检测音乐深度伪造
声音
2025-05-16 v1 机器学习
摘要
文本转音乐 (Text-to-Music, TTM) 平台的兴起使音乐创作更加普及，用户能够轻松生成高质量的作品。然而，这一创新也为音乐家及更广泛的音乐产业带来了新的挑战。本研究利用 FakeMusicCaps 数据集，通过对音频进行分类以区分深度伪造与人类创作。为模拟现实中的对抗性条件，我们对数据集应用了节拍拉伸和音调平移。随后从修改后的音频生成梅尔频谱图，并用于训练和评估卷积神经网络。除了呈现技术结果外，本文还探讨了 TTM 平台的伦理与社会影响，主张精心设计的检测系统对于既能保护艺术家，又能在音乐中实现生成式 AI 的积极潜力至关重要。
引用
@article{arxiv.2505.09633,
title = {Detecting Musical Deepfakes},
author = {Nick Sunday},
journal= {arXiv preprint arXiv:2505.09633},
year = {2025}
}
备注
Submitted as part of coursework at UT Austin. Accompanying code available at: https://github.com/nicksunday/deepfake-music-detector