申请/专利权人：南京龙垣信息科技有限公司

申请日：2023-10-13

公开（公告）日：2024-03-29

公开（公告）号：CN117059131B

主分类号：G10L25/51

分类号：G10L25/51;G10L25/63;G10L25/03;G10L25/27;G10L25/30

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2024.02.23#著录事项变更;2023.12.01#实质审查的生效;2023.11.14#公开

摘要：本发明涉及音频分析技术领域，具体涉及一种基于情绪识别的伪造音频检测方法；建立语音情绪识别系统，建立合成语音检测系统，使用语音情绪识别系统和合成语音检测系统对伪造音频进行检测，在建立语音情绪识别系统的步骤中：选择情感语音语料库，进行语音输入的预处理和转换，从语音中提取情感特定特征，使用分类模型来识别情感，在建立合成语音检测系统的步骤中：合成语音检测系统由二值分类器组成，以特征向量Fx作为输入，估计输入信号所属的类别，使用标准的34层残差网络，使用多头注意力池来学习假音频和欺骗检测的判别嵌入，利用神经拼接来提高模型的泛化能力，通过上述方式，实现更加全面地检测伪造音频。

主权项：1.一种基于情绪识别的伪造音频检测方法，其特征在于，包括如下步骤：建立语音情绪识别系统的步骤中：选择情感语音语料库；进行语音输入的预处理和转换；从语音中提取情感特定特征；使用分类模型来识别情感；在进行语音输入的预处理和转换的步骤中：将所有轨道转换为单声道，并将采样至标准采样频率Fs=16kHz，使用阶数为6的带通数字滤波器滤波所有语音信号，使用无穷范数对每个音频进行归一化；在使用分类模型来识别情感的步骤中：给定语音x，网络的输出为Ex∈{e1,e2，…，eN}，从语音信号中提取各种声学和韵律特征，并将提取的特征与类标签相关联，将带有情感类标签的数据分割成两部分，其中60%的数据用于训练，40%的数据用于测试；训练时使用IEMOCAP数据集，并考虑愤怒、快乐、悲伤和中性四种情绪类别，选择会话1到4用于培训，会话5用于开发和测试，使用学习率lr=10−5的Adam优化器，分类交叉熵作为损失函数；建立合成语音检测系统；使用语音情绪识别系统和合成语音检测系统对伪造音频进行检测；在建立合成语音检测系统的步骤中：对数据进行增强处理，对每个音频添加一个单一的干扰，对列车数据集应用两种不同类型的数据增强，混合数据来自开源数据集房间脉冲响应和MUSAN，其中包括噪声、音乐和口头语；噪声以随机的信噪比混合在0dB到20dB之间；模拟音频压缩效果，所有干净的音频样本都通过音频压缩算法来生成模拟，压缩算法包括MP3、OGG、AAC和OPUS；合成语音检测系统进行频率转换模拟电话传输损耗，音频样本先下采样到8kHz，然后上采样到16kHz。

全文数据：

权利要求：

百度查询： 南京龙垣信息科技有限公司 基于情绪识别的伪造音频检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD