DuRe-ST论文提出语音深度伪造检测新方法
Get the story
2026年10月8日，arXiv（Audio and Speech，一手来源）发表关于DuRe-ST的论文，提出一种用于语音深度伪造检测的新模型。研究者称该模型联合利用协方差诱导关系与图注意力关系，以捕捉互补的二阶共变与自适应谱时依赖。论文报告在ASVspoof基准上，DuRe-ST相对XLSR-AASIST平均EER降低25.9%，在四个跨数据集基准上降低28.4%，仅增加4-8k可训练后端参数；同时在四个基准上相对EER优于最强公开对比模型2.2-13.2%，且模型规模更小。以上数据均来自论文报道，尚未见独立验证或后续跟进。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Audio and SpeechDuRe-ST：用于语音深度伪造检测的双关系谱时建模
研究者提出语音深度伪造检测模型 DuRe-ST，联合利用协方差诱导关系与图注意力关系，捕捉互补的二阶共变与自适应谱时依赖。在 ASVspoof 基准上相对 XLSR-AASIST 平均 EER 降低 25.9%，四个跨数据集基准降低 28.4%，仅增加 4-8k 可训练后端参数；在四个基准上相对 EER 优于最强公开对比模型 2.2-13.2%，且规模更小。
Heat trend
Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.