基于音素离散化的显著性图用于AI生成语音的可解释检测
音频与语音处理
2024-09-25 v2 声音
信号处理
摘要
本文提出音素离散化显著性图（Phoneme Discretized Saliency Maps, PDSM），这是一种针对可解释AI生成语音检测的离散化算法，利用音素边界优势。我们通过两种不同的文本语音系统（即Tacotron2和Fastspeech2）进行实验，表明所提算法生成的显著性图比标准事后解释方法更具忠实性。此外，通过将显著性图关联到音素表征，该方法生成的解释比基于幅度频谱图的标准显著性图更易于理解。
引用
@article{arxiv.2406.10422,
title = {Phoneme Discretized Saliency Maps for Explainable Detection of AI-Generated Voice},
author = {Shubham Gupta and Mirco Ravanelli and Pascal Germain and Cem Subakan},
journal= {arXiv preprint arXiv:2406.10422},
year = {2024}
}
备注
Proc. Interspeech 2024, 3295-3299, doi: 10.21437/Interspeech.2024-632