May, 2024

可解释的基于属性的说话人验证

PDF
TL;DR该研究提出了一种完全可解释的说话者验证方法，通过从语音记录中自动提取的个人属性（如性别、国籍和年龄）进行比较，以识别说话者。该方法更贴近人类推理，比传统方法更易理解。在 Voxceleb1 测试集上评估，系统的最佳性能与使用所有正确属性时建立的真实性相当，证明了其有效性。尽管与不可解释的方法相比，我们的方法在一些性能上做出了一定的牺牲，但我们相信它使我们更接近透明、可解释的人工智能的目标，并为未来的属性扩展奠定了基础。
fully explainable approachspeaker verificationattribute-based explainable sv systempersonal attributestransparent, interpretable ai
发现论文，激发创造
  • 应用 ASV 进行语音识别：TTS 模型中 VC 和持续性预测改进的应用

    该论文介绍了一种自动发言人验证系统，以从目标发言人的音频中提取嵌入信息，用于获取他的声音的重要特征，如音高、能量和音素的持续时间，并在多声音 TTS 流水线中使用该信息。

    Jun, 2024

  • SVVAD：用于说话人验证的个人语音活动检测

    我们提出了一种基于说话人验证的语音活动检测框架，实现了无标签训练方法并使用三元损失来适应 SV 中最具信息的声学特征。结果表明，相对于传统方案，该框架在混合说话人的条件下明显提高了等误差率，并揭示了人类判断中不同语音部分的重要性。

    May, 2023

  • 级联自监督学习模型对自动说话者验证的对抗性防御

    通过使用级联自监督学习模型可在 ASV 中对抗对抗攻击，并提高自身的鲁棒性。实验结果表明，该方法能在攻击者知道或不知道自监督模型的情况下有效地抵御攻击，提高了防御性能。

    Feb, 2021

  • 自动说话人验证中的防御者视角：一综述

    该研究论文旨在全面系统地概述自动说话者验证中用于防御欺诈攻击的方法，包括重播和合成语音，以及对抗性攻击和最近出现的部分假语音。

    May, 2023

  • 无监督域自适应的防欺骗说话人验证

    研究如何提高自动说话人验证系统的欺骗稳健性，主要从基于概率线性判别分析的后端分类器入手，并运用三种无监督领域适应技术来优化它。旨在提高系统在逻辑和物理接近情境下的表现，对于后者，尤其是在被重放音频攻击时，针对真实的和伪造的情况，相对改进率分别达到 36.1% 和 5.3% 接近最高点。除此之外，还进行了一些额外的研究，如攻击分析、数据构成和与高斯后端的分数级别的对策系统的集成分析。

    Mar, 2022

  • 自动说话人验证系统的反欺诈方法

    本研究旨在通过分析不同的声学特征空间和分类器，确定可靠和强大的对抗欺骗攻击的措施。实验结果表明，基于深度神经网络（DNN）的方法在欺骗检测任务中获得了相当低的等错误率 (EER)

    May, 2017

  • 与你相识：对话中用户属性提取

    本文提出了一种利用对话系统中的强提示信息自动提取用户属性的方法，通过远程监督训练两阶段属性提取器，实现了多种基线模型无法超越的效果，并探讨了已提取用户属性的个性化推荐和对话系统应用以及潜在局限性。

    Aug, 2019

  • 嵌入空间中语音验证泛化及欺骗感知

    通过在嵌入空间中利用有限的训练数据来增强简单的后端分类器，我们提出了通用的独立式自动说话人验证（G-SASV）系统，以对抗欺骗攻击，同时避免在测试（认证）阶段单独使用 CM 模块，在 ASVspoof 2019 逻辑访问数据集中，我们相对统计 ASV 后端在合并（真实和欺骗）和欺骗条件下的性能分别最大提高了 36.2％和 49.8％，以等错误率为指标。

    Jan, 2024

  • 通过感知的声音特质实现说话人身份的可解释表示

    通过添加性别感知语音特征到 Consensus Auditory-Perceptual Evaluation of Voice（声音感知评估协议）中，基于感知声音特征的方法提供了一种成人声音性格的感知潜在空间，作为高层次人口统计学信息和低层次声学、物理或学习表示之间的中间抽象。与先前的观点相反，我们证明这些感知声音特征可以被非专家集体听到，并且进一步证明了以感知声音特征为基础的表示中所编码的信息可以通过多种语音表示进行预测。

    Oct, 2023

  • 通过词级音频片段和语言学特征解释语音分类模型

    对于理解语音模型，我们引入了一种新的方法，通过在两个信息层面上对输入进行扰动，生成易于理解的解释，以揭示语音分类模型中每个与单词相关的音频片段对结果的影响，并回答 “如果我们以这种方式编辑音频信号，模型的预测结果会是什么？”。我们在英语和意大利语的两个语音分类任务上验证了我们的方法，发现解释对于模型的内在工作是准确的且对人类来说是可信的，为未来关于解释语音模型的研究铺平了道路。

    Sep, 2023