2026年11月

语音检测结果

与服务相同的代码和阈值。约 14.6 万条录音,来自 24 个公开数据集。

可以引用的结果

In-the-Wild 上的 EER 为 0.8%,处于 Speech DF Arena 排行榜最优系统的水平。

对 2024 年社交媒体中的真实深度伪造,准确率为 91%。

ElevenLabs v4 的伪造语音有 94% 被识别出来。

如何阅读这些数字

准确率

「伪造 / 非伪造」判定正确的比例。

EER

Speech DF Arena 排行榜指标。越低越好。

AUC

不绑定阈值的排序质量。越接近 1 越好。

模型未参与训练的数据集

数据集内容结果比较 / 说明
In-the-Wild来自互联网的真实名人深度伪造,2.9 万条录音准确率 99.0%。EER 0.80%。AUC 0.998Speech DF Arena 最优系统的 EER 为 0.67–1.3%。这一结果处于同一水平。
Deepfake-Eval-20242024 年在社交网络中传播的深度伪造准确率 91.0%。AUC 0.949数据集作者研究中最好的商业检测器为 89%(AUC 0.93)。开源模型微调后为 86%。模型在该集合的其他录音上训练过,没有见过测试录音。
ElevenLabs v42026 年生成器,5 种语言检出 93.9% 的伪造没有独立对比。ElevenLabs 写道,他们自己的检测器甚至不能可靠识别上一版 v3。
ML-ITW社交网络中的多语言深度伪造,14 种语言准确率 90.3%。AUC 0.938模型在该集合的其他说话人上训练过。
DeepVoice—准确率 93.8%。EER 3.0%—
ODSS多语言准确率 98.4%。EER 0.88%—
EmoFake情感语音准确率 99.7%。EER 0.11%—
EmoSpoofTTS仅含伪造检出 99.8% 的伪造这是伪造检出率,不是准确率。集合里只有伪造样本。

“未参与训练”依据公开信息。三个基础模型中有两个未披露训练集。

是否与训练数据重叠尚不清楚

某个基础模型可能在这些数据集上训练过。训练数据未披露。

数据集结果
ArAD(阿拉伯语)准确率 99.6%
J-SPAW(日语)准确率 99.96%

2026年11月更新后的变化

数据集之前之后
Deepfake-Eval-202480%91%
ML-ITW78%90%
ElevenLabs v482%94%