arXiv · 机器人与计算机视觉· Ye Lu, Shen Wang, Runze Liu, Zhitao Ou, Haonan Huang, Yihan Yan, Fanghui Sun, Zhaoyang Zhang·· 23 天前AI 评分73
从语音 Token 到被盗声音:通过表示反转实现的攻击者指定文本说话人模仿
From Speech Tokens to Stolen Voices: Attacker-Chosen-Text Speaker Impersonation via Representation Inversion
AI 导读
针对端到端语音语言模型前端表示可能泄露说话人身份信息的问题,该研究提出了一种名为 STIA 的语音 Token 反转攻击方法。该方法仅需极短的泄露表示(如 Moshi 模型的 3 秒音频),即可在不接触原始音频或转录文本的情况下,生成指定内容的受害者声音。
来源:arXiv · 机器人与计算机视觉 · arxiv.org