BabelFake：面向多语言音视频 DeepFake 检测的基准数据集

研究者发布 BabelFake，一个由知情同意参与者录制的多语言音视频 DeepFake 基准，包含来自 496 人的 399k 段视频（1,323 小时），覆盖英语、德语、意大利语、法语和西班牙语五种语言。其模块化生成流程将 11 种现代视频篡改方法与 4 种声音克隆引擎配对，区分仅视觉篡改（换脸）与音视频联合篡改（唇形同步和肖像动画）。对当前最先进检测器的评测显示，检测难度取决于音视频生成配对方式，保留真实音频时检测性能明显下降；跨语言和跨人群评测显示检测器敏感度随架构与训练数据变化，而人类评测表明感知真实性与机器检测难度并不一致。