基于多模型融合应对欺骗感知的说话人验证
声音
2022-06-22 v1 机器学习
音频与语音处理
摘要
近年来，自动说话人验证（ASV）取得了非凡的发展。然而，先前的研究表明，最先进的ASV模型极易受到语音欺骗攻击，而最近提出的高性能欺骗对策（CM）模型仅专注于独立的抗欺骗任务，忽略了后续的说话人验证过程。如何将CM与ASV集成在一起仍是一个悬而未决的问题。最近举办了一项欺骗感知的说话人验证（SASV）挑战赛，其论点是当CM和ASV子系统联合优化时，可以实现更好的性能。在该挑战赛的场景下，要求参赛者提出的集成系统既能拒绝冒充说话人，也能拒绝来自目标说话人的欺骗攻击，这直观且有效地匹配了对一个可靠、抗欺骗的ASV系统的期望。本工作专注于基于融合的SASV解决方案，并提出了一种多模型融合框架，以利用多个最先进的ASV和CM模型的强大能力。所提出的框架将SASV等错误率（EER）从8.75%大幅降低至1.17%，与SASV挑战赛中的最佳基线系统相比，相对提升了86%。
引用
@article{arxiv.2206.09131,
title = {Tackling Spoofing-Aware Speaker Verification with Multi-Model Fusion},
author = {Haibin Wu and Jiawen Kang and Lingwei Meng and Yang Zhang and Xixin Wu and Zhiyong Wu and Hung-yi Lee and Helen Meng},
journal= {arXiv preprint arXiv:2206.09131},
year = {2022}
}
备注
Accepted by Odyssey 2022