論文の概要: An Initial Study of Physiological Markers for Deepfake Speech Detection

• arxiv url: http://arxiv.org/abs/2610.18934v1
• Date: Tue, 13 Oct 2026 11:41:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.728423
• Title: An Initial Study of Physiological Markers for Deepfake Speech Detection
• Title（参考訳）: ディープフェイク音声検出のための生理マーカーの初期検討
• Abstract要約: ヒトの音声には呼吸、発声、時間的調整に関連する生理的マーカーが含まれている。 呼吸,声,時間別に分類した36種類の手作り生理指標を用いて検討した。
• 参考スコア（独自算出の注目度）: 0.18665975431697432
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Conventional deepfake speech detectors primarily target synthesis artifacts and often degrade under unseen attacks or recording conditions. Human speech, however, contains physiological markers associated with respiration, phonation, and temporal coordination arising from the speech-production system that synthesizers may not reproduce faithfully. This motivates the hypothesis that deepfake speech can be detected by identifying inconsistencies in these patterns, which we test using 36 handcrafted physiological markers organized into respiratory, vocal, and temporal categories. We evaluate the marker vectors with logistic regression and SVM classifiers on pooled English recordings. The best in-domain system achieves a 21.40% equal error rate (EER), while logistic regression achieves 32.77% on the out-of-domain dataset pair. Since the markers describe specific speech-production properties, the logistic-regression coefficients indicate whether higher marker values push the classifier toward bona fide or deepfake speech. These results provide initial evidence that physiological markers offer a useful, interpretable signal for deepfake speech detection.
• Abstract（参考訳）: 従来のディープフェイク音声検出器は主に合成人工物をターゲットにしており、しばしば目に見えない攻撃や記録条件下で劣化する。 しかし、人間の音声は、合成者が忠実に再生できない音声生成システムから生じる呼吸、発声、時間的調整に関連する生理的マーカーを含んでいる。 このことは,36個の手作り生理的指標を用いて呼吸,声,時間カテゴリーに分類し,これらのパターンの不整合を同定することによってディープフェイク音声を検出することができるという仮説を動機付けている。 本研究では,ロジスティック回帰とSVM分類器によるマーカーベクトルの評価を行った。 最高のドメイン内システムは21.40%のエラー率(EER)を達成する一方、ロジスティック回帰はドメイン外のデータセットペアで32.77%を達成する。 マーカーは特定の音声生成特性を記述しているため、ロジスティック回帰係数は、より高いマーカー値が分類器をボナ・フェイドまたはディープ・フェイク・スピーチにプッシュするかどうかを示す。 これらの結果は、生理学的マーカーがディープフェイク音声検出に有用で解釈可能な信号を提供するという最初の証拠を与える。

