論文の概要: Eroding Trust in Real Speech: A Large-Scale Study of Human Audio Deepfake Perception

• arxiv url: http://arxiv.org/abs/2605.26136v1
• Date: Thu, 21 May 2026 21:22:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-27 17:51:41.193812
• Title: Eroding Trust in Real Speech: A Large-Scale Study of Human Audio Deepfake Perception
• Title（参考訳）: 実音声におけるエローディング信頼:人間のオーディオディープフェイク知覚の大規模研究
• Abstract要約: 本稿では,現在までの音声深度知覚における最大の聴取方法について紹介する。 138音声・音声変換システムを対象に,1,768人の被験者から35,532人の判定を収集した。
• 参考スコア（独自算出の注目度）: 5.116378112926705
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Audio deepfakes have improved rapidly recently, yet their effect on human trust in real speech remains unstudied. We present the largest listening study on audio deepfake perception to date, collecting 35,532 judgments from 1,768 participants across 138 text-to-speech and voice conversion systems. Our central finding is a skepticism shift: compared to a 2021 baseline, human accuracy on fake samples barely changed (72.9% to 71.2%), but accuracy on real samples dropped from 72.7% to 64.1%. Participants are not worse at detecting synthesis artifacts; rather, they increasingly distrust authentic speech. Samples generated by commercial and autoregressive language model systems proved hardest to detect (61.3 - 65.9%), while those from traditional seq2seq and flow-matching models remain easier to spot (75.4 - 76.8%). An ML detector that served as a reference point maintained over 94.5% accuracy across all conditions. Our results suggest that the primary threat posed by modern deepfakes may not be mere deception, but the erosion of trust in genuine audio.
• Abstract（参考訳）: 音声のディープフェイクは近年急速に改善されているが、実際の音声に対する人間の信頼への影響は研究されていない。 音声のディープフェイク知覚に関する最大規模の聴力調査を行い,138音声・音声変換システムを対象に,1,768人の被験者から35,532の判定を収集した。 我々の中心的な発見は懐疑的な変化であり、2021年の基準と比べて、偽のサンプルの精度はほとんど変化しなかった(72.9%から71.2%)が、実際のサンプルの精度は72.7%から64.1%に低下した。 参加者は合成人工物を検出するのが悪くはない。 商用および自己回帰型言語モデルで生成されたサンプルは最も検出が難しい(61.3 - 65.9%)が、従来のセク2セクモデルとフローマッチングモデルのサンプルは見つけやすい(75.4 - 76.8%)。 基準点として機能するML検出器は全ての条件で94.5%以上の精度を維持した。 以上の結果から,現代のディープフェイクによる主な脅威は,単なる騙しではなく,真のオーディオに対する信頼の侵食である可能性が示唆された。

