语音 deepfake 的源验证

随着语音 deepfake 生成器的普及，迫切需要不仅评估合成音频的真实性，还要追溯其来源。虽然 source attribution 模型试图解决这一挑战，但它们在针对未见生成器的开放集条件中常常难以实现。本文引入了 source verification 任务，该任务受 speaker verification 启发，确定测试轨道是否使用与一组参考信号相同的模型生成。我们的方法利用为 source attribution 训练的分类器嵌入，计算轨道之间的距离分数，以评估它们是否来自同一来源。我们在多种情景下评估了多个模型，分析了说话者多样性、语言不匹配以及后处理操作的影响。本工作提供了 source verification 首次的探索，凸显了其潜力和脆弱性，并为实际 Forensic 应用提供了见解。