関連論文リスト

• Depression Markers in Speech: An Approach based on Tract Variables Dynamics [52.72895760734978]
  本研究では, トラクション変数の動的性質に基づいて, 新規なうつ病バイオマーカーを同定した。 提案するバイオマーカーは, 抑うつ話者と制御話者の識別を効果的に行う。
  論文  参考訳（メタデータ） (2026-07-28T15:48:07Z)
• Automated Detection and Classification of Delusion-related Content in Naturalistic Audio Diaries Using Multi-Agent Language Models [9.896454972048376]
  大規模言語モデル(LLM)は、自動精神疾患現象学の新しい可能性を提供する。 本稿では, 妄想的信念を示唆する言語を, きめ細かな多言語抽出のために, 自動多言語LPMパイプラインを提案する。 この研究は、自然言語における妄想的信念を示唆するコンテンツの自動検出と特徴付けのための検証済みでスケーラブルなパイプラインを提供する。
  論文  参考訳（メタデータ） (2026-05-23T22:18:40Z)
• Breathing and Semantic Pause Detection and Exertion-Level Classification in Post-Exercise Speech [33.39650261642241]
  運動後のスピーチには豊富な生理的・言語的な手がかりが含まれており、しばしば意味的なポーズ、呼吸停止、呼吸・情緒的な一時停止が特徴である。 本研究では,ポーズ型の体系的なアノテーションを提供し,深層学習モデル全体にわたって,探索的呼吸と意味的停止検出と実行レベル分類を行う。 その結果,各タイプの検出精度はセマンティクスで89$%,呼吸で55$%,複合停止で86$%,オーバーオールで73$%まで向上した。
  論文  参考訳（メタデータ） (2025-09-18T22:39:34Z)
• Anomaly Detection and Localization for Speech Deepfakes via Feature Pyramid Matching [8.466707742593078]
  音声ディープフェイク(英: Speech Deepfakes)は、ターゲット話者の声を模倣できる合成音声信号である。 音声のディープフェイクを検出する既存の方法は教師あり学習に依存している。 本稿では,音声深度検出を異常検出タスクとして再設定する,新しい解釈可能な一クラス検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-23T11:15:22Z)
• PAD-Phys: Exploiting Physiology for Presentation Attack Detection in Face Biometrics [48.683457383784145]
  r: (i) 生理領域, (ii) ディープフェイクス領域, (iii) プレゼンテーション攻撃領域に基づく提示攻撃検出のための3つのアプローチ その結果、プレゼンテーションアタックドメインを生理的およびディープフェイクスドメインと比較すると、平均分類誤り率(ACER)が21.70%減少していることがわかった。 実験では、r-ベースモデルにおける伝達学習の効率を強調し、この生理的特徴のコピーを許さない機器での提示攻撃検出をうまく行う。
  論文  参考訳（メタデータ） (2023-10-03T15:24:15Z)
• Careful Whisper -- leveraging advances in automatic speech recognition for robust and interpretable aphasia subtype classification [0.0]
  本稿では,音声記録から音声異常を同定し,音声障害の評価を支援するための完全自動アプローチを提案する。 Connectionist Temporal Classification (CTC) と encoder-decoder-based auto speech recognition model を組み合わせることで、リッチな音響およびクリーンな書き起こしを生成する。 そこで本研究では,これらの書き起こしから特徴を抽出し,健全な音声のプロトタイプを作成するために,いくつかの自然言語処理手法を適用した。
  論文  参考訳（メタデータ） (2023-08-02T15:53:59Z)
• The Far Side of Failure: Investigating the Impact of Speech Recognition Errors on Subsequent Dementia Classification [8.032686410648274]
  自然発話で検出される言語異常は、認知障害などの認知障害のスクリーニングなど、様々な臨床応用の可能性を示唆している。 自己教師付き学習(SSL)自動音声認識(ASR)モデルにおいて,臨床環境から抽出した難解な音声サンプルでは,有意な性能が得られない。 我々の重要な発見の1つは、パラドックス的に、比較的高いエラー率を持つASRシステムは、動詞の文字起こしに基づく分類よりも、より下流の分類精度の高い転写文を生成できるということである。
  論文  参考訳（メタデータ） (2022-11-11T17:06:45Z)
• Decoding speech perception from non-invasive brain recordings [48.46819575538446]
  非侵襲的な記録から知覚音声の自己教師付き表現をデコードするために、コントラスト学習で訓練されたモデルを導入する。 我々のモデルでは、3秒のMEG信号から、1,000以上の異なる可能性から最大41%の精度で対応する音声セグメントを識別できる。
  論文  参考訳（メタデータ） (2022-08-25T10:01:43Z)
• Discretization and Re-synthesis: an alternative method to solve the Cocktail Party Problem [65.25725367771075]
  この研究は、初めて合成に基づくアプローチがこの問題にうまく対応できることを示した。 具体的には,離散シンボルの認識に基づく音声分離/強調モデルを提案する。 離散シンボルの入力による合成モデルを利用することで、離散シンボル列の予測後、各ターゲット音声を再合成することができる。
  論文  参考訳（メタデータ） (2021-12-17T08:35:40Z)
• Discriminative Singular Spectrum Classifier with Applications on Bioacoustic Signal Recognition [67.4171845020675]
  分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。 タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。 提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
  論文  参考訳（メタデータ） (2021-03-18T11:01:21Z)
• Video-based Remote Physiological Measurement via Cross-verified Feature Disentangling [121.50704279659253]
  非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。 次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。 歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
  論文  参考訳（メタデータ） (2020-07-16T09:39:17Z)

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。