関連論文リスト

• From Scores to Evidence: Auditable Decisions Can Improve Speech Deepfake Detection [12.159476982130286]
  音声のディープフェイクは、聞き手や自動化されたシステムを騙すのに十分な説得力のある話者の声を模倣することができる。 ほとんどの検出器は発話ごとに1点のスコアで終わるが、なぜ境界線アイテムが信頼されるべきなのか、延期されたのか、あるいはレビューされるべきなのかは、ほとんど語っていない。 この疑問に答えるには、4つの整列した手がかりを後期校正ステップに伝達する監査可能な決定記録がある。
  論文  参考訳（メタデータ） (2026-09-08T15:38:57Z)
• Tracking the Trend in How Speech Synthesizers Deceive People [0.15635627702544694]
  2019年、2022年、2024年にリリースされた音声合成ツールを82人のIT専門家と比較した。 完全合成音声(フルスプーフ)では、F1スコアはRTVCとYourTTSの約90%から、ElevenLabsの48%に低下する。 発声文が1文だけ変更された部分スプーフィングでは、厳密な精度は9%に低下する。
  論文  参考訳（メタデータ） (2026-08-20T12:27:37Z)
• Evaluating Commercial AI Chatbots as News Intermediaries [85.32040752972836]
  ベストシステムは、数時間前に報告されたイベントに関する質問に対して、90%以上の多重選択精度を達成する。 すべてのモデルはヒンディー語で最小の精度を達成する。 原因ではなく検索は エラーの70%以上を 引き起こします
  論文  参考訳（メタデータ） (2026-05-21T17:42:07Z)
• What You Read Isn't What You Hear: Linguistic Sensitivity in Deepfake Speech Detection [7.555970188701627]
  我々は,オープンソースおよび商用のアンチスプーフィング検出器に対する転写レベルの逆攻撃を導入する。 攻撃の成功率は、オープンソースのディテクターとボイスで60%を超え、1つの商業的検出精度は、合成オーディオで100%からわずか32%に低下する。 その結果、純粋な音響防御を超えて、頑丈な防汚システムの設計における言語的変化を考慮する必要性が浮き彫りになった。
  論文  参考訳（メタデータ） (2025-05-23T06:06:37Z)
• Measuring the Robustness of Audio Deepfake Detectors [59.09338266364506]
  この研究は、16の一般的な汚職に対する10のオーディオディープフェイク検出モデルの頑健さを体系的に評価する。 従来のディープラーニングモデルと最先端の基礎モデルの両方を用いて、4つのユニークな観察を行う。
  論文  参考訳（メタデータ） (2025-03-21T23:21:17Z)
• Deepfake-Eval-2024: A Multi-Modal In-the-Wild Benchmark of Deepfakes Circulated in 2024 [6.865766644176186]
  我々は,2024年にソーシャルメディアとディープフェイク検出プラットフォームユーザから収集されたワイヤ内ディープフェイクからなる新しいディープフェイク検出ベンチマークであるDeepfake-Eval-2024を紹介する。 ベンチマークには、52の異なる言語で88の異なるウェブサイトからさまざまなメディアコンテンツが含まれている。 その結果,Deepfake-Eval-2024で評価すると,オープンソースのDeepfake検出モデルの性能は急激に低下することがわかった。
  論文  参考訳（メタデータ） (2025-03-04T18:33:22Z)
• I Can Hear You: Selective Robust Training for Deepfake Audio Detection [16.52185019459127]
  私たちはこれまでに1300万のサンプルからなる、DeepFakeVox-HQという、最大規模の公開音声データセットを確立しました。 これまで報告された高い精度にもかかわらず、既存のディープフェイク音声検出装置は、さまざまな収集されたデータセットに苦戦している。 高周波成分に着目したF-SAT:周波数選択適応学習法を提案する。
  論文  参考訳（メタデータ） (2024-10-31T18:21:36Z)
• Unmasking Illusions: Understanding Human Perception of Audiovisual Deepfakes [49.81915942821647]
  本研究は,ディープフェイク映像を主観的研究により識別する人間の能力を評価することを目的とする。 人間の観察者を5つの最先端オーディオ視覚深度検出モデルと比較することにより,その知見を提示する。 同じ40の動画で評価すると、すべてのAIモデルは人間より優れていることが分かりました。
  論文  参考訳（メタデータ） (2024-05-07T07:57:15Z)
• Training-Free Deepfake Voice Recognition by Leveraging Large-Scale Pre-Trained Models [52.04189118767758]
  一般化は、現在のオーディオディープフェイク検出器の主な問題である。 本稿では,オーディオディープフェイク検出のための大規模事前学習モデルの可能性について検討する。
  論文  参考訳（メタデータ） (2024-05-03T15:27:11Z)
• PITCH: AI-assisted Tagging of Deepfake Audio Calls using Challenge-Response [14.604998731837595]
  我々は,対話型ディープフェイク音声通話の検出とタグ付けを行う,堅牢なチャレンジ応答手法であるPITCHを開発した。 PITCHの課題は、マシン検出能力を88.7%のAUROCスコアに向上させた。 疑わしい通話を「ディープフェイク風」とタグ付けする新しい人間とAI協調システムを開発した。
  論文  参考訳（メタデータ） (2024-02-28T06:17:55Z)
• Deepfake audio detection by speaker verification [79.99653758293277]
  本研究では,話者の生体特性のみを活用する新しい検出手法を提案する。 提案手法は,既成話者検証ツールに基づいて実装することができる。 そこで我々は,3つの一般的なテストセット上で,優れた性能,高い一般化能力,高ロバスト性を有する音声障害に対する高ロバスト性を検証した。
  論文  参考訳（メタデータ） (2022-09-28T13:46:29Z)
• Adversarially robust deepfake media detection using fused convolutional neural network predictions [79.00202519223662]
  現在のディープフェイク検出システムは、目に見えないデータと戦っている。 ビデオから抽出した偽画像と実画像の分類には,CNN(Deep Convolutional Neural Network)モデルが3種類採用されている。 提案手法は96.5%の精度で最先端のモデルより優れている。
  論文  参考訳（メタデータ） (2021-02-11T11:28:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。