语音变形：一人之声，两重身份
声音
2023-09-06 v1 计算机视觉与模式识别
音频与语音处理
摘要
在生物识别系统中，每个生物识别样本或模板通常只与单一身份相关联。然而，近期研究表明，生成能够成功匹配多个身份的“变形”生物识别样本是可能的。变形攻击现已被视为生物识别系统的潜在安全威胁。不过，大多数变形攻击研究集中于图像域中的生物识别模态，如人脸、指纹和虹膜。在这项初步工作中，我们提出语音身份变形（VIM）——一种基于语音的变形攻击，能够合成模仿一对个体语音特征的语音样本。我们的实验评估了两种流行的说话人识别系统 ECAPA-TDNN 和 x-vector 对 VIM 的脆弱性，在 Librispeech 数据集上，当错误匹配率为 1% 时，成功率（MMPMR）超过 80%。
引用
@article{arxiv.2309.02404,
title = {Voice Morphing: Two Identities in One Voice},
author = {Sushanta K. Pani and Anurag Chowdhury and Morgan Sandler and Arun Ross},
journal= {arXiv preprint arXiv:2309.02404},
year = {2023}
}
备注
Accepted oral paper at BIOSIG 2023