基于深度学习的录音回放检测

摘要

本文基于深度学习的方法来识别声音是否为录音回放。首先以《AISHELL-ASR0009-OS1开源普通话语料库》为原始语音,随机抽取音频录制回放以构建实验数据集。采用梅尔频率倒谱系数(MFCC)提取声音特征,使用ReLU激活函数的BP神经网络模型进行深度学习。最终结果表明,BP神经网络的深度学习训练得到的模型对录音回放的误识率为0.00%,对原始语音的拒识率为2.33%。可以有效稳定地防录音回放的攻击。