一种基于语音分割的合成语音检测方法与流程

技术特征：

1.一种基于语音分割的合成语音检测方法，其特征在于，分别将自然语音和合成语音提取到的cqcc特征输入到两个初始化后的gmm模型值中进行训练，采用训练完成的gmm模型对输入的语音进行检测，得到检测结果。

2.根据权利要求1所述的一种基于语音分割的合成语音检测方法，其特征在于，训练具体为训练4个gmm模型，自然语音数据集与合成语音数据集各训练两个gmm模型。

3.根据权利要求2所述的一种基于语音分割的合成语音检测方法，其特征在于，自然语音数据集对应的两个gmm模型的训练过程为：

将自然语音数据集进行预处理得到分割后的语音片段和无声片段，对有声片段进行cqcc特征提取，对无声片段计算其过零率；

将cqcc和过零率分别输入两个gmm模型进行训练，更新其参数；

达到预设的训练次数，最终得到参数训练好的gmm模型。

4.根据权利要求3所述的一种基于语音分割的合成语音检测方法，其特征在于，合成语音数据集对应的两个gmm模型的训练过程为：

将合成语音数据集进行预处理得到分割后的语音片段和无声片段，对有声片段进行cqcc特征提取，对无声片段计算其过零率；

将cqcc和过零率分别输入两个gmm模型进行训练，更新其参数；

达到预设的训练次数，最终得到参数训练好的gmm模型。

5.根据权利要求4所述的一种基于语音分割的合成语音检测方法，其特征在于，所述预处理具体为：

从自然语音数据集或合成语音数据集中获取全部的训练数据，并检查语音识别的采样率；

判断采样率是否为16khz，若否，则使用工具包sox转换语音采样率为16khz，当语音采样率为16khz时，使用语音强制对齐工具p2fa检测语音信号的端点，以此标记语音句子中每个单词的开始和结束位置；

根据标记的端点进行语音切割，将语音数据分割为单词片段以及无声片段。

6.根据权利要求5所述的一种基于语音分割的合成语音检测方法，其特征在于，所述cqcc特征提取，包括以下分步骤：

将有声片段进行预加重处理；

将预加重处理后的有声片段按10ms分为短段，每段之间有部分重叠；然后进行加窗；

进行恒定q变换，然后将幅度平方取对数获得功率谱，对功率谱进行均匀采样，最后进行离散余弦变换，得到cqcc系数。

7.根据权利要求6所述的一种基于语音分割的合成语音检测方法，其特征在于，还包括对训练好的两个gmm模型进行加权求和，通过分别对两个gmm模型赋予不同的权重并测试准确率，两个gmm模型权重之和为1，选择准确率最大值对应的权重作为两个gmm模型的权重。

8.根据权利要求7所述的一种基于语音分割的合成语音检测方法，其特征在于，检测过程具体为：

将输入的完整语音按照单词进行分片，同时产生无声的静默片段；

对语音片段进行cqcc特征提取，并计算无声片段的过零率；

将cqcc和过零率输入已经训练好的gmm模型进行推断，得出检测结果。

技术总结
本发明公开一种基于语音分割的合成语音检测方法，应用于语音检测领域，针对现有技术的检测精度低的问题，本发明提取音频中的两种特征：有声片段的CQCC特征，提取音频的无声(静音)片段的平均过零率特征；然后采用两个GMM模型分别对两种特征进行拟合，并对两个GMM赋予不同的权值并测试，找到最合适的权重；显著提升了合成语音的检测精度。

技术研发人员：詹瑾瑜;江维;蒲治北;杨永佳;边晨;雷洪;江昱呈;于安泰
受保护的技术使用者：电子科技大学
技术研发日：2021.03.04
技术公布日：2021.06.22