arXiv cs.CL· Jingyi Chen, Surya Koppisetti·· 11 小时前AI 评分32
EmoShift 基准揭示：语句内情感变化会让语音深伪检测器漏检率最高上升 25.3 个百分点
Too Emotional to Be Fake? Intra-Utterance Emotion Shifts Expose Failure Modes in Speech Deepfake Detectors
AI 导读
研究团队提出 EmoShift 基准，用 7,240 条真实语音和 4 种表达性 TTS 系统生成的 9,720 条合成语音，对比情感稳定（AA）与情感变化（AB）语音对深伪检测的影响。
正文 · AI 翻译
摘要：富有表现力的语音合成如今可以在单条话语内改变情感，但其对深度伪造检测的影响仍不清楚。我们提出 EmoShift，这是一个比较情感稳定（AA）与情感变化（AB）语音的基准，用以在考虑静态情感身份和声学混杂因素的同时考察这些影响。它包含来自四个源数据集的 7,240 条真实话语，以及使用四个富有表现力的 TTS 系统生成的 9,720 条合成话语。在七个检测器上，我们发现情感变化可使合成语音显得更真实，在固定阈值下使 OMG-Emotion 上的欺骗漏检率最高增加 25.3 个百分点。相反，情感变化的真实语音使 IEMOCAP 上的误报率最高增加 24.4 个百分点。进一步分析揭示了检测器对情感轨迹的特异性敏感性，这无法完全由静态情感身份或拼接伪影解释。这些发现凸显了情感动态在深度伪造检测中的重要性。
| 评论： | 预印本。审稿中 |
| 主题： | 声音（cs.SD）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.22832 [cs.SD] |
| （或 arXiv:2610.22832v1 [cs.SD] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.22832 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Jingyi Chen [查看电子邮件]
[v1]
2026年10月16日星期五 02:19:40 UTC（140 KB）
来源：arXiv cs.CL · arxiv.org