Spoof Speech Detection Based on Raw Cross-Dimension Interaction Attention Network

Das Kapitel stellt eine neuartige Ende-zu-Ende-Methode zur Spracherkennung vor, die Raw-Audio-Wellenformen und ein interdimensionales Aufmerksamkeitsnetzwerk nutzt. Dieser Ansatz adressiert die Beschränkungen traditioneller Methoden, indem er Audiorohdaten direkt verarbeitet, mehrdimensionale Falschmeldungen erfasst und die Fähigkeit des Modells verbessert, Spoofing-Angriffe zu erkennen. Das vorgeschlagene Raw Cross-dimension Interaction Attention Network (Raw CIANet) umfasst eine Technik zur Kanalmaskierung, um diskriminierende Merkmale hervorzuheben, und ein leichtes spektralzeitliches Aufmerksamkeitsmodul für effiziente grenzüberschreitende Interaktion. Das Kapitel untersucht auch verschiedene Strategien zur Aufmerksamkeitsfusion, um die Erfassung diskriminierender Merkmale zu maximieren. Experimentelle Ergebnisse des ASVspoof 2019 LA-Datensatzes zeigen die überlegene Leistung des Raw CIANet im Vergleich zu bestehenden hochmodernen Modellen und zeigen sein Potenzial für den Einsatz in Echtzeit-Spracherkennungssystemen.