KCI우수등재
CNN과 MKDE 모델의 직렬 연결을 기반한 합성 음성 분류 = Synthetic Speech Classification based on Cascade Connection of CNN and MKDE Models
저자
발행기관
학술지명
전자공학회논문지(Journal of the Institute of Electronics and Information Engineers )
권호사항
발행연도
2023
작성언어
Korean
주제어
등재정보
KCI우수등재
자료형태
학술저널
발행기관 URL
수록면
94-101(8쪽)
제공처
Speech synthesis algorithms developed over the past few years can be easily used by the general public and have excellent performance. If these technologies are used maliciously, they can be used for various crimes such as people impersonation and fake news. Therefore, many studies have been conducted recently to solve these problems, and various synthetic speech detectors have been developed in many previous studies. In this paper, we propose a synthetic speech classification model that enables the classification of which algorithms are used to synthesize speech in situations where synthetic speech has effects such as noise, reverberation, and compression. The proposed model consists of CNN (Convolutional Neural Network) and MKDE (Multivariate Kernel Density Estimation). In the CNN model, the melspectrogram of the audio signal was used as a feature, and in the MKDE model, the PDF (Probability Density Function) of the training class was estimated using the logit value of the CNN as a feature. The data used for model training and evaluation were provided at the 2022 IEEE Signal Processing Cup. The final model performance shows 96.5% and 95.5% accuracy in noise-free, and noisy, respectively.
더보기지난 수년간 개발된 음성 합성 알고리즘들은 일반인들이 쉽게 사용 가능하고 그 성능 또한 우수하다. 이러한 기술이 악의적으로 사용될 경우 유명인 사칭, 가짜 뉴스 등 여러 범죄에 사용될 수 있다. 따라서 이런 문제들을 해결하기 위한 연구들이 최근 많이 진행되고 있고, 많은 선행연구에서 다양한 합성 음성 검출기들이 개발되었다. 따라서 본 논문에서 합성 음성이 잡음, 반향, 압축 등의 영향이 있는 상황에서 어떤 알고리즘으로 음성이 합성되었는지 분류가 가능한 합성 음성 분류 모델을 제안한다. 제안 모델은 CNN (Convolutioal Neural Network) 과 MKDE (Multivariate Kernel Density Estimation) 로 구성되어 있다. CNN 모델에서는 특징으로 오디오 신호의 melspectrogram을 사용하였고, MKDE 모델에서는 CNN의 logit 값을 특징으로 사용하여 훈련 클래스의 PDF (Probability Density Function)를 추정하였다. 모델 학습과 평가를 위해 사용된 데이터는 2022 IEEE Signal Processing Cup에서 제공되었던 것으로 최종 모델 성능은 잡음이 없는 경우, 잡음이 있는 경우에서 각각 96.5 %, 95.5 %의 정확도를 보여준다.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)