计算机科学 > 声音
[提交于 2024年9月13日
]
标题: DFADD:基于扩散和流匹配的音频深度伪造数据集
标题: DFADD: The Diffusion and Flow-Matching Based Audio Deepfake Dataset
摘要: 主流的零样本文本转语音生产系统,如Voicebox和Seed-TTS,分别通过利用流匹配和扩散模型实现了与人类相当的语音。 不幸的是,达到人类水平的音频合成导致了身份滥用和信息安全问题。 目前,已经开发了许多针对深度伪造音频的反欺骗模型。 然而,当前最先进的反欺骗模型在对抗基于扩散和流匹配的文本转语音系统生成的音频方面的有效性仍未知。 在本文中,我们提出了基于扩散和流匹配的音频深度伪造(DFADD)数据集。 DFADD数据集收集了基于先进扩散和流匹配文本转语音模型的深度伪造音频。 此外,我们揭示了当前的反欺骗模型在对抗由扩散和流匹配文本转语音系统生成的高度类人音频方面缺乏足够的鲁棒性。 提出的DFADD数据集弥补了这一空白,并为开发更稳健的反欺骗模型提供了有价值的资源。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.