结合小波提示调优的防伪说话人验证共享编码器

欺骗感知说话人验证 (SASV) 必须确认谁在说话并且该语音是真实的，但当前的系统以牺牲另一个为代价来获得其中之一。模块化级联是准确的，但运行两个大型自监督编码器，而端到端模型虽然高效，但当单个嵌入必须服务于两个相互冲突的目标时，就会失去准确性。我们证明，效率和专业化之间的这种权衡是可以避免的。通过深度混合小波提示调优（WPT）对每个任务调整单个冻结的 W2V-BERT~2.0 主干，因此每个分支通过专用提示和任务头获得自己的共享编码器视图，并且仅在推理时组合分数。仅训练大约 7M 个参数，这只是强大的双编码器级联所需参数的一小部分，该系统在 SpoofCeleb 评估中以 0.03% CM-EER 和 0.038的最小a-DCF 超越它，而 0.16% 和 0.047。由于主干是共享和冻结的，因此新的分支会连接起来，而无需重新训练已经就位的头部和提示。在 ASVspoof5 上，在对抗性攻击和编解码器失真的情况下，仅使用提供的数据即可达到 0.092的最小a-DCF 和 3.60% CM-EER，表明该设计能够承受现实的野外威胁。