У напрямку виявлення аудіо дипфейків з урахуванням шуму: огляд, SNR-стандарти та практичні рецепти
Виявлення аудіо дипфейків швидко розвивається завдяки потужним попередньо навченим енкодерам (наприклад, WavLM, Wav2Vec2, MMS). Проте, продуктивність в реалістичних умовах захоплення – фоновий шум (домашній/офісний/транспортний), реверберація в приміщеннях та споживчі канали – часто відстає від результатів, отриманих в чистих лабораторних умовах. Ми проводимо огляд та оцінюємо стійкість сучасних моделей виявлення аудіо дипфейків і представляємо відтворювальну структуру, яка змішує шуми MS-SNSD з висловленнями DF з ASVspoof 2021 для оцінки в контрольованих відношеннях сигнал/шум (SNR). SNR є виміряним показником severity шуму, який широко використовується в мові; він дозволяє нам варіювати від майже чистого (35 дБ) до дуже шумного (-5 дБ) для кількісного оцінювання плавного погіршення. Ми вивчаємо навчання в багатьох умовах та тестування з фіксованим SNR для попередньо навчених енкодерів (WavLM, Wav2Vec2, MMS), звітуємо про точність, ROC-AUC та EER на бінарних та чотирикласних (автентичність x корупція) завданнях. У наших експериментах доопрацювання зменшує EER на 10-15 відсоткових пунктів при SNR 10-0 дБ по всім базовим моделям.
December 17, 2025 at 03:52AM
Залишити відповідь
Щоб відправити коментар вам необхідно авторизуватись.