时频注意力和通道式门控的合成语声检测

摘要： 深度神经网络的发展极大提高了合成语声的相似度和自然度，这给合成语声检测带来了全新挑战。为了充分利用语声数据中的时域和频域信息，并根据输入的语声数据动态地选择通道特征以抑制不相关的通道，提出了一种基于时频注意力和通道式门控的合成语声检测模型。该模型首先利用SincNet架构进行前端特征学习；然后，通过时频注意力模块有效地整合时域与频域信息并突出其关键信息；最后，使用多组潜在空间通... （共9页）