본 논문은 딥페이크 음성의 생성 원천을 추적하는 소스 추적 연구 분야에 집중하여, 기존 연구의 한계점인 전문적인 데이터셋 부재를 해결하고자 STOPA 데이터셋을 제시합니다. STOPA는 8개의 음향 모델(AM), 6개의 보코더 모델(VM), 그리고 다양한 매개변수 설정을 포함하여 13개의 서로 다른 합성기로부터 생성된 70만 개 이상의 샘플을 제공합니다. 기존 데이터셋의 제한된 변화 및 부족한 메타데이터와 달리, STOPA는 보코더 모델, 음향 모델, 사전 훈련된 가중치 등 광범위한 생성 요소를 체계적으로 제어하여 더 높은 귀속 신뢰도를 보장합니다. 이러한 제어는 귀속 정확도를 향상시켜 법의학 분석, 딥페이크 탐지 및 생성 모델의 투명성을 높이는 데 기여합니다.
