PulseAugur
中
实时 06:01:16
English(EN) Disentangling Speaker Traits for Deepfake Source Verification via Chebyshev Polynomial and Riemannian Metric Learning

新框架解耦说话人特征以进行深度伪造源验证

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个名为说话人解耦度量学习（SDML）的新框架，以提高深度伪造语音源验证的准确性。该框架解决了当前系统通常假设源嵌入独立于说话人特征的挑战，而这一假设可能不成立。SDML 结合了利用切比雪夫多项式稳定优化的新颖损失函数，以及在双曲空间中使用黎曼度量距离来减少说话人信息并增强源特征的可辨别性。在 MLAAD 基准测试上的实验证明了该框架的有效性，尤其是在为源说话人解耦设计的专门协议下。 AI

影响 这项研究可能带来更强大的合成语音检测能力，从而提高音频通信的安全性和可信度。

排序理由 学术论文，详细介绍了一个新的技术框架和实验结果。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

新框架解耦说话人特征以进行深度伪造源验证

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Xi Xuan, Wenxin Zhang, Zhiyu Li, Jennifer Williams, Ville Hautam\"aki, Tomi H. Kinnunen ·

    利用切比雪夫多项式和黎曼度量学习解耦说话人特征用于深度伪造源验证

    arXiv:2603.21875v2 Announce Type: replace-cross Abstract: Speech deepfake source verification systems aims to determine whether two synthetic speech utterances originate from the same source generator, often assuming that the resulting source embeddings are independent of speaker…

相关实体

相关话题