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 > eess > arXiv:2508.04143

帮助 | 高级搜索

电气工程与系统科学 > 音频与语音处理

arXiv:2508.04143 (eess)
[提交于 2025年8月6日 ]

标题: 多语言语音深度伪造源追踪:首个基准测试

标题: Multilingual Source Tracing of Speech Deepfakes: A First Benchmark

Authors:Xi Xuan, Yang Xiao, Rohan Kumar Das, Tomi Kinnunen
摘要: 最近生成式AI的进展使得仅需几秒钟的音频就能创建出听起来自然的深度伪造语音变得更加容易。 尽管这些工具支持有益的应用,但它们也引发了严重的问题,因为可以生成许多语言的令人信服的虚假语音。 当前的研究主要集中在检测虚假语音上,但对于追踪生成虚假语音的源模型却关注较少。 本文介绍了第一个多语言语音深度伪造源追踪的基准,涵盖了单语和跨语言场景。 我们比较研究了DSP和SSL建模;探讨了在不同语言上微调的SSL表示如何影响跨语言泛化性能;并评估了对未见过的语言和说话人的泛化能力。 我们的研究结果提供了在训练和推理语言不同时识别语音生成模型的挑战方面的首次全面见解。 数据集、协议和代码可在 https://github.com/xuanxixi/Multilingual-Source-Tracing 获取。
摘要: Recent progress in generative AI has made it increasingly easy to create natural-sounding deepfake speech from just a few seconds of audio. While these tools support helpful applications, they also raise serious concerns by making it possible to generate convincing fake speech in many languages. Current research has largely focused on detecting fake speech, but little attention has been given to tracing the source models used to generate it. This paper introduces the first benchmark for multilingual speech deepfake source tracing, covering both mono- and cross-lingual scenarios. We comparatively investigate DSP- and SSL-based modeling; examine how SSL representations fine-tuned on different languages impact cross-lingual generalization performance; and evaluate generalization to unseen languages and speakers. Our findings offer the first comprehensive insights into the challenges of identifying speech generation models when training and inference languages differ. The dataset, protocol and code are available at https://github.com/xuanxixi/Multilingual-Source-Tracing.
评论: 被Interspeech SPSC 2025 - 第五届语音通信安全与隐私研讨会(口头报告)接受
主题: 音频与语音处理 (eess.AS) ; 计算与语言 (cs.CL); 声音 (cs.SD)
引用方式: arXiv:2508.04143 [eess.AS]
  (或者 arXiv:2508.04143v1 [eess.AS] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.04143
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Xi Xuan [查看电子邮件]
[v1] 星期三, 2025 年 8 月 6 日 07:11:36 UTC (1,405 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • 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 | 2025-08
切换浏览方式为:
cs
cs.CL
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