会员动态｜Interspeech 2026 远鉴两项成果入选，语音身份安全技术取得新突破

    当前，语音身份安全技术面临双重挑战。一方面，主流自动说话人验证（ASV）训练往往忽视语言分布不平衡问题，模型容易将语言线索与说话人身份纠缠在一起，导致跨语言场景下泛化能力严重受限；另一方面，面对日益逼真的语音深度伪造攻击，现有方案多停留在事后被动检测阶段，而嵌入空间扰动等主动防御方法通常从随机噪声初始化，缺乏对语音信号频谱结构的显式建模，容易被基于扩散模型的净化或频域恢复技术绕过。

    针对上述挑战，远鉴分别在跨语言声纹识别与主动语音防御两个方向提出了创新性解决方案。

    为了缓解当前模型对特定语言特征的过度依赖，远鉴创新性地提出了基于正交特征投影和流形约束神经概率线性判别分析（PLDA）的鲁棒系统。该系统在TidyVoice 2026挑战赛中表现卓越，在两大测试赛道中分别取得1.39%和1.95%的等错误率（EER），从42支参赛队伍中脱颖而出，荣获冠军，充分验证了其在复杂场景下的技术有效性。

    针对语音深度伪造的快速发展对隐私和安全构成了重大风险，远鉴提出了一种旨在防御恶意语音生成合成攻击的通用主动防御框架（FreqGuard）。实验结果表明，FreqGuard在降低针对黑盒生成合成系统的攻击成功率的同时，保持了语音质量，与现有方法相比，实现了良好的跨模型泛化能力和感知质量。

    从跨语言场景下的"认得更准"到主动防御层面的"防得更早"，两项成果分别从被动识别与主动防护两端切入，共同构筑起远鉴在语音安全领域的技术闭环。前者让身份核验在多语言复杂环境下更具判别力与可用性，后者让原始语音在面对生成合成攻击时握有前置主动权，二者互补协同，为金融、电信、公共安全等场景下的语音身份可信提供了双重保障。

    语音安全是一场没有终点的攻防较量。面向未来，远鉴将持续打磨跨语言声纹识别与主动语音防御两大技术引擎，推动前沿研究成果加速融入核心产品体系，以更稳健、更智能的语音安全能力，守护真实声音背后的身份与信任。

（来源：远鉴信息）