CtrSVDD: नियंत्रित गायक आवाज गहरा धोखाधड़ी पहचान के लिए एक मानक डेटासेट और आधारभूत विश्लेषण

हालिया गायक आवाज संश्लेषण और रूपांतरण प्रगति मजबूत गायक आवाज गहरा धोखाधड़ी पहचान (SVDD) मॉडल की आवश्यकता उत्पन्न करती हैं। वर्तमान SVDD डेटासेट सीमित नियंत्रणीयता, गहरा धोखाधड़ी विधियों में विविधता, और लाइसेंसिंग प्रतिबंधों के कारण चुनौतियों का सामना करते हैं। इन अंतरालों को संबोधित करते हुए, हम CtrSVDD प्रस्तुत करते हैं, जो कि वास्तविक और गहरे धोखाधड़ी गायक वोकल्स का एक बड़े पैमाने पर, विविध संग्रह है। ये वोकल्स सार्वजनिक रूप से उपलब्ध गायक आवाज डेटासेट से अत्याधुनिक विधियों का उपयोग करके संश्लेषित किए गए हैं। CtrSVDD में 47.64 घंटे के वास्तविक और 260.34 घंटे के गहरे धोखाधड़ी गायक वोकल्स शामिल हैं, जो 14 गहरे धोखाधड़ी विधियों के साथ हैं और 164 गायक पहचानों को शामिल करते हैं। हम एक आधारभूत प्रणाली भी प्रस्तुत करते हैं जिसमें लचीले फ्रंट-एंड फीचर्स हैं, जो संरचित ट्रेन/dev/eval विभाजन के खिलाफ मूल्यांकन की गई है। प्रयोगों से फीचर चयन के महत्व का पता चलता है और दिखाता है कि प्रशिक्षण वितरण से और भी अधिक हटकर गहरा धोखाधड़ी विधियों के लिए सामान्यीकरण की आवश्यकता है। CtrSVDD डेटासेट और आधारभूत सार्वजनिक रूप से उपलब्ध हैं.