语音合成论文优选：RW-Resnet: A Novel Speech Anti-Spoofing Model Using Raw Waveform

声明：语音合成论文优选系列主要分享论文，分享论文不做直接翻译，所写的内容主要是我对论文内容的概括和个人看法。文章同列统计可访问。http://yqli.tech/page/tts_paper.html 

如有转载，请标注来源。 欢迎关注微信公众号：低调奋进

---

RW-Resnet: A Novel Speech Anti-Spoofing Model Using Raw Waveform

本文为上海大学在2021.08.12更新的文章，本篇文章主要使用原始波形做反欺诈的研究，具体的文章链接https://arxiv.org/pdf/2108.05684.pdf

---

1 研究背景

语音合成的进步给说话人验证（SV)系统造成挑战，因此应对合成语音的反欺诈技术也逐渐成为了热点。以前的Anti-Spoofing的系统输入的特征需要使用第三方的工具进行特征提取，本文的主要特点是直接对原始的音频数据进行处理，使其性能得到​提升。

2 详细设计

图一为整个系统的RW-Resnet的结构，​其主要包括两个部分：ResWaveGram和Resnet34​。其中ResWavegram的职能为特征提取，其使用的conv1D Resblock如图a2所示，相较图b来说添加了一层conv1D(3)-BN进行res​连接，使其信息更好表征​音频。Resnet34主要对表征的信息进行判别​。

3 实验

本文的实验数据如table 3​所示。其中table 4展示了不同参数量对结果（t-DCF和EER指标，指标越低越好）影响.table5对比是否使用res对系统的影响，使用功res方式更好​。table6和table7和现有系统对比。

​

4 总结

针对合成语音技术对说话人验证系统造成的挑战，本文设计直接使用原始音频的模型RW-Resnet进行Anti-Spoofing，​使其表现优异。