孟加拉语深度伪造音频检测：零样本 vs. 微调Paper#Audio Deepfake Detection🔬 Research|分析: 2026年1月4日 00:15•发布: 2025年12月25日 14:53•1分で読める•ArXiv分析本文探讨了深度伪造音频日益增长的问题，特别关注了孟加拉语这一未被充分探索的领域。它为孟加拉语深度伪造检测提供了基准，比较了零样本推理和微调模型。这项研究的重要性在于它对低资源语言的贡献，以及它证明了微调在提高性能方面的有效性。要点•使用预训练模型的零样本推理在检测孟加拉语深度伪造方面表现有限。•微调显著提高了检测准确性，ResNet18 取得了最佳结果。•该研究为孟加拉语深度伪造音频检测提供了基准，解决了低资源语言的问题。•在这种情况下，微调对于有效的深度伪造检测至关重要。引用 / 来源查看原文"Fine-tuned models show strong performance gains. ResNet18 achieves the highest accuracy of 79.17%, F1 score of 79.12%, AUC of 84.37% and EER of 24.35%."AArXiv2025年12月25日 14:53* 根据版权法第32条进行合法引用。较旧Determination of the HERA coherent diffractive $J/ψ$ production cross section via artificial neural network较新Inference in the $p_0$ model for directed networks under local differential privacy相关分析Paper基于选择策略的协调人形机器人操作2026年1月3日 06:10Paper从未对齐图像即时进行3D场景编辑2026年1月3日 06:10Paper用于未来预测的LLM预测2026年1月3日 06:10来源: ArXiv