文档名：基于改进时延神经网络的合成语音检测
摘要：在可变内核机制的时延神经网络基础上,提出一种带有全局多尺度注意力机制的神经网络结构和基于Fbank和翻转梅尔频率倒谱系数(InversedMel-FrequencyCepstralCoefficients,IMFCC)的融合特征.在ASVspoof2019LA数据集上,采用等错误率和测试集准确率作为评价指标.实验结果表明,使用提出的含全局多尺度注意力机制的神经网络结构,在相同声学特征的情况下,识别准确率比ECAPA-TDNN和SKA-TDNN分别提高5.1%和4.3%.
Abstract：Inthispaper,aneuralnetworkarchitecturewithglobalmulti-scaleattentionmechanismandafusionfeaturebasedonFbankandInversedMel-FrequencyCepstralCoefficients(IMFCC)areproposedonthebasisofvariablekernelmechanismtimedelayneuralnetwork.TheequalerrorrateandtheaccuracyoftestsetwereusedastheevaluationindexontheASVspoof2019LAdataset.Theexperimentalresultsshowthattheproposedneuralnetworkstructurewithglobalmulti-scaleattentionmechanismcanimprovetherecognitionaccuracyby5.1%and4.3%comparedwithECAPA-TDNNandSKA-TDNN,respectively,underthesameacousticfeatures.
作者：王志翼 张红兵Author：WANGZhiyi ZHANGHongbing
作者单位：中国刑事警察学院公安信息技术与情报学院,辽宁沈阳110035
刊名：电声技术
Journal：AudioEngineering
年，卷(期)：2023, 47(9)
分类号：TP183TN912.33
关键词：时延神经网络 合成语音 特征融合
Keywords：time-delayneuralnetwork syntheticspeech featurefusion
机标分类号：TN912.34TP302TP183
在线出版日期：2024年1月18日
基金项目：中央高校基本科研业务费重大项目基于改进时延神经网络的合成语音检测[
期刊论文] 电声技术--2023, 47(9)王志翼 张红兵在可变内核机制的时延神经网络基础上,提出一种带有全局多尺度注意力机制的神经网络结构和基于Fbank和翻转梅尔频率倒谱系数(InversedMel-FrequencyCepstralCoefficients,IMFCC)的融合特征.在ASVspoof2019LA数据集...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于改进时延神经网络的合成语音检测 Synthetic Speech Detection Based on Improved Time Delay Neural Network
基于改进时延神经网络的合成语音检测.pdf
- 文件大小:
- 1.13 MB
- 下载次数:
- 60
-
高速下载
|
|
