语音伪造检测

该研究把 1 秒多通道语音转为时延轨迹、双耳相位与低频气流三组可解释特征再用 XGBoost 判真伪，在 D3 六通道上报告等错误率 17.8%，代价是仍需多通道阵列且在空旷与车载等未见环境下误差明显上升。

针对多通道回放攻击检测，论文用经典波束形成在方位俯仰网格上计算声学图并配约 6k 参数卷积网络，在 ReMASC 上六麦阵列取得约 10.1% 等错误率，最强证据是多阵列与多波束形成器对照，代价是小阵列与未见环境下明显退化。

该研究用四种自监督前端搭配四种后端、在三种多语料组合与六个评测集上对照，报告显示 XLSR 搭配 ResNet 平均等错误率最低，加入外部语料让 ASVspoof 5 编解码子集等错误率走高而野外子集走低，约 8 小时西班牙语伪造音频让西班牙语评测大幅改善而中文评测维持原量级。

该文研究未见伪造方法下的泛化问题，选择先量化来源与生成器多样性的扩展规律再做异构数据混合，用 12k 小时 DOSS 加权训练在公开集和商用 API 集上超过 74k 小时基线，但大 Nc 与极端温度仍会退化且多语覆盖有限。

共收录 199 篇 acl-2026 会议论文的 Reader 深度解读

论文把声纹伪造检测的跨库崩溃拆成捷径依赖与域偏移两类失败，用有向图加受控声学干预证明非语音结构是主捷径，而针对性增强能解耦但要付出域内代价。

论文把多通道回放检测定义为按声学环境逐个学习的域增量问题，用 ReMASC 全部 24 种顺序对比朴素微调、EWC、GPM 与任务专用波束形成器，最强证据是 TSB 显著降低平均错误率但未减少遗忘，而最后出现的环境主导最终性能。

针对未见合成方法泛化难的问题，论文把 WavLM-Large 部分高层的前馈块替换为多专家并用门控做整句选路，在 14 个评测集上把宏平均等错率从 5.46% 降到 4.81%，代价是参数增至 329M 且需全量微调。

J-SPAW2 在保留日语真实录制框架下系统控制重放距离音量与零样本合成参考噪声，用低音量远场重放使 w2v2+AASIST 的 t-DCF 升至 0.619、用 ElevenLabs 等合成使 CM 与 ASV 同时退化，但增强后更自然并不等于更难检测。

该文研究原始波形语音伪造检测，用一维 ResNet34 把首层卷积扩大到 160 采样点，在 ASVspoof2019 LA 评估集上报告等错误率 1.37% 与最小串联检测代价 0.0429，代价是首层参数与优化负担增加且困难攻击仍集中出错。

该文在 ASVspoof 2019 上用省略敏感性与熵损失诊断出 A1 与 A4 等高影响攻击，再用先学低影响后适配高影响的重放课程把跨数据集总体 EER 明显压低，代价是两阶段训练与四项正则的额外复杂度。

共收录 52 篇 odyssey-2026 会议论文的 Reader 深度解读

该文以 ECAPA-TDNN 嵌入为基础比较余弦与多种 PLDA 后端，提出嵌入提取器与判别式 PLDA 端到端联合微调，在 VoxCeleb1 上联合模型取得 PLDA 类最优而余弦仍保持最佳区分性，在 ASVspoof2019 上余弦的 a-DCF 最优而联合模型是 PLDA 类中最优，代价是流程更复杂且 t-DCF 未见统计显著优势。

针对 ASVspoof 5 训练中说话人分布与真伪标签纠缠导致跨域失效的问题，论文用 VoxCeleb 教师经梯度反转引导学生去身份并以变分信息瓶颈控制抑制强度，在九个域外集的混合评估上相对 MHFA 基线降低混合等错率 25.7%，代价是在 ASVspoof 5 域内集上弱于挑战赛前列系统且部分数据集出现回退。

该文针对合成语音评测只有分数、跨任务跨语言泛化弱的问题，构建覆盖四任务四语言的 SpeechEval 并用指令微调加奖励优化训练 SQ-LLM，最强证据是在评估与对比维度相关性上超过专家基线，代价是约 43 个 A100 小时训练与对特定伪造来源泛化仍不稳定。

该研究用双轨应答蜜罐加音频指纹与商用合成语音检测器测量骚扰来电开场，报告机器发声至少占 26.9%，其中约一半是跨通话重放的录音，但合成标签只有约 54.4% 经盲听确认且阈值与播种历史显著影响读数。

针对 Transformer 伪造语音检测器深层冗余且域外泛化差的问题，论文用 XLS-R 加 1 到 4 层 MTLA 分类器并以角距离把浅层向末层对齐，在 19LA 训练、多域评测下以 479.11K 分类器参数取得域外增益，但过强对齐与过深堆叠仍会退化。

论文用冻结语音基础模型做表示、图神经网络做已知生成器归因、近邻分支做未知检测并以置信度阈值分流，在 DiffSSD 上 Mamba-B 的联合配置取得 DEV 准确率 98.11% 与等错误率 2.33%，代价是仍依赖固定阈值且不对多个未知源做细粒度区分。

共收录 36 篇 eacl-2026 会议论文的 Reader 深度解读

CRAW 针对神经编解码器与去噪重合成导致后处理水印失效的问题，用加宽失真训练加注意力池化加推理时感知掩蔽加重复纠错码，在保持 PESQ 约 4.0 的同时把编解码器与去噪下的检测 F1 拉回 0.8 以上，代价是掩蔽带来约 150 ms 的额外推理延迟。