Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2306.05617v1

帮助 | 高级搜索

计算机科学 > 声音

arXiv:2306.05617v1 (cs)
[提交于 2023年6月9日 ]

标题: 基于Wav2vec2的假音频检测低秩自适应方法

标题: Low-rank Adaptation Method for Wav2vec2-based Fake Audio Detection

Authors:Chenglong Wang, Jiangyan Yi, Xiaohui Zhang, Jianhua Tao, Le Xu, Ruibo Fu
摘要: 自监督语音模型是假音频检测领域的一个快速发展研究课题。 许多预训练模型可以作为特征提取器,学习更丰富和更高层次的语音特征。 然而,在微调预训练模型时,通常会面临训练时间过长和内存消耗高的挑战,并且完全微调也非常昂贵。 为了解决这个问题,我们将低秩适应(LoRA)应用于wav2vec2模型,冻结预训练模型权重,并在Transformer架构的每一层中注入一个可训练的秩分解矩阵,大大减少了下游任务的可训练参数数量。 与在包含317M训练参数的wav2vec2模型上使用Adam进行微调相比,LoRA通过将可训练参数的数量减少198倍,实现了相似的性能。
摘要: Self-supervised speech models are a rapidly developing research topic in fake audio detection. Many pre-trained models can serve as feature extractors, learning richer and higher-level speech features. However,when fine-tuning pre-trained models, there is often a challenge of excessively long training times and high memory consumption, and complete fine-tuning is also very expensive. To alleviate this problem, we apply low-rank adaptation(LoRA) to the wav2vec2 model, freezing the pre-trained model weights and injecting a trainable rank-decomposition matrix into each layer of the transformer architecture, greatly reducing the number of trainable parameters for downstream tasks. Compared with fine-tuning with Adam on the wav2vec2 model containing 317M training parameters, LoRA achieved similar performance by reducing the number of trainable parameters by 198 times.
评论: 6页
主题: 声音 (cs.SD) ; 计算与语言 (cs.CL); 音频与语音处理 (eess.AS)
引用方式: arXiv:2306.05617 [cs.SD]
  (或者 arXiv:2306.05617v1 [cs.SD] 对于此版本)
  https://doi.org/10.48550/arXiv.2306.05617
通过 DataCite 发表的 arXiv DOI
期刊参考: IJCAI 2023 Workshop on Deepfake Audio Detection and Analysis

提交历史

来自: Chenglong Wang [查看电子邮件]
[v1] 星期五, 2023 年 6 月 9 日 01:43:41 UTC (2,080 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
查看许可
当前浏览上下文:
cs.SD
< 上一篇   |   下一篇 >
新的 | 最近的 | 2023-06
切换浏览方式为:
cs
cs.CL
eess
eess.AS

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号