https://libeldoc.bsuir.by/handle/123456789/66107| Title: | Обнаружение синтезированной речи на основе мел-кепстральных признаков и ультралегковесной сверточной нейронной сети |
| Other Titles: | Detection of synthesized speech based on mel-cepstral features and an ultra lightweight convolutional neural network |
| Authors: | Малькевич, К. Д. Свиридчук, И. Л. |
| Keywords: | материалы конференций;антиспуфинг;синтезированная речь;MFCC;сверточные нейронные сети;мел-кепстральные признаки;спектрограмма мел-частот;EER |
| Issue Date: | 2026 |
| Publisher: | БГУИР |
| Citation: | Малькевич, К. Д. Обнаружение синтезированной речи на основе мел-кепстральных признаков и ультралегковесной сверточной нейронной сети = Detection of synthesized speech based on mel-cepstral features and an ultra lightweight convolutional neural network / К. Д. Малькевич, И. Л. Свиридчук // Компьютерное проектирование в электронике = Electronic Design Automation : сборник научных трудов Международной научно-практической конференции, Минск, 23 октября 2026 г. / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: В. Р. Стемпицкий [и др.]. – Минск, 2026. – С. 265–268. |
| Abstract: | Рассмотрена задача акустического анти-спуфинга – обнаружения синтезированной и конвертированной речи в системах голосовой биометрии. Реализован конвейер обработки сигнала: предыскажение, кадрирование окном Хэмминга 25 мс с шагом 10 мс, вычисление 13 мел-частотных кепстральных коэффициентов и их первых и вторых производных (вектор признаков размерности 39) и классификация сверточной нейронной сетью. Особенность архитектуры – предельно малое число обучаемых параметров, 9 986 (около 0,04 МБ), достигнутое за счет одного сверточного слоя и адаптивного усредняющего пулинга. На данных формата ASVspoof 2019 LA получены EER 10,68 % и min t-DCF 0,116 при обучении и инференсе на центральном процессоре. |
| Alternative abstract: | The paper addresses acoustic anti-spoofing – detection of synthesized and converted speech in voice biometrics. A complete pipeline is implemented: pre-emphasis, framing with a 25 ms Hamming window and a 10 ms hop, 13 mel-frequency cepstral coefficients with their first and second derivatives (a 39-dimensional feature vector), and classification by a convolutional neural network. The architecture uses only 9,986 trainable parameters (about 0.04 MB) owing to a single convolutional layer and adaptive average pooling. On ASVspoof 2019 LA formatted data an EER of 10.68 % and a min t-DCF of 0.116 were obtained, with training and inference performed on a CPU. |
| URI: | https://libeldoc.bsuir.by/handle/123456789/66107 |
| Appears in Collections: | Компьютерное проектирование в электронике (2026) |
| File | Description | Size | Format | |
|---|---|---|---|---|
| Mal'kevich_Obnaruzhenie.pdf | 375.13 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.