Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

BanglaFake: Constructing and Evaluating a Specialized Bengali Deepfake Audio Dataset

Created by
  • Haebom

저자

Istiaq Ahmed Fahad, Kamruzzaman Asif, Sifat Sikder

개요

본 논문은 저자원 언어인 벵골어에 대한 딥페이크 음성 감지의 어려움을 해결하기 위해, 12,260개의 진짜 음성과 13,260개의 딥페이크 음성으로 구성된 벵골어 딥페이크 음성 데이터셋 BangalFake를 소개합니다. 최첨단 TTS 모델을 사용하여 생성된 합성 음성은 높은 자연스러움과 품질을 보장하며, 30명의 원어민 평가자에 의한 MOS 평가 결과 자연스러움 3.40, 명료성 4.01을 기록했습니다. MFCC를 이용한 t-SNE 시각화를 통해 진짜와 가짜 음성의 차이점을 분석하였고, 이 데이터셋이 저자원 언어 연구의 한계를 해결하고 벵골어 딥페이크 감지 기술 발전에 중요한 역할을 할 것임을 제시합니다.

시사점, 한계점

•
시사점:
◦
저자원 언어인 벵골어에 대한 대규모 딥페이크 음성 데이터셋을 최초로 제공합니다.
◦
최첨단 TTS 모델을 활용하여 높은 품질의 딥페이크 음성 데이터를 생성했습니다.
◦
정량적, 정성적 분석을 통해 데이터셋의 유용성을 검증했습니다.
◦
벵골어 딥페이크 음성 감지 연구 발전에 크게 기여할 수 있습니다.
•
한계점:
◦
데이터셋의 크기가 다른 고자원 언어 데이터셋에 비해 상대적으로 작을 수 있습니다.
◦
현재 데이터셋은 특정 TTS 모델을 사용하여 생성되었으므로, 다양한 TTS 모델로 생성된 딥페이크 음성에 대한 일반화 성능은 추가 연구가 필요합니다.
◦
다양한 딥페이크 생성 기법을 반영하지 못했을 가능성이 있습니다.
👍
Made with Slashpage