[发明专利]一种回放边界负样例的增量式生成语音检测方法和系统

权利要求书

1.一种回放边界负样例的增量式生成语音检测方法，其特征在于，所述方法包括：

步骤S1、音频声学特征提取：提取输入音频的音频声学特征；

步骤S2、模型训练：将所述音频声学特征输入深度学习网络，对所述深度学习网络进行训练；

步骤S3、旧数据挑选：在训练第k批数据时，通过第k批数据中真实语音的特征向量的平均值和能被训练后的深度学习网络正确检测出的生成语音的特征向量，在所述能被训练后的深度学习网络正确检测出的生成语音中挑选出M/k个生成语音，将第k批以前数据保存的生成语音中删除M/k个生成语音，再将所述挑选出M/k个生成语音与删除了M/k个生成语音后的第k批以前数据保存的生成语音混合，作为挑选出的旧数据；所述M为旧数据的总量；

在所述步骤S3中，所述在所述能被训练后的深度学习网络正确检测出的生成语音中挑选出M/k个生成语音的方法包括：

计算生成语音的特征向量与真实语音的特征向量的距离；

挑选出距离最短的M/k个生成语音，具体为从近到远的前M/k个，如果M/k为非整数时，向下取整数；

在所述步骤S3中，将所述挑选出M/k个生成语音与第k批以前数据保存的生成语音混合之前所述方法还包括：

将第k批以前数据保存的生成语音中的每一批数据按照距离从远到近的顺序进行删除，使每一批数据的数据量为M/k；

步骤S4、新旧数据混合回放：在训练第k+1批数据时，将所述挑选出的旧数据与所述第k+1批数据混合回放，得到第k+1批训练数据；

步骤S5、增量式更新：应用所述第k+1批训练数据对所述训练后的深度学习网络进行增量式更新；

步骤S6：应用增量式更新后的深度学习网络，完成语音检测。

2.根据权利要求1所述的一种回放边界负样例的增量式生成语音检测方法，其特征在于，在所述步骤S3中，所述第k批数据中真实语音的特征向量的平均值的计算方法包括：

应用当前的所述第k批数据上训练后的深度学习网络，计算所述第k批数据中的真实语音的特征向量的平均值；所述真实语音的特征向量为，所述真实语音输入所述训练后的深度学习网络后，所述训练后的深度学习网络除去最后一层全连接层以外的结构的输出；

计算所述第k批数据中的真实语音的特征向量的平均值的具体公式为：

其中，

g_k(·)为训练后的深度学习网络；

x_真实i为第i个真实语音的音频声学特征；

g_k(x_真实i)为第i个真实语音的特征向量；

N_真实k为真实语音的个数；

μ_真实k为第k批数据中的真实语音的特征向量的平均值。

3.根据权利要求1所述的一种回放边界负样例的增量式生成语音检测方法，其特征在于，在所述步骤S3中，所述能被训练后的深度学习网络正确检测出的生成语音的特征向量的计算方法包括：

应用当前的所述第k批数据上训练后的深度学习网络，挑选当前的所述第k批数据中可以被所述训练后的深度学习网络正确检测出的生成语音集合；

再计算所述生成语音集合中所有生成语音的特征向量；

所述生成语音的特征向量为，所述生成语音集合中的生成语音输入所述训练后的深度学习网络后，所述训练后的深度学习网络除去最后一层全连接层以外的结构的输出。

4.根据权利要求3所述的一种回放边界负样例的增量式生成语音检测方法，其特征在于，在所述步骤S3中，能被训练后的深度学习网络正确检测出的标准为：当前训练后的深度学习网络预测的生成概率大于0.5。

5.根据权利要求1所述的一种回放边界负样例的增量式生成语音检测方法，其特征在于，在所述步骤S4中，所述将所述挑选出的旧数据与所述第k+1批数据混合回放的方法包括：

将所述挑选出的M个旧数据进行复制扩展，使旧数据的总量与第k+1批数据的量相同，使所述旧数据与第k+1批数据总量比为1:1。