論文の概要: Interpreting SSL Representations for Spoof Detection: a WavLM Study

• arxiv url: http://arxiv.org/abs/2610.23526v1
• Date: Fri, 16 Oct 2026 14:26:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.950912
• Title: Interpreting SSL Representations for Spoof Detection: a WavLM Study
• Title（参考訳）: スポット検出のためのSSL表現の解釈: WavLM による研究
• Abstract要約: WavLMのような自己教師型音声モデルは、強いスプーフィング検出性能を達成する。 しかし、どの層が最も関連性の高い情報をエンコードし、どのような音響特性を捉えているかは不透明です。 本稿では, ASVspoof 5 データベースを用いた WavLM の層レベルでの解釈可能性について述べる。
• 参考スコア（独自算出の注目度）: 10.75445616992466
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Self-supervised speech models such as WavLM achieve strong spoofing detection performance, yet which layers encode the most spoof-relevant information and what acoustic properties they capture remain opaque. We present a layer-wise interpretability study of WavLM using the ASVspoof 5 database, combining three complementary analyses: (i) per-layer linear probing with attack-level evaluation across speech synthesis, voice conversion, and adversarial attacks; (ii) a canonical correlation analysis (CCA) linking layer representations to spoofing-relevant acoustic features; (iii) an exhaustive grid search over layer subsets showing that use of five layers outperforms full thirteen-layer pooling. CCA analysis reveals that, while most acoustic features peak in alignment with mid-layers and then decay, voice quality measures jitter, shimmer, and the harmonics-to-noise ratio show the opposite trend, with correlation increasing toward later layers. Embedding visualisations reveal that deeper layers capture a continuous acoustic similarity among attacks rather than discrete categories, suggesting these layers encode fundamental synthesis artifacts rather than attack-specific signatures.
• Abstract（参考訳）: WavLMのような自己監督型音声モデルは、強いスプーフィング検出性能を達成するが、どの層が最もスプーフィング関連情報をエンコードし、それらが捕捉する音響特性は不透明である。 ASVspoof 5 データベースを用いた WavLM の層レベルでの解釈可能性の検討を3つの相補的解析と組み合わせた。 (i) 音声合成、音声変換、対向攻撃にまたがる攻撃レベル評価を伴う層ごとの線形探索 (二)正準相関解析(CCA)は、スプーフィング関連音響特徴に層表現をリンクする。 3) 網羅的に網羅的に網羅し, 5層の使用により13層プールの性能が向上したことを示す。 CCA分析では、ほとんどの音響的特徴は中層と一致し、その後崩壊するが、声質尺度はジッター、シマー、ハーモニクスと雑音比は逆の傾向を示し、後層への相関は増加する。 埋め込み視覚化により、より深いレイヤは個別のカテゴリではなく、アタック間の連続的な音響的類似性を捕捉し、これらのレイヤがアタック固有のシグネチャではなく、基本的な合成アーティファクトをエンコードすることを示唆している。

