申请/专利权人：清华大学

申请日：2024-01-17

公开（公告）日：2024-04-05

公开（公告）号：CN117577119B

主分类号：G10L17/26

分类号：G10L17/26;G10L17/02;G10L17/06;G10L17/04

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2024.03.08#实质审查的生效;2024.02.20#公开

摘要：本发明提供了一种融合大语言模型的伪造语音检测方法、系统、设备及介质，涉及语音检测技术领域，通过获取待检测语音；通过预先训练的声学编码模块从待检测语音中提取声学特征序列，并对所述声学特征序列进行处理，得到声学编码序列和音素序列；通过预先训练的大语言模型模块对所述音素序列进行编码，得到音素编码序列；将声学编码序列和音素编码序列输入至预先训练的多模态融合分类模块中，得到语音检测结果。上述方法不仅将声学信息和音素信息进行融合，同时结合大语言模型强大的泛化性与模式识别能力，以使检测方法同时具有强鲁棒性和对于伪造语音类型的强泛化性。

主权项：1.一种融合大语言模型的伪造语音检测方法，其特征在于，所述方法包括：获取待检测语音；通过预先训练的声学编码模块从所述待检测语音中提取声学特征序列，并对所述声学特征序列进行处理，得到声学编码序列和音素序列；通过预先训练的大语言模型模块对所述音素序列进行编码，得到音素编码序列，所述大语言模型为基于transformer结构的自回归语言模型，包括嵌入层、多层堆叠的transformer块；将所述声学编码序列和所述音素编码序列输入至预先训练的多模态融合分类模块中，得到语音检测结果，所述多模态融合分类模块为融合所述声学编码序列和所述音素编码序列得到融合特征，并将所述融合特征用于伪造语音检测的模块。

全文数据：

权利要求：

百度查询： 清华大学 融合大语言模型的伪造语音检测方法、系统、设备及介质

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