并非所有深度伪造都一样：面向鲁棒深度伪造歌手识别的音频分流
声音
2025-11-19 v2
摘要
高度逼真的歌声深度伪造的泛滥对保护歌手形象和内容真实性构成重大挑战。自动识别声乐深度伪造中的歌手身份是艺术家和权利持有者防范未经授权语音使用的一项有前景的手段，但仍是开放的研究问题。基于最具危害性的深度伪造往往是最高质量的这一前提，我们引入一个两阶段管道来识别歌手的声乐特征。该管道首先使用判别器模型筛选掉未能准确再现声乐特征的低质量伪造内容；随后使用的模型仅在真实录音上训练，用于识别剩余高质量深度伪造和真实音频中的歌手。实验表明，该系统在真实和合成内容上始终优于现有基线方法。
引用
@article{arxiv.2510.17474,
title = {Not All Deepfakes Are Created Equal: Triaging Audio Forgeries for Robust Deepfake Singer Identification},
author = {Davide Salvi and Hendrik Vincent Koops and Elio Quinton},
journal= {arXiv preprint arXiv:2510.17474},
year = {2025}
}
备注
Accepted for presentation at the NeurIPS 2025 Workshop on Generative and Protective AI for Content Creation (non-archival)