用生理标记检测深度伪造语音的初步研究

研究提出用36个手工设计的生理标记检测深度伪造语音，这些标记分为呼吸、发声和时间协调三类，基于语音生成系统的生理特征。在英语录音上，域内最佳系统取得21.40%的等错误率（EER），逻辑回归在跨域数据集对上为32.77%。逻辑回归系数可指示各标记是偏向真实语音还是深度伪造语音，为检测提供可解释信号。