测量音频深度伪造检测在真实世界失真下的鲁棒性

研究者系统评测了 10 个音频深度伪造检测模型在 18 种常见失真下的鲁棒性，失真分为噪声扰动、音频修改和压缩三类，被测模型涵盖传统深度学习模型与语音基础模型。结果显示，多数模型对噪声较鲁棒，但在音频修改和压缩下性能明显下降，神经编解码的影响尤其突出；语音基础模型在大多数失真场景中持续优于传统模型，作者称可能源于其在多样音频数据上的大规模预训练；增大模型规模可提升鲁棒性但收益递减；通过训练时的针对性数据增强或推理时的语音增强，可提升对未见失真的鲁棒性。论文强调，实际部署的深伪检测应在多样真实失真下评估（arXiv:2503.17577）。