関連論文リスト

• What Survives the Codec Shift: Pooled No-Vocals Residuals for Speech Deepfake Detection [20.521972703383643]
  生成機構が変化すると、どの音響表現が識別情報を保持しているかは明らかでない。 適応ゲーティングにより,発話レベルにプールされた非ネイティブ表現をトークンレベルXLS-R特徴と統合するデュアルビュー検出器を提案する。 提案されたMN-Pは、EERを全体として54.2%削減し、未確認状態に対して60.9%削減する。
  論文  参考訳（メタデータ） (2026-09-27T08:58:08Z)
• Spooftral: Can Voxtral Audio-Language Model Detect Speech Spoofing? [0.8181983928344693]
  本研究では,スプーフィング検出のためのVoxtral Audio-Language Model (ALM) フレームワークについて検討した。 提案手法では, ラベル列の確率を用いて, ボナフィドおよびスプーフド音声の評価を行う。 ASVspoofデータベースの実験では、タスク固有の適応がなければ、LLM層は意味表現を強調する。
  論文  参考訳（メタデータ） (2026-09-23T18:51:29Z)
• Analyzing Speech Condition Effects in Dysarthric ASR: A Layer-wise Probing Study [1.9758601658046933]
  マンダリン発声音声におけるトランスフォーマーASRエンコーダのプローブ解析について述べる。 音素境界情報は、すべての層における変形音声に対して弱いままである。 音素識別は上層に向けて回復可能となり、認識困難は最深層に符号化される。
  論文  参考訳（メタデータ） (2026-08-03T08:14:26Z)
• Deeper is Not Always Better: Mitigating the Alignment Tax via Confident Layer Decoding [92.1521161575198]
  我々は、最も信頼性の高いニアファイナル層を動的に選択する、トレーニング不要なデコーディング戦略であるConfident Decodingを紹介する。 密集型および混合型LLMの実験は、挑戦的推論ベンチマークにおいて一貫した利得を示す。
  論文  参考訳（メタデータ） (2026-06-20T07:03:26Z)
• Deep Residual Injection for Full-Spectrum Forensic Signal Perception in Multimodal Large Language Models [51.099179436350376]
  マルチモーダルな大言語モデル(MLLM)は、その堅牢な意味理解のために、法医学においてますます採用されている。 本稿では,人工物固有の視覚信号を中間層に残路として注入しながら,初期意味処理を保存するためのDeep Visual Residual MLLM(Deep-VRM)を提案する。 これにより、後続のレイヤは意味論的推論と信号レベルの法医学的手がかりを共同でモデル化することができ、驚くべきことに、モデルが入力に応じて異なるレベルの法医学的信号を適応的に活用することを学ぶ。
  論文  参考訳（メタデータ） (2026-06-14T16:05:45Z)
• Locate-then-Sparsify: Attribution Guided Sparse Strategy for Visual Hallucination Mitigation [68.41785694664011]
  機能ステアリングのためのLate-Then-Sparsify(LTS-FS)と呼ばれるプラグアンドプレイフレームワークを提案する。 各層の幻覚関係に応じて操舵強度を制御する。 我々の枠組みは、強い性能を維持しながら幻覚を効果的に緩和する。
  論文  参考訳（メタデータ） (2026-03-17T09:16:50Z)
• HierCon: Hierarchical Contrastive Attention for Audio Deepfake Detection [21.083747008336175]
  現代のTSや音声変換システムが生み出すオーディオディープフェイクは、実際の音声と区別することがますます難しくなり、セキュリティとオンライン信頼の深刻なリスクが高まる。 階層的な階層型アテンションフレームワークであるHierConを提案する。これは,時間的フレーム,隣接するレイヤ,レイヤグループ間の依存性をモデル化し,ドメイン不変な埋め込みを奨励する,マージンベースのコントラスト学習と組み合わせたものだ。
  論文  参考訳（メタデータ） (2026-02-01T05:36:32Z)
• Audio Deepfake Detection in the Age of Advanced Text-to-Speech models [0.0]
  テキスト音声合成システム(TTS)の最近の進歩は,合成音声のリアリズムを著しく高めている。 テキスト音声合成システム(TTS)の最近の進歩は,合成音声のリアリズムを著しく高めている。
  論文  参考訳（メタデータ） (2026-01-28T11:39:40Z)
• High-Fidelity Speech Synthesis with Minimal Supervision: All Using Diffusion Models [56.00939852727501]
  最小教師付き音声合成は、2種類の離散音声表現を組み合わせることでTSを分離する。 非自己回帰フレームワークは、制御可能性を高め、持続拡散モデルは、多様化された韻律表現を可能にする。
  論文  参考訳（メタデータ） (2023-09-27T09:27:03Z)
• Self-supervised models of audio effectively explain human cortical responses to speech [71.57870452667369]
  我々は、自己教師型音声表現学習の進歩に乗じて、人間の聴覚システムの最先端モデルを作成する。 これらの結果から,ヒト大脳皮質における音声処理の異なる段階に関連する情報の階層構造を,自己教師型モデルで効果的に把握できることが示唆された。
  論文  参考訳（メタデータ） (2022-05-27T22:04:02Z)

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。