自动说话人认证系统是一种常见的目标说话人认证方案，但在合成语音攻击下表现出脆弱性。合成语音检测系统试图解决这一问题。提出了一种基于Transformer编码器的合成语音检测方法，该方法利用自注意机制学习输入特征的长期依赖性。合成语音检测不注意句子的抽象语义特征，参数小的模型也能获得较好的检测性能。本文在Transformer编码器上测试了四种常见的合成语音检测特征的性能。在ASVs poof2019 challenge的逻辑攻击数据集上，基于线性频率倒谱系数和Transformer编码器的特性，系统等误码率和串联检测代价函数分别为3.13%和0.0708，模型参数量仅为0.082 M，在小参数下取得了较好的检测性能。