基于上下文信息与注意力特征的欺骗语音检测

作者：陈佳; 章坚武^*; 张浙亮

来源：电信科学, 2023, 39(02): 92-102.

• 欺骗语音检测
• 上下文信息
• 注意力特征
• 端到端
• 伪影

随着语音合成和语音转换技术的快速发展，欺骗语音检测方法仍存在欺骗检测准确率低、通用性差等问题。因此，提出一种基于上下文信息与注意力特征的端到端的欺骗检测方法。该方法基于深度残差收缩网络（DRSN），利用双分支上下文信息协调融合模块（DCCM）聚集丰富的上下文信息，融合基于协调时频注意力机制（CTFA）的特征以获得具有上下文信息的跨维度交互特征，从而最大化捕获伪影的潜力。与最佳基线系统相比，在ASVspoof 2019 LA数据集中，所提方法在EER和t-DCF性能指标上分别降低68%和65%；在ASVspoof 2021 LA数据集中，所提方法的EER和t-DCF分别为4.81和0.311 5，分别降低48%和10%。实验结果表明，所提方法能有效提高欺骗语音检测的准确率和泛化能力。

• 单位
  杭州电子科技大学