利用 x-vector 攻击嵌入与谱特征的语音重放检测
计算与语言
2019-09-27 v1
摘要
我们介绍了提交至 ASVspoof 2019 挑战赛物理接入（PA）任务的系统。该挑战的目标是开发一种反制措施，将语音音频识别为真实语音或被截获并重放的语音。目标预测为一个指示语音段为真实（正值）或“欺骗”（负值）的值。我们的系统使用卷积神经网络（CNNs）以及一种结合 x-vector 攻击嵌入与信号处理特征的语音音频表示。x-vector 攻击嵌入由梅尔频率倒谱系数（MFCCs）通过时延神经网络（TDNN）创建。这些嵌入联合建模了来自标注数据的 27 种不同环境与 9 类攻击。我们还使用了子带谱质心幅度系数（SCMCs）作为特征。我们在训练中加入加性高斯噪声层，以此扩充数据，使系统对未见过的攻击样本更鲁棒。我们使用串联检测代价函数（tDCF）与等错误率（EER）报告系统性能。我们的方法优于两项挑战基线。我们的技术表明，即便环境与攻击更具挑战性，我们的 x-vector 攻击嵌入也能帮助正则化 CNN 预测。
引用
@article{arxiv.1909.10324,
title = {Speech Replay Detection with x-Vector Attack Embeddings and Spectral Features},
author = {Jennifer Williams and Joanna Rownicka},
journal= {arXiv preprint arXiv:1909.10324},
year = {2019}
}
备注
Presented at Interspeech 2019