EmoShift基准揭示语音深伪检测情绪失效
热点事件持续更新
EmoShift基准揭示语音深伪检测情绪失效
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
研究人员Jingyi Chen和Surya Koppisetti在arXiv cs.CL领域提出EmoShift基准，旨在分析情绪动态对语音深伪检测的影响。该基准包含7,240条来自四个源数据集的真实语句，以及由四个富表现力TTS系统生成的9,720条合成语句。通过对比情绪稳定与情绪变化语音，研究考察了静态情绪身份与声学混淆变量。 在七个检测器的测试中，结果显示情绪变化导致合成语音显得更真实，在OMG-Emotion数据集固定阈值下，伪造遗漏率最高增加25.3个百分点。相反，情绪变化的真实语音在IEMOCAP数据集上导致误报率最高增加24.4个百分点。这些发现强调了情绪动态在深伪检测中的关键作用。
AI 根据报道生成 · 6 小时前更新
最新进展10月19日 12:00
EmoShift 基准测试揭示语音深度伪造检测器在情绪变化下的失效模式报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv · NLPEmoShift 基准测试揭示语音深度伪造检测器在情绪变化下的失效模式
EmoShift 基准测试显示，语音内部的情绪变化会改变深度伪造检测结果。 该测试包含 7,240 条真实语句和 9,720 条由四个 TTS 系统生成的合成语句。在七个检测器中，情绪变化使合成语音的遗漏率最高增加 25.3 个百分点，真实语句的误报率最高增加 24.4 个百分点。 结果强调情绪动态在深度伪造检测中的重要性。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 910月19日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:0017:0018:0019:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。