Subspace Partitioning

新框架通过组合因素识别合成语音来源

研究人员引入了一个新的框架，用于识别合成语音的来源，超越了简单地对生成架构进行分类。该方法将“来源”重新定义为架构、训练数据和其他影响因素的组合。通过利用结构化正交原型（Structured Orthonormal Prototypes）和子空间划分策略（Subspace Partitioning strategy），该框架旨在减少类重叠和类内方差，从而提高在部分可见来源上的性能，并在开放集场景中保持鲁棒性。