真实的和部分欺骗的环境声音组件，并将其与来自现有部分欺骗数据集的语音信号混合，生成任一或两个组件都可能被局部操纵的音频。这种设计解决了现有部分欺骗基准中的两个主要空白：语音部分欺骗场景中缺乏真实环境声音，以及缺乏针对环境声音组件的部分欺骗检测。我们进一步建立了标准化的评估协议，并设计了一个联合学习框架来优化跨语音、环境声音和混合音频的欺骗检测。实验强调了混合条件带来的难度增加。结果表明，在匹配的目标条件下训练比直接迁移在语音或环境声音组件上训练的模型更有效。