09:28arXiv cs.LG@Vojtěch Staněk, Veronika Jirmusová, Anton Firc, Kamil Malinka, Jakub Reš, Martin Perešíni精选这篇论文提出了一种基于集成梯度的音频可解释性方法,用于分析深度伪造语音检测器的决策依据。研究者对三种基于WavLM的检测器(AASIST、CA-MHFA、SLS)在ASVspoof 5数据集上进行分析,发现尽管性能相近,它们依赖的线索截然不同:AASIST更关注非语音/环境线索,CA-MHFA聚焦于局部音素伪影,而SLS则依赖词边界和频谱完整性。通过因果掩码验证,研究者证实了这些线索对检测性能的关键影响。这项工作揭示了深度伪造检测的“黑箱”问题,为改进检测器的鲁棒性和可解释性提供了方向。论文深度伪造检测可解释性语音安全WavLM集成梯度推荐理由:做语音安全或深度伪造检测的开发者,这篇论文能帮你理解不同模型的实际决策逻辑,避免盲目调参——看完你会知道该关注环境音还是音素质感。原文
09:24arXiv cs.LG@Vojtěch Staněk, Anton Firc, Jakub Reš, Kamil Malinka精选该研究提出了一种基于说话人参考录音的条件反欺骗架构,但发现模型在推理时会忽略参考信息。令人意外的是,使用参考通道进行训练能诱导模型产生不变性,从而提升深度伪造检测能力,即使推理时参考缺失或不匹配。基于此,研究者提出了参考增强训练(RAT)策略,在推理时即使将参考替换为零向量,检测性能仍优于单次语音基线。通过严格分析,他们证明优化过程会迅速降低参考贡献,使推理几乎独立于参考通道。采用RAT,单个检测器在ASVspoof 5基准上实现了2.57%的等错误率和0.074的最小检测代价函数,超越了大型集成系统。论文语音反欺骗深度伪造检测参考增强训练ASVspoof 5说话人验证推荐理由:这项研究揭示了训练策略对模型鲁棒性的意外影响,做语音反欺骗的团队可以直接用RAT提升检测性能,值得关注。原文