面向域和信道不匹配的防欺骗说话人验证
音频与语音处理
2024-09-11 v1 声音
摘要
在实际应用中，构建能够同时抵御常见威胁（包括欺骗攻击、信道不匹配和域不匹配）的说话人验证系统具有挑战性。传统的自动说话人验证（ASV）系统常单独处理这些问题，导致在面对多重挑战时性能次优。本文提出一种集成框架，将配对学习和欺骗攻击仿真引入 meta-learning 范式，以提升对这些多维威胁的鲁棒性。该新方法采用非对称双路径模型和多任务学习策略，同时处理 ASV、反欺骗和欺骗感知 ASV 任务。引入新的测试数据集 CNComplex，用于评估在这些组合威胁下的系统性能。实验结果表明，集成模型在各种情景下均显著优于传统 ASV 系统，展示了其在实际部署中的潜力。此外，所提框架的跨条件泛化能力突出，凸显了其鲁棒性和可靠性，为实际应用中的 ASV 提供了有前景的解决方案。
关键词
引用
@article{arxiv.2409.06327,
title = {Spoofing-Aware Speaker Verification Robust Against Domain and Channel Mismatches},
author = {Chang Zeng and Xiaoxiao Miao and Xin Wang and Erica Cooper and Junichi Yamagishi},
journal= {arXiv preprint arXiv:2409.06327},
year = {2024}
}
备注
To appear in 2024 IEEE Spoken Language Technology Workshop, Dec 02-05, 2024, Macao, China