| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2023-03-03 09:10 Study on Analysis of Amplitude and Frequency Perturbation in the Voice for Fake Audio Detection Kai Li・Yao Wang・Minh Le Nguyen・Masato Akagi・○Masashi Unoki（JAIST）  EMM2022-88 |
|
| 抄録 | （和） | (まだ登録されていません) |
| （英） | Fake audio detection (FAD) aims to detect fake speech generated by advanced voice conversion and text-to-speech technologies. Recently, the quality of synthesized speech has significantly improved due to the remarkable development of deep neural networks. However, it is still easy for humans to identify fake speech by perceiving pathological prosody in a voice. Pathological prosody is significantly related to the amplitude and frequency perturbation (AFP) in the voice and provides essential cues to identify fake speech. This paper proposed to analyze AFP differences in the voice using the jitter and shimmer features. According to the statistical analysis of AFP features, the continuous-shimmer feature (CS3) can effectively separate genuine and fake speech signals. Moreover, static and dynamic CS3 features were combined with a light convolutional neural network bidirectional long short-term memory (LCNN-BLSTM)-based FAD system, and experiments on datasets of the Audio Deep Synthesis Detection Challenge (ADD2022) were carried out. The results of the experiments show that both the static and dynamic shimmer features of voice can provide complementary knowledge to the traditional spectrum-based FAD systems. | |
| キーワード | （和） | / / / / / / / |
| （英） | fake audio detection / prosodic feature / amplitude and frequency perturbation / jitter and shimmer / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 412, EMM2022-88, pp. 110-115, 2023年3月. | |
| 資料番号 | EMM2022-88 | |
| 発行日 | 2023-02-23 (EMM) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | EMM2022-88 |
|
| 研究会情報 | |
| 研究会 | EMM |
| 開催期間 | 2023-03-02 - 2023-03-03 |
| 開催地（和） | 福江文化会館 |
| 開催地（英） | Fukue culture hall |
| テーマ（和） | 画質・音質評価，知覚・認知メトリクス，人間視聴覚システム，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | EMM |
| 会議コード | 2023-03-EMM |
| 本文の言語 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Study on Analysis of Amplitude and Frequency Perturbation in the Voice for Fake Audio Detection |
| サブタイトル（英） | |
| キーワード(1)（和/英） | / fake audio detection |
| キーワード(2)（和/英） | / prosodic feature |
| キーワード(3)（和/英） | / amplitude and frequency perturbation |
| キーワード(4)（和/英） | / jitter and shimmer |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | Li Kai / Kai Li / リ カイ |
| 第1著者 所属（和/英） | 北陸先端科学技術大学院大学 (略称： 北陸先端大) Japan Advanced Institute of Science and Technology (略称： JAIST) |
| 第2著者 氏名（和/英/ヨミ） | Wang Yao / Yao Wang / ワン ヤオ |
| 第2著者 所属（和/英） | 北陸先端科学技術大学院大学 (略称： 北陸先端大) Japan Advanced Institute of Science and Technology (略称： JAIST) |
| 第3著者 氏名（和/英/ヨミ） | Nguyen Minh Le / Minh Le Nguyen / グエン レ ミン |
| 第3著者 所属（和/英） | 北陸先端科学技術大学院大学 (略称： 北陸先端大) Japan Advanced Institute of Science and Technology (略称： JAIST) |
| 第4著者 氏名（和/英/ヨミ） | 赤木 正人 / Masato Akagi / アカギ マサト |
| 第4著者 所属（和/英） | 北陸先端科学技術大学院大学 (略称： 北陸先端大) Japan Advanced Institute of Science and Technology (略称： JAIST) |
| 第5著者 氏名（和/英/ヨミ） | 鵜木 祐史 / Masashi Unoki / ウノキ マサシ |
| 第5著者 所属（和/英） | 北陸先端科学技術大学院大学 (略称： 北陸先端大) Japan Advanced Institute of Science and Technology (略称： JAIST) |
| 講演者 | 第5著者 |
| 発表日時 | 2023-03-03 09:10:00 |
| 発表時間 | 25分 |
| 申込先研究会 | EMM |
| 資料番号 | EMM2022-88 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.412 |
| ページ範囲 | pp.110-115 |
| ページ数 | 6 |
| 発行日 | 2023-02-23 (EMM) |
[研究会発表申込システムのトップページに戻る]