Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2409.08731

帮助 | 高级搜索

计算机科学 > 声音

arXiv:2409.08731 (cs)
[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

Authors:Jiawei Du, I-Ming Lin, I-Hsiang Chiu, Xuanjun Chen, Haibin Wu, Wenze Ren, Yu Tsao, Hung-yi Lee, Jyh-Shing Roger Jang
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。
摘要: Mainstream zero-shot TTS production systems like Voicebox and Seed-TTS achieve human parity speech by leveraging Flow-matching and Diffusion models, respectively. Unfortunately, human-level audio synthesis leads to identity misuse and information security issues. Currently, many antispoofing models have been developed against deepfake audio. However, the efficacy of current state-of-the-art anti-spoofing models in countering audio synthesized by diffusion and flowmatching based TTS systems remains unknown. In this paper, we proposed the Diffusion and Flow-matching based Audio Deepfake (DFADD) dataset. The DFADD dataset collected the deepfake audio based on advanced diffusion and flowmatching TTS models. Additionally, we reveal that current anti-spoofing models lack sufficient robustness against highly human-like audio generated by diffusion and flow-matching TTS systems. The proposed DFADD dataset addresses this gap and provides a valuable resource for developing more resilient anti-spoofing models.
评论: 被IEEE SLT 2024接受
主题: 声音 (cs.SD) ; 音频与语音处理 (eess.AS)
引用方式: arXiv:2409.08731 [cs.SD]
  (或者 arXiv:2409.08731v1 [cs.SD] 对于此版本)
  https://doi.org/10.48550/arXiv.2409.08731
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Jiawei Du [查看电子邮件]
[v1] 星期五, 2024 年 9 月 13 日 11:33:34 UTC (275 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
eess.AS
< 上一篇   |   下一篇 >
新的 | 最近的 | 2024-09
切换浏览方式为:
cs
cs.SD
eess

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号