Traceback Translators Against Forgetting in Continual Fake Speech Detection
该论文聚焦于持续学习场景下的假语音检测问题。随着语音生成模型不断演进，假语音检测器需要持续更新以识别新类型的伪造语音。然而，传统的微调或增量学习方法会导致灾难性遗忘，即模型在适应新数据时显著丧失对旧数据的检测能力。作者提出一种基于域翻译器的
#fake-speech-detection
共收录 2 条相关情报。
← 返回所有主题Rethinking Fake Speech Detection: A Generalized Framework Leveraging Spectrogram Magnitude.
该论文重新审视了假语音检测问题，提出了一种利用频谱图幅度的通用检测框架。传统的假语音检测方法通常依赖于特定的声学特征或深度学习模型，但在面对新型伪造技术时泛化能力不足。本文的核心思路是通过分析语音频谱图的幅度信息，构建一个不依赖于特定伪造方