Apprentissage Profond pour l’Anti-Spoofing Vocal : Robustesse et Généralisation Améliorées

Mots-clés en français : Apprentissage Profond ; Détection de Spoofing Vocal.
Résumé en français :
Nos travaux portent sur le développement de modèles d’apprentissage profond pour la détection de spoofing vocal, dans le but d’améliorer la vérification du locuteur et de
prévenir les usurpations d’identité. Nous commençons par définir le domaine dans lequel
s’inscrit cette thèse, avec un focus particulier sur la parole, puis présentons un état de
l’art permettant d’identifier les limites actuelles que nous avons cherché à dépasser. Nos
contributions se concentrent sur l’exploration de représentations issues de modèles de
fondation en parole comme front-end pour l’extraction de caractéristiques, ainsi que sur
leur interaction avec des modèles back-end à l’état de l’art afin d’apprendre à distinguer
les signaux authentiques des spoofings. Enfin, nous simplifions la chaîne de traitement
en réduisant la taille du back-end tout en obtenant de meilleures performances que des
modèles de plus grande capacité. Nous concluons par une synthèse de nos travaux et
de nos résultats, avant de proposer des perspectives permettant de repousser les limites
rencontrées au cours de cette thèse.

Mots-clés en anglais : Deep Learning ; Speech Anti-Spoofing.
Résumé en anglais :
Our work focuses on developing deep learning models for vocal spoofing detection,
with the objective of enhancing speaker verification and preventing identity imperso-
nation. We first introduce the research domain in which this thesis is situated, with a
particular emphasis on speech, and then provide a literature review to identify current
limitations that we aim to address. Our contributions revolve around exploring speech
foundation models as front-end feature extractors and investigating their interaction with
state-of-the-art back-end models to effectively learn discriminative representations for de-
tecting spoofed audio. Finally, we streamline the processing pipeline by reducing the size
of the back-end while surpassing the performance of larger models. We conclude with
an overview of our findings and propose future research directions to push beyond the
limitations encountered throughout this thesis.