Emoanti：基于情感引导表示的音频反深度伪造
声音
2025-09-16 v1
摘要
音频深度伪造技术日益成熟，缺乏有效检测方法将致命。虽然大多数检测系统主要依赖低级声学特征或预训练语音表示，但常常忽视高阶情感线索，这些线索可为检测提供补充且潜在具有反深度伪造信息，从而提升泛化能力。本文提出一种新型音频反深度伪造系统（EmoAnti），其利用情感特征（EmoAnti），通过在情感识别任务上微调的预训练 Wav2Vec2（W2V2）模型提取情感引导的表示，然后设计基于卷积层与残差连接的专用特征提取器，以有效捕获来自变换层输出的情感特征。实验结果表明，我们的 proposed 架构在ASVspoof2019LA和ASVspoof2021LA基准测试上实现了最先进的性能，并在ASVspoof2021DF数据集上显示出强大的泛化能力。我们的方法的代码已在Anonymous GitHub上提供。
引用
@article{arxiv.2509.10781,
title = {Emoanti: audio anti-deepfake with refined emotion-guided representations},
author = {Xiaokang Li and Yicheng Gong and Dinghao Zou and Xin Cao and Sunbowen Lee},
journal= {arXiv preprint arXiv:2509.10781},
year = {2025}
}