[发明专利]语音场景篡改鉴别的方法、装置、电子设备及存储介质

说明书

本申请涉及一种语音场景篡改鉴别的方法、装置、电子设备及存储介质，所述语音场景篡改鉴别的方法，包括以下步骤：提取输入的待鉴别音频的对数功率谱的声学特征；将提取的待鉴别音频的对数功率谱的声学特征输入预先训练的语音场景篡改识别模型中，输出待鉴别音频场景是否被篡改的结果，其中，所述语音场景篡改识别模型由语音场景篡改后的音频与原始语音数据按照预设比例混合作为训练集训练得到的，本申请能够通过待鉴别音频的对数功率谱识别出语音的篡改，特别是能够应用于语音场景的篡改，从而应对语音场景篡改这一手段的危害。

技术领域

本申请涉及语音识别领域，尤其涉及一种语音场景篡改鉴别的方法、装置、电子设备及存储介质。

背景技术

伪造语音检测是判别音频为真实人声还是由录音、语音合成、语音转换技术生成的伪造语音。目前，语音场景篡改危害严重，比如，对于法庭证据的材料，被告人通过对语音场景的篡改，提供了伪造的不在场证明，从而，改变判决结果。

然而，现有技术没有考虑篡改语音场景信息的情况，即，使用音频去噪技术对原始音频的场景进行消除，在此基础上叠加其他场景的音频，达到篡改语音场景的目的。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本申请的实施例提供了一种语音场景篡改鉴别的方法、装置、电子设备及存储介质。

第一方面，本申请的实施例提供了一种语音场景篡改鉴别的方法，包括以下步骤：

提取输入的待鉴别音频的对数功率谱的声学特征；

将提取的待鉴别音频的对数功率谱的声学特征输入预先训练的语音场景篡改识别模型中，输出待鉴别音频是否被篡改的结果，其中，所述语音场景篡改识别模型由语音场景篡改后的音频与原始语音数据按照预设比例混合作为训练集训练得到的。

优选地，所述提取输入的待鉴别音频的对数功率谱的声学特征，包括：

对待鉴别音频信号的时域波形图进行短时傅里叶变换，得到变换后的复数矩阵；

根据变换后的复数矩阵生成二维像素矩阵，作为对数功率谱的声学特征。

优选地，所述复数矩阵包括实部矩阵和虚部矩阵，根据变换后的复数矩阵生成二维像素矩阵，作为对数功率谱的声学特征，包括：

调整实部矩阵和虚部矩阵的横坐标和纵坐标，使得实部矩阵和虚部矩阵的横坐标和纵坐标的最值均相同；

将调整后的实部矩阵和虚部矩阵拼接为二维像素矩阵，以作为双通道矩阵输入预先训练的语音场景篡改识别模型。

优选地，通过以下表达式，将调整后的实部矩阵和虚部矩阵拼接为二维像素矩阵：

其中，LPS为二维像素矩阵的像素纵坐标取值，log表示取对数操作，X_r为与二维像素矩阵同一像素横坐标下实部矩阵的像素纵坐标取值，X_i为与二维像素矩阵同一像素横坐标下虚部矩阵的像素纵坐标取值。

优选地，所述语音场景篡改识别模型由语音场景篡改后的音频与原始语音数据按照预设比例混合作为训练集训练得到，包括：

对原始语音数据进行语音场景篡改，得到语音场景篡改后的音频；

将语音场景篡改后的音频与原始语音数据按照预设比例混合为训练集；

提取训练集的语音的对数功率谱的声学特征；

利用训练集的语音的对数功率谱的声学特征训练神经网络，得到语音场景篡改识别模型。

优选地，所述神经网络为膨胀压缩神经网络、深度神经网络、卷积神经网络和循环神经网络中的任意一种。