基于潜在特征重构的声学模型识别中的脱分布检测

合成语音的进步正在创造出日益增长的冒充威胁，这使得开发深度伪造算法识别至关重要。一个重要方面是脱分布(OOD)检测，由于其在深度伪造算法识别中的重要作用，受到了广泛关注。然而，当前大多数用于检测深度伪造算法识别中OOD的做法依赖于概率得分或分类距离，这可能导致对阈值边缘样本准确性的局限。本研究提出了一种基于重构的检测方法，采用自编码器架构压缩和重构从预训练的WavLM模型中提取的声学特征。每个属于特定声学器类声学特征都只能通过其对应的解码器来进行合适的重构。当没有解码器能够令人满意地重构该特征时，它就被分类为OOD样本。为增强每个解码器重构特征的区分性，我们采用对比学习和辅助分类器进一步约束重构特征。实验表明，我们提出的方法在评估数据集中优于基线系统约10%。消融研究进一步验证了对比约束和辅助分类器在我们提出的方法中的有效性。