融合CNN和Transformer编码器的变声语音鉴别与还原

• 作者: 魏春雨 孙蒙 刘伟 张星昱
• 来源期刊: 信息技术与网络安全
• 学科: 工学
• 关键词: 基频变声 语音鉴伪 变声还原 时频特征
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 网络与信息安全|Network and Information Security
• 页码范围: 47-54
• 页数: 8页
• 分类号: TP391.9
• 语种: 中文
• DOI: 10.19358/j.issn.2096-5133.2022.01.008

摘要

语音变声伪装会导致人耳感知和声纹识别出现错误,从而达到隐匿说话人真实身份的目的 .为削弱变声语音的影响,提出一种融合卷积神经网络(Convolutional Neural Networks,CNN)和Transformer编码器的模型,提取变声语音的局部特征和全局特征用于判别变声因子,并根据变声因子的数值实施变声语音还原.在中英文真实场景录音数据集上验证了所提方法的有效性,对变声因子判别实现了95％以上的准确率.利用所提出的方法,在黑箱条件下对某型商用硬件变声器输出的语音进行鉴别与还原,取得了较好的效果.