arXiv cs.CL· Xi Xuan, Davide Carbone, Wenxin Zhang, Tomi H. Kinnunen·· 10 天前AI 评分22
WaveScat：结合小波散射与自监督特征的语音深度伪造检测前端
WaveScat: Wavelet Scattering Front-Ends with Self-Supervised Features for Speech Deepfake Detection
AI 导读
WaveScat 是一种结合小波散射变换（WST）与自监督特征的语音深度伪造检测前端，在 Deepfake-Eval-2024 基准及 SpoofCeleb、In-the-Wild、ASVspoof 5 跨数据集评测中大幅优于现有前端。分析表明，小平均尺度配合高频与方向分辨率对捕捉细微伪造痕迹至关重要。代码与补充材料已公开。
正文 · AI 翻译
摘要：现有的语音深度伪造检测前端主要分为两类。手工设计的滤波器组特征具有可解释性，但在捕捉高层信息方面能力有限。而 SSL 特征则缺乏可解释性，且可能忽略细粒度的频谱异常。我们提出 WaveScat，一个全新的特征提取器系列，通过小波散射变换（WST）融合两者的优势，该变换将小波卷积与模非线性级联，从而产生形变稳定的多尺度特征。在最新的 Deepfake-Eval-2024 基准上的实验，以及在 SpoofCeleb、In-the-Wild 和 ASVspoof 5 上的跨数据集评估表明，WaveScat 大幅优于现有前端。我们的分析揭示，较小的平均尺度结合高频和方向分辨率对于捕捉细微伪影至关重要。这凸显了稳定且平移不变的特征对语音深度伪造检测的价值。代码和补充材料可在 此 https URL 获取。
| 评论： | 已投稿至 ICASSP 2027 |
| 学科： | 音频与语音处理（eess.AS）；计算与语言（cs.CL）；信号处理（eess.SP） |
| 引用为： | arXiv:2602.02980 [eess.AS] |
| （或 arXiv:2602.02980v3 [eess.AS] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2602.02980 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Xi Xuan [查看邮箱]
[v1]
2026年2月3日星期二 01:39:28 UTC（2,690 KB）
[v2]
2026年4月30日星期四 13:42:03 UTC（2,692 KB）
[v3]
2026年10月7日星期三 11:39:47 UTC（2,277 KB）
来源：arXiv cs.CL · arxiv.org