告诉我 Habibi，这是真的还是假的？

Deepfake 生成方法正在快速发展，使得伪造媒体更难被检测，并引发了严重的社会担忧。大多数 Deepfake 检测和数据集创建研究集中于单语内容，往往忽视了多语言和语码转换语音的挑战，其中多种语言在同一话语中混合。语码转换，尤其是阿拉伯语和英语之间的转换，在阿拉伯世界很常见，并被广泛用于数字通信。这种语言混合给 Deepfake 检测带来了额外挑战，因为它可能会混淆主要在单语数据上训练的模型。为了解决这个问题，我们引入了 \textbf{ArEnAV}，这是第一个大规模阿拉伯语-英语视听 Deepfake 数据集，具有话语内语码转换、方言变化和单语阿拉伯语内容。它\textbf{包含 387k 个视频以及超过 765 小时的真实与伪造视频}。我们的数据集是使用一条集成了四个 Text-To-Speech 和两个唇形同步模型的新颖流水线生成的，从而能够对多语言多模态 Deepfake 检测进行全面分析。我们针对现有的单语和多语言数据集、SOTA Deepfake 检测模型以及人类评估对我们的数据集进行了基准测试，突显了其推进 Deepfake 研究的潜力。该数据集可在\href{https://huggingface.co/datasets/kartik060702/ArEnAV-Full}{此处}访问。