探测音频深伪检测器对说话人身份的敏感性

论文指出，音频深伪检测器可能依赖与真假标签相关的说话人身份线索，而非纯粹识别合成伪影。作者提出无需推理时真实标签的身份敏感性分数（ISS）。在两个检测器和两个数据集上，误分类样本的ISS高出29至52倍，最高可达0.954的AUC预测误分类；对500条语音的变声实验也显示，ISS标记的敏感样本得分变化强19至30倍。