论文
通过口音相关特征进行巴西葡萄牙语的合成语音检测
Synthetic speech detection in Brazilian Portuguese through accent-related features
摘要
领先的商业和开源文本转语音 (TTS) 模型无法模拟巴西葡萄牙语 (pt-BR) 的区域语音多样性。通过将不同的方言聚合到一个单一的训练分布中，它们生成了一种合成的“稀释”口音：一种试图同时代表所有区域分布的语音轮廓，但最终带来了与自然社会语音实现分离的语音歧义。这项工作介绍了一种语音深度伪造检测方法，将多语言电话识别器与经典信号处理相结合，以提取具有高地理差异的辅音和发声实现中的音素级特征。分析表明，这些特征的分布差距足以通过无监督的核密度估计来区分自然语音和合成语音，从而将方言不一致确立为 pt-BR 中欺骗检测的有用且可解释的特征。对 pt-BR 反欺骗数据集的评估表明，这些可解释的、轻量级的、低维的特征可以提高基础模型在任务上的性能，并在跨数据集留一设置中显示泛化能力。