面向稳健语音深度伪造检测的人类启发式推理
声音
2026-03-13 v2 人工智能
摘要
现代生成式音频模型可被用于非法目的，具体而言，是用于冒充他人获取私人信息。为缓解此问题，语音深度伪造检测（SDD）方法不断发展。然而，当前的 SDD 方法通常存在对新音频领域和新生成器的泛化能力不足的问题。此外，它们缺乏可解释性，尤其是人类类似的推理，这会自然解释给定音频归属真实或伪造类的归因，并提供人类可感知的线索。在本文中，我们提出 HIR-SDD，一个新型 SDD 框架，结合大型音频语言模型（LALM）的优势与来自我们提出的人类标注数据集中获得的链式思维推理。实验评估表明，我们提出的方法有效且能够为预测提供合理的依据。
引用
@article{arxiv.2603.10725,
title = {Towards Robust Speech Deepfake Detection via Human-Inspired Reasoning},
author = {Artem Dvirniak and Evgeny Kushnir and Dmitrii Tarasov and Artem Iudin and Oleg Kiriukhin and Mikhail Pautov and Dmitrii Korzh and Oleg Y. Rogov},
journal= {arXiv preprint arXiv:2603.10725},
year = {2026}
}