Fake-Mamba：使用双向 Mamba 作为自注意力替代的实时语音深度伪造检测
音频与语音处理
2025-08-14 v1 人工智能
计算与语言
机器学习
系统与控制
系统与控制
摘要
语音合成的进步加剧了安全威胁，推动了实时深度伪造检测的研究。我们研究双向 Mamba 能否作为自注意力在检测合成语音方面的竞争性替代方案。我们的解决方案 Fake-Mamba 集成了 XLSR 前端与双向 Mamba，以捕获局部和全局伪影。我们的核心创新引入了三个高效编码器：TransBiMamba、ConBiMamba 和 PN-BiMamba。利用 XLSR 丰富的语言表示，PN-BiMamba 能够有效捕获合成语音的细微线索。在 ASVspoof 21 LA、21 DF 和 In-The-Wild 基准测试上进行评估，Fake-Mamba 分别实现了 0.97%、1.74% 和 5.85% 的 EER，相较于 SOTA 模型 XLSR-Conformer 和 XLSR-Mamba 取得了显著的相对提升。该框架在不同话语长度下保持实时推理，展现出强大的泛化能力和实用可行性。代码可在 https://github.com/xuanxixi/Fake-Mamba 获取。
引用
@article{arxiv.2508.09294,
title = {Fake-Mamba: Real-Time Speech Deepfake Detection Using Bidirectional Mamba as Self-Attention's Alternative},
author = {Xi Xuan and Zimo Zhu and Wenxin Zhang and Yi-Cheng Lin and Tomi Kinnunen},
journal= {arXiv preprint arXiv:2508.09294},
year = {2025}
}
备注
Accepted at IEEE ASRU 2025