一种基于背景噪音的合成语音检测方法、装置及存储介质

本发明公开了一种基于背景噪音的合成语音检测方法、装置及存储介质，属于深度学习技术领域。该方法包括：采用编码器从原始音频中提取包含复合特征的样本编码；将样本编码输入RVQs中进行特征提取，采用隐元模型指导VQ1提取样本编码中的语义特征，并通过RVQs的残差结构将语义特征从复合特征中剥离，得到纯净声学特征；采用自然语言3代模型指导VQ2和VQ3分别提取纯净声学特征中的韵律特征和说话人信息，并将韵律特征和说话人信息从纯净声学特征中剥离，获得纯净的背景噪音信息；将背景噪音信息输入检测模型中进行语音检测，判定原始音频是否为合成音频。提高了检测效率与准确率，并确保了隐私保护和数据安全的平衡。