| DC Field | Value | Language |
|---|
| dc.contributor.author | Малькевич, К. Д. | - |
| dc.contributor.author | Свиридчук, И. Л. | - |
| dc.coverage.spatial | Минск | en_US |
| dc.date.accessioned | 2026-11-06T08:08:07Z | - |
| dc.date.available | 2026-11-06T08:08:07Z | - |
| dc.date.issued | 2026 | - |
| dc.identifier.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. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/66107 | - |
| dc.description.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. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | БГУИР | en_US |
| dc.subject | материалы конференций | en_US |
| dc.subject | антиспуфинг | en_US |
| dc.subject | синтезированная речь | en_US |
| dc.subject | MFCC | en_US |
| dc.subject | сверточные нейронные сети | en_US |
| dc.subject | мел-кепстральные признаки | en_US |
| dc.subject | спектрограмма мел-частот | en_US |
| dc.subject | EER | en_US |
| dc.title | Обнаружение синтезированной речи на основе мел-кепстральных признаков и ультралегковесной сверточной нейронной сети | en_US |
| dc.title.alternative | Detection of synthesized speech based on mel-cepstral features and an ultra lightweight convolutional neural network | en_US |
| dc.type | Article | en_US |
| local.description.annotation | 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. | en_US |
| Appears in Collections: | Компьютерное проектирование в электронике (2026)
|
