情感桥梁：通过情感约束增强深度伪造检测的同时保留语音表征
声音
2026-02-26 v2
摘要
语音深度伪造检测（DFD）受益于多样化的声学与语义语音表征，其中许多编码了有价值的语音信息且训练代价高昂。现有方法通常通过微调表征或在冻结特征上应用后验分类来增强 DFD，这限制了在不扭曲原始语义的情况下改善判别性 DF 线索的控制。我们发现情感编码于多种语音特征中，并与 DFD 相关。因此，我们引入了一个统一的、特征无关的、非破坏性的训练框架，利用情感作为桥梁约束来引导语音特征朝向 DFD，将情感识别视为表征对齐目标而非辅助任务，同时保留原始语义信息。在 FakeOrReal 和 IntheWild 上的实验分别显示准确率提升高达 6% 和 2%，并伴随等错误率的相应降低。代码见补充材料。
引用
@article{arxiv.2512.11241,
title = {The Affective Bridge: Preserving Speech Representations while Enhancing Deepfake Detection vian emotional Constraints},
author = {Yupei Li and Chenyang Lyu and Longyue Wang and Weihua Luo and Kaifu Zhang and Björn W. Schuller},
journal= {arXiv preprint arXiv:2512.11241},
year = {2026}
}
备注
Submitted to interspeech 2026 for review