何为真实？语音恢复与声音质量转换为深度伪造检测带来新挑战

音频防欺诊系统通常被建模为二分类器，区分bona fide与spoofed语音。这种假设在分层生成处理下不成立，良性转换引入分布性偏移，被误判为欺诈。我们表明，语音共挤改良和语音恢复被视为分布外问题，尽管保持说话人真实性。使用多分类设置区分bona fide、converted、spoofed及converted-spoofed语音，我们通过自监督学习（SSL）嵌入和声学特征分析模型行为。良性转换导致SSL空间漂移，压缩bona fide与spoofed语音，降低分类器可分性。将防欺诊重新建模为多分类问题可提高对良性偏移的鲁棒性，同时保持欺诈检测，表明二分类系统模型的是原始语音的分布而非真实性本身。