听弦外之音：忽略言语内容的合成语音检测
声音
2024-02-09 v1 多媒体
音频与语音处理
摘要
合成语音生成的最新进展导致创建了几乎与真实语音无法区分的伪造音频数据。这一现象给多媒体取证界带来了新的挑战，因为合成媒体的滥用可能造成不利后果。文献中提出了几种方法来减轻潜在风险并检测合成语音，主要集中于对语音本身的分析。然而，最近的研究表明，检测最关键频带位于最高范围（6000 Hz以上），这些频带不包含任何语音内容。在这项工作中，我们广泛探索了这一方面，并研究了是否可以通过仅关注信号的背景成分而忽略其言语内容来进行合成语音检测。我们的发现表明，语音成分并不是进行合成语音检测的主要因素。这些见解为开发新的合成语音检测器及其可解释性提供了有价值的指导，同时也对音频取证领域的现有工作提出了一些思考。
引用
@article{arxiv.2402.05567,
title = {Listening Between the Lines: Synthetic Speech Detection Disregarding Verbal Content},
author = {Davide Salvi and Temesgen Semu Balcha and Paolo Bestagini and Stefano Tubaro},
journal= {arXiv preprint arXiv:2402.05567},
year = {2024}
}