电气工程与系统科学 > 音频与语音处理
[提交于 2025年6月26日
]
标题: 后训练用于深度伪造语音检测
标题: Post-training for Deepfake Speech Detection
摘要: 我们引入了一种后训练方法,通过弥合通用预训练和领域特定微调之间的差距,将自监督学习(SSL)模型适应于深度伪造语音检测。 我们提出了AntiDeepfake模型,这是一系列使用包含超过56,000小时真实语音和超过一百种语言中18,000小时具有各种伪影的语音的大规模多语言语音数据集开发的后训练模型。 实验结果表明,这些后训练模型已经表现出对未见过的深度伪造语音的强大鲁棒性和泛化能力。 当它们在Deepfake-Eval-2024数据集上进一步微调时,这些模型始终超越不利用后训练的现有最先进检测器。 模型检查点和源代码可在网上获取。
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.