Tokens Change, Structure Endures: Spectral Watermarking for Generated Speech
该论文关注 AI 生成语音的溯源问题，即如何可靠地标识一段语音是由哪个模型生成的。现有神经音频水印方案大多依赖单独训练的水印生成器，而 token 级水印是一种免训练（training-free）的替代路线，可在生成过程中直接对离散 tok
#eess.AS
共收录 5 条相关情报。
← 返回所有主题Domain-Incremental Learning for Multi-Channel Replay Speech Detection
复放攻击是语音控制系统面临门槛最低的威胁之一，而暴露复放行为的声学线索会随攻击所处的声学环境发生强烈变化。这意味着部署在现场的检测器必须随着时间持续吸收新的声学条件，同时理想情况下不能反复回看历史录音，因为长期保留语音数据既昂贵又受法律合规
Hearing the Whispers: Black-Box Membership Inference Attacks on Finetuned TTS Models
文本转语音（TTS）基础模型正越来越多地被用于在私有数据集上微调以合成高度个性化的声音，但这同时引入了严重的隐私风险，因为语音既包含生物特征身份又包含敏感语音内容。现有的黑盒成员推理攻击（MIA）通常采用查询生成和表示工程两阶段流程，但直接
Tracking the Trend in How Speech Synthesizers Deceive People
语音合成技术的快速发展使深度伪造音频达到高度逼真的水平，对语音身份验证和数字取证构成日益严峻的威胁。早期研究曾报道人类对深度伪造语音的检测准确率可达70%-80%，但这些研究主要基于较老的合成器，难以反映当前生成语音的真实攻击能力。本研究针
Dimensionality-Aware Anomaly Detection in Learned Representations of Self-Supervised Speech Models
本文研究自监督语音模型（S3Ms）表示学习中的局部几何变化，提出一种基于局部内在维度（LID）的异常检测框架GRIDS。作者发现，自然扰动（如噪声）和对抗扰动会以不同方式改变深层表示的局部维度：低信噪比（SNR）下LID普遍上升；高信噪比下