AUDDT：音频统一深度伪造检测基准工具包
音频与语音处理
2025-09-29 v1 计算与语言
声音
摘要
随着人工智能（AI）生成内容（如音频深度伪造）的泛滥，近期大量工作集中于开发深度伪造检测技术。然而，大多数模型在少量数据集上进行评估，使其在真实世界条件下的泛化能力尚不确定。在本文中，我们系统回顾了 28 个现有的音频深度伪造数据集，并提出了一个名为 AUDDT 的开源基准测试工具包。该工具包的目标是自动化评估预训练检测器在这 28 个数据集上的表现，为用户提供关于其深度伪造检测器优缺点的直接反馈。我们首先展示了所开发工具包的用法、基准的组成以及不同深度伪造子组的细分。接下来，使用广泛采用的预训练深度伪造检测器，我们给出了域内和域外的检测结果，揭示了不同条件和音频操作类型之间的显著差异。最后，我们还分析了这些现有数据集的局限性及其与实际部署场景之间的差距。
引用
@article{arxiv.2509.21597,
title = {AUDDT: Audio Unified Deepfake Detection Benchmark Toolkit},
author = {Yi Zhu and Heitor R. Guimarães and Arthur Pimentel and Tiago Falk},
journal= {arXiv preprint arXiv:2509.21597},
year = {2025}
}