HierCon: Ієрархічна контрастна увага для виявлення аудіодіпфейків
https://ift.tt/huoNxTU
Аудіодіпфейки, створені сучасними системами синтезу мови (TTS) та конвертації голосу, стають все складніше відрізняти від реальної мови, що створює серйозні ризики для безпеки та онлайн-довіри. Хоча передові моделі з навчання без нагляду надають багатошарові подання, існуючі детектори розглядають шари окремо та не враховують часові та ієрархічні залежності, які є критично важливими для виявлення синтетичних артефактів. Ми пропонуємо HierCon — ієрархічну рамку уваги до шарів у поєднанні з навчанням з маржою за допомогою контрастивного навчання, що моделює залежності між часовими кадрами, сусідніми шарами та групами шарів, водночас заохочуючи подання, інваріантні до доменів. Оцінюваний на наборах ASVspoof 2021 DF та In-the-Wild наш метод демонструє передові результати (EER 1,93% та 6,87%), порівняно з незалежним зважуванням шарів на 36,6% та 22,5% відповідно. Результати та візуалізації уваги підтверджують, що ієрархічне моделювання підвищує узагальнюваність до міждоменних технологій генерації та умов запису.
HI-FI News
через штучний інтелект https://ift.tt/OKuJQ7k
3 лютого 2026 року о 05:42
February 3, 2026 at 05:42AM
Залишити відповідь
Щоб відправити коментар вам необхідно авторизуватись.