fake audio detection | BriefGPT

关键词fake audio detection

搜索结果 - 7

ICML克服虛假音頻檢測中的災難性遺忘
我们提出了一种连续学习算法用于检测伪造音频以克服灾难性遗忘，并引入正则化约束来控制特征分布，通过自适应权重修改方向，网络可以在新数据集上有效检测伪造音频，同时保留对旧模型的知识，实现降低灾难性遗忘。我们在多个数据集上评估了我们的方法，并在跨
PDFa year ago
基于 Wav2vec2 的假音频检测的低秩适应方法
文章介绍了如何使用低秩适应（LoRA）方法在不显著劣化性能的情况下，有效减少预训练语音模型的微调时间和内存占用
PDFa year ago
低秩模型挤压的自适应假音频检测
本研究提出了一种针对新型虚假语音的低秩适应矩阵训练方法，在保持现有模型识别已知虚假语音准确率的同时，减小了存储内存需求，降低了错误率。
PDFa year ago
SceneFake: 场景虚假音频检测的初始数据集和基准
本研究旨在设计用于检测伪造声音的数据集 SceneFake，其中出现的操纵声音仅涉及使用语音增强技术将发音的声学场景篡改。该数据集不仅可以在已知操纵的测试集上检测假话，还可评估假检测模型对未知操纵攻击的泛化能力，并对使用不同语音增强技术和信
PDF2 years ago
检测虚假音频的声码器指纹初步研究
提出一种检测假音频的方法，通过实验得出不同的 vocoder 生成不同的指纹，探讨了特征和模型结构，并可应用于音频取证。
PDF2 years ago
全自动端到端假音频检测
本文提出了一种完全自动化的端到端虚假音频检测方法，使用了 wav2vec 预训练模型和修改版的 differentiable architecture search 算法（light-DARTS），在 ASVspoof 2019 LA 数据
PDF2 years ago
ASVspoof 2019：欺诈和假音频检测的未来展望
ASVspoof 2019 是社区带领的挑战活动之一，主要关注自动说话人验证（ASV）系统面对欺骗的反制措施，其中考虑了逻辑和物理接入情况，三种欺骗攻击方式，使用神经声学和波形模型生成欺骗攻击，采用双重检测费用函数（t-DCF）对 ASV
PDF5 years ago