大学生群体对音频深度伪造的感知研究

深度伪造是指利用 AI 方法生成或操纵以冒充真实的内容或材料。深度伪造有四种不同类型：音频、视频、图像和文本。在本研究中，我们关注音频深度伪造以及人们如何感知它。有若干音频深度伪造生成框架，但我们选择了 MelGAN，这是一种非自回归且快速的音频深度伪造生成框架，所需参数更少。本研究试图评估不同专业大学生对音频深度伪造的感知。本研究还回答了他们的背景和专业如何影响其针对 AI 生成的深度伪造的感知这一问题。我们还基于以下不同方面分析了结果：年级水平、音频片段中所用语法的复杂程度、音频片段的长度、是否知晓深度伪造一词以及政治角度。有趣的是，结果表明当音频片段具有政治内涵时，即使内容相当相似，也会影响人们对其真实或伪造的判断。本研究还探讨了背景和专业如何影响对深度伪造的感知这一问题。