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:2507.16220v1

帮助 | 高级搜索

计算机科学 > 声音

arXiv:2507.16220v1 (cs)
[提交于 2025年7月22日 (此版本) , 最新版本 2025年7月24日 (v2) ]

标题: LENS-DF:长时噪声语音的深度伪造检测与时间定位

标题: LENS-DF: Deepfake Detection and Temporal Localization for Long-Form Noisy Speech

Authors:Xuechen Liu, Wanying Ge, Xin Wang, Junichi Yamagishi
摘要: 本研究介绍了LENS-DF,这是一种新颖且全面的训练和评估音频深度伪造检测和时间定位的方案,在复杂和现实的音频条件下进行。 该方案的生成部分以可控的方式从输入数据集中输出具有多个关键特征的音频,例如更长的持续时间、噪声条件以及包含多个说话人。 相应的检测和定位协议使用模型。 我们基于自监督学习前端和简单的后端进行实验。 结果表明,使用LENS-DF生成的数据训练的模型始终优于通过传统方案训练的模型,证明了LENS-DF在鲁棒音频深度伪造检测和定位中的有效性和实用性。 我们还对引入的变化进行了消融研究,探讨它们对领域内现实挑战的影响和相关性。
摘要: This study introduces LENS-DF, a novel and comprehensive recipe for training and evaluating audio deepfake detection and temporal localization under complicated and realistic audio conditions. The generation part of the recipe outputs audios from the input dataset with several critical characteristics, such as longer duration, noisy conditions, and containing multiple speakers, in a controllable fashion. The corresponding detection and localization protocol uses models. We conduct experiments based on self-supervised learning front-end and simple back-end. The results indicate that models trained using data generated with LENS-DF consistently outperform those trained via conventional recipes, demonstrating the effectiveness and usefulness of LENS-DF for robust audio deepfake detection and localization. We also conduct ablation studies on the variations introduced, investigating their impact on and relevance to realistic challenges in the field.
评论: 被IEEE国际生物特征会议(IJCB)2025接受,日本大阪
主题: 声音 (cs.SD) ; 密码学与安全 (cs.CR)
引用方式: arXiv:2507.16220 [cs.SD]
  (或者 arXiv:2507.16220v1 [cs.SD] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.16220
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Xuechen Liu [查看电子邮件]
[v1] 星期二, 2025 年 7 月 22 日 04:31:13 UTC (255 KB)
[v2] 星期四, 2025 年 7 月 24 日 01:25:18 UTC (255 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)
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.SD
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs
cs.CR

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