Desarrollo de un dataset de suplantación de voz con una muestra de 15 personas de la carrera de computación de la Universidad Nacional de Loja mediante el uso de la red StarGAN y su evaluación con un modelo LFCC-LCNN preentrenado en español.

Abstract

El presente trabajo abordó la la carencia de datasets representativos para la detección de voice spoofing, un desafío creciente en el campo de la inteligencia artificial, centrado en el análisis del modelo LFCC-LCNN utilizando un dataset generado mediante la red StarGAN, basado en muestras de 15 personas del cantón Loja. El objetivo principal fue evaluar la Tasa de Error de Igualación (EER) del modelo con un enfoque específico en las características fonéticas del español ecuatoriano, por lo que se lo desarrolló bajo la metodología CRISP-ML(Q), que estructuró el proceso en fases, desde la recolección y generación del dataset, pasando por su preprocesamiento y transformación, hasta la evaluación del modelo. Las grabaciones se realizaron en entornos no controlados, utilizando equipos básicos, lo que generó un dataset no tan robusto. Los resultados mostraron que la Tasa de Error de Igualación varió significativamente dependiendo de la composición del dataset, en el peor escenario, con el dataset generado se obtuvo un EER del 63.85%, mientras que en el mejor caso, al combinar datos generados con muestras originales, se alcanzó un EER del 26.71%, lo que indicar que el desempeño del modelo no se vio limitado por su arquitectura, sino por la discrepancia entre los acentos presentes en el dataset de entrenamiento, que incluía datos venezolanos, argentinos y chilenos, y el dataset evaluado con acento lojano, además la calidad del dataset y el desbalance en la muestra también influyeron en los resultados. El estudio evidenció la importancia de desarrollar datasets representativos de la población objetivo para cubrir la carencia de datasets en este ambito, por lo que se recomienda continuar esta línea de investigación ampliando el dataset y explorando arquitecturas más robustas que integren técnicas de aprendizaje transferido.