研究者提出语音表示反演攻击STIA，可凭泄露表示模仿声音

Ye Lu 等研究者在 arXiv 论文中提出语音 token 反演攻击 STIA：仅需约 3 秒对应的泄露语音表征，无需原始音频或转写文本，即可按攻击者指定的文本生成受害者声音。该攻击把离散、连续或混合语音表征转为条件序列，并用公开语料训练条件 flow-matching 语音生成模型。 论文实验显示，针对 Moshi 表征、约 3 秒语音对应的泄露，STIA 生成的语音平均 CAM++ 说话人余弦相似度为 0.78，目标文本词错误率为 3.80%。

AI 根据报道生成 · 45 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。