深度伪造语音检测中倒谱特征提取方法的比较研究
《Applied Sciences》:A Comparative Investigation of Cepstral Feature Extraction Methods for Deepfake Speech Detection
【字体:
大
中
小
】
时间:2026年07月05日
来源:Applied Sciences 2.5
摘要
随着基于语音的认证系统被广泛采用,基于深度学习的合成语音生成技术所带来的威胁也在不断加剧。本研究对用于深度伪造语音检测的倒谱特征提取方法进行了比较与实验分析。具体而言,研究了梅尔频率倒谱系数(MFCC)、线性频率倒谱系数(LFCC)和恒Q倒谱系数(CQCC),从频率缩放特性、频谱分辨率以及捕捉合成语音特有缺陷的能力等方面对它们进行了系统评估。实验使用了来自ASVspoof 2021逻辑访问评估数据集的5571个音频样本,所有方法都在相同的分类条件下,通过线性支持向量机进行测试。实验结果表明,CQCC的数值性能最佳,准确率为83.59%,ROC-AUC值为89.15%,等错误率为15.83%;不过,MFCC与CQCC之间的性能差异并不具有统计显著性(p = 0.202)。五折交叉验证也得到了相同结果(CQCC:87.89% ± 0.81%)。麦克纳马测试表明,LFCC与CQCC之间的性能差异具有统计显著性(p = 0.036)。通过对13种伪造系统的详细分析发现,没有一种特征表示方式能在所有攻击类型中都始终优于其他方式;CQCC在13种系统中中有6种的准确率最高,而MFCC在多个攻击类别中仍表现良好。总体而言,深度伪造检测的性能不仅取决于分类器架构,还与频率尺度选择、倒谱变换设计以及数据条件密切相关。研究认为,结合多种互补频率表示的多特征策略,有望实现更稳健且更具通用性的检测方案。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号