文獻(xiàn)標(biāo)識(shí)碼： A
DOI： 10.19358/j.issn.2096-5133.2022.01.008
引用格式： 魏春雨，孫蒙，劉偉，等. 融合CNN和Transformer編碼器的變聲語音鑒別與還原[J].信息技術(shù)與網(wǎng)絡(luò)安全，2022，41(1)：47-54.
0 引言
近年來，基于指紋、人臉、虹膜、聲紋的生物特征識(shí)別技術(shù)得到了迅速發(fā)展[1]。其中，聲紋識(shí)別[2]以其采集方便、無需直接接觸、可體現(xiàn)說話人的主觀意圖等優(yōu)點(diǎn)，被廣泛應(yīng)用于身份認(rèn)證、刑事偵查等領(lǐng)域。公安部門可以通過提取犯罪嫌疑人的聲紋信息，將其與數(shù)據(jù)庫中的聲紋信息進(jìn)行比對(duì)，進(jìn)而確認(rèn)嫌疑人的真實(shí)身份。然而，這種確認(rèn)經(jīng)常受到各種因素的干擾，其中語音變聲偽裝就可以通過隱匿說話人的身份，降低聲紋確認(rèn)的效果。
與通過壓低嗓音、捏鼻子等方式物理干擾人的發(fā)聲器官進(jìn)行的語音偽裝不同，語音變聲偽裝是利用變聲工具對(duì)語音參數(shù)進(jìn)行修改實(shí)現(xiàn)變聲[3]。目前，各種硬件變聲設(shè)備和變聲軟件在匿名采訪、網(wǎng)絡(luò)聊天、電子游戲等場(chǎng)景中得到了廣泛應(yīng)用。同時(shí)，一些不法分子利用變聲語音進(jìn)行違法犯罪活動(dòng)，對(duì)案件的偵破造成了干擾。相比通過物理干擾發(fā)聲器官而產(chǎn)生的偽裝語音，變聲語音更加難以辨認(rèn)。變聲工具會(huì)改變語音的頻譜結(jié)構(gòu)，進(jìn)而影響聲紋識(shí)別模型對(duì)說話人的驗(yàn)證[4-5]。有研究表明，向普通人播放經(jīng)過變聲偽裝的語音，甚至不能準(zhǔn)確地判斷出說話人的性別。
本文詳細(xì)內(nèi)容請(qǐng)下載：http://m.rjjo.cn/resource/share/2000003936。
作者信息：
魏春雨，孫 蒙，劉 偉，張星昱
(陸軍工程大學(xué) 指揮控制工程學(xué)院，江蘇 南京210007)