面向音频增强的假音乐检测性能评估
声音
2025-07-15 v1 人工智能
机器学习
音频与语音处理
摘要
随着生成音频模型的快速发展，区分人类创作音乐与合成音乐的能力日益增强。作为响应，提出了用于检测伪造音乐的模型。本文探讨了此类系统在音频增强下的鲁棒性。为评估模型的泛化能力，我们构建了一个包含真实音乐与多种系统生成的合成音乐的数据集。随后，我们应用多种音频变换并分析其对分类准确率的影响。我们测试了最新 SOTA 音乐深度伪造检测模型在音频增强下的表现。即使引入轻微增强，模型的性能也会显著下降。
引用
@article{arxiv.2507.10447,
title = {Evaluating Fake Music Detection Performance Under Audio Augmentations},
author = {Tomasz Sroka and Tomasz Wężowicz and Dominik Sidorczuk and Mateusz Modrzejewski},
journal= {arXiv preprint arXiv:2507.10447},
year = {2025}
}
备注
ISMIR 2025 LBD, 2 pages + bibliography, 1 figure