精选理由
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。
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。
AI 翻译 · 中文
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。
Deepfake speech detectors often output a single score without explaining why an audio sample is flagged, where in the signal the evidence lies, or what cues drive the decision. We propose an audio-native explainability p…