两篇新的研究论文探讨了检测音频深度伪造所面临的挑战，特别是在涉及来源标记时。第一篇论文 MADBench 引入了一个区分合成语音和环境音频的基准，揭示了环境音频操纵更易于检测，但当前的检测器在这两方面都失败了。第二篇论文《水印捷径》展示了如何为合成语音添加水印会无意中为检测器创造一个“捷径”，导致性能下降和对真实音频产生误报。这项研究强调了需要更鲁棒的检测方法来考虑不同的音频组件和来源信息。 AI
影响 强调了当前音频深度伪造检测方法的缺陷，特别是关于来源标记方面，并呼吁建立更鲁棒、感知组件的检测系统。
排序理由 两篇在 arXiv 上发表的学术论文，介绍了与音频深度伪造检测相关的新基准和发现。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2608.09593v1 Announce Type: cross Abstract: Recent advances in speech synthesis and audio generation have made high-fidelity acoustic forgery low-cost and difficult to attribute, enabling a realistic attack scenario in which speech and background audio are independently man…
arXiv:2606.23335v2 Announce Type: replace-cross Abstract: Provenance watermarking is increasingly treated as a safeguard for synthetic speech, whether built directly into speech-generation models such as Chatterbox, provided through dedicated techniques such as AudioSeal, or depl…