English(EN) Supervised Post-training of Speech Foundation Models for Robust Adaptation in Speech Deepfake Detection

通过监督后训练增强语音基础模型以进行深度伪造检测

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-24 02:49

研究人员开发了一种监督后训练方法，用于增强大型语音基础模型以检测语音深度伪造。该方法通过引入局部、面向欺骗的扰动并使用帧级监督，解决了直接微调的局限性。该方法在ASVspoof5基准测试中取得了最先进的成果，在不同失真条件下均表现出鲁棒的性能。 AI

影响这项研究提供了一种更鲁棒的方法来使语音基础模型适应深度伪造检测，从而可能提高对恶意音频的安全性。

排序理由该集群包含一篇研究论文，详细介绍了一种新的语音深度伪造检测方法。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

Hugging Face Daily Papers TIER_1 English(EN) · 2026-06-24 02:49

面向语音深度伪造检测鲁棒性自适应的语音基础模型的监督后训练

Large speech foundation models have shown strong potential for speech deepfake detection, but direct fine-tuning is limited by a mismatch between self-supervised pre-training objectives and spoof-specific artifacts. To address this, we propose a mix-frame post-training strategy t…