本文介绍了一些用于分析音频信号的常见信号处理技术。我们提供了一个新的数据集，并采用了两个基线模型，以便进一步研究深层次的生成建模在音频信号领域的应用。

Nov, 2021

提出一种检测假音频的方法，通过实验得出不同的 vocoder 生成不同的指纹，探讨了特征和模型结构，并可应用于音频取证。

Aug, 2022

该研究论文介绍了首个真实的音频 - 视觉深度伪造数据库 SWAN-DF，其中嘴唇和语音同步，并具有高质量的视觉和音频。研究表明，通过调整现有的预训练深度伪造模型来适应特定身份，可以在超过 90% 的时间内成功欺骗人脸和说话人识别系统，并获得非常逼真的伪造视频。

Nov, 2023

针对如今深度学习技术生成的深度伪造技术的滥用所带来的严重安全和隐私问题，本研究提出了 FakeAVCeleb 这一包含视频和相应的合成唇同步伪造音频的新型多模态 Audio-Video Deepfake 数据集，其有助于打破现存音频和视频上的种族偏见，进一步帮助发展多模态深度伪造检测器。

Aug, 2021

提出了歌声深度伪造检测任务，创建了第一个真实数据集 SingFake，包含 40 位歌手 5 种语言的 28.93 小时真实歌曲和 29.40 小时深度伪造歌曲片段，评估了四个最先进的口语对抗系统，发现在 SingFake 上训练相对于在口语测试数据上训练有显著改进，但也提出了未知歌手、通信编解码器、语言和音乐背景等挑战。

Sep, 2023

本研究旨在设计用于检测伪造声音的数据集 SceneFake，其中出现的操纵声音仅涉及使用语音增强技术将发音的声学场景篡改。该数据集不仅可以在已知操纵的测试集上检测假话，还可评估假检测模型对未知操纵攻击的泛化能力，并对使用不同语音增强技术和信噪比实施的伪造攻击进行了分析。结果表明，ASVspoof 2019 的现有基线模型无法可靠地检测到场景被篡改的语音，并且检测未知场景操纵声音仍然具有挑战性。

Nov, 2022

本研究旨在评估在实时通信平台上采用静态深假音频检测模型的可行性，研发了可在多平台上运行的可执行软件，并使用 ASVspoof 2019 数据集实现了基于 Resnet 和 LCNN 架构的两个深假音频检测模型，达到了与 ASVspoof 2019 挑战基准的比较性能。该研究提出了增强这些模型的策略和框架，为在通信平台上实现实时深假音频检测铺平了道路，从而推动音频流安全性的进一步发展，并确保在动态实时通信场景下具备强大的检测能力。

Mar, 2024

这篇论文展示了对真实音频数据集和假重建数据集进行分类器训练的可能性与出乎意料的容易程度，达到了 99.8% 的令人信服的准确率，标志着音乐深度伪造检测器的首次发表。然而，通过对其他领域伪造检测的几十年文献的了解，我们强调一个好的测试得分并不是故事的结束，而且指出部署的检测器可能存在的问题与未来研究方向。

May, 2024

通过融合不同的特征集，本文提出了一个模型，用于合成语音检测任务，取得了比现有解决方案更好的性能，并在不同场景和数据集上进行了测试，证明了其对抗反取证攻击的强健性和泛化能力。

Jul, 2023

利用小波包和短時傅里叶變換等技術，用于波形数据处理，實現了更輕量級的檢測器，用于對抗利用生成式神經網絡制造的合成語音的詐騙行為，對新型 Avocado 和 BigVGAN 網絡的檢測效果更佳。

May, 2023