ESDD 2026: 环境声音深度伪造检测挑战评估计划.pdfVIP

ESDD2026:环境声音深度伪造检测挑战评估计划

HanYin,YangXiao,RohanKumarDas,JishengBaiandTingDang

SchoolofElectricalEngineering,KAIST,Daejeon,RepublicofKorea

UniversityofMelbourne,Australia

FortemediaSingapore,Singapore

Xi’anUniversityofPostsTelecommunications,Xi’an,China

ABSTRACT2.挑战概述

近期，音频生成系统的发展使得能够创建高度逼真和沉浸式的

声音场景，这些声音场景在电影和虚拟现实中的应用越来越广2.1.挑战赛道

泛。然而，这些音频生成器也引发了关于潜在滥用的担忧，例如

为假视频生成误导性音频内容并传播错误信息。现有的环境声在EnvSDD中，我们采用了五个TTA模型和两个ATA模

音深度伪造检测（ESDD）数据集在规模和音频类型方面受到限型来生成假声音片段。在训练过程中，检测模型仅接触到这些

本1生成器的一部分。对于评估，训练好的模型必须能够泛化到未

制。为了解决这一问题，我们提出了EnvSDD，这是一个专为

译ESDD设计的第一个大规模整理的数据集，包含45.25小时的见过的生成器上。这种设置与现实世界场景相吻合，在现实世

真实声音和316.7小时的虚假声音。基于EnvSDD，我们将举办界中，深度伪造检测器需要识别由之前未见过的生成器产生的

23深度伪造声音。接下来，我们介绍了ESDD挑战赛的第一个赛

中环境声音深度伪造检测挑战赛。具体来说，我们提供了两条

不同的赛道：未见生成器中的ESDD和黑盒低资源ESDD，涵道，称为未见发电机中的ESDD，旨在开发能够应对未见过的

1盖现实生活场景中遇到的各种挑战。该比赛将与2026年IEEE声音生成器的强大检测模型。

v4

9国际声学、语音与信号处理会议（ICASSP2026）结合举行。在第一条轨道中，尽管测试集中的声音生成器是未见过的，

2IndexTerms—环境声音深度伪造检测，防伪，声学场景但底层的声音生成范式（即TTA和ATA）已经在训练过程中

5理解遇到过。在第二条轨道中，我们考虑一个更具挑战性的评估场

4景，其中生成方法既不是TTA也不是ATA。参与者没有关于

01.介绍测试数据所使用的生成方法的具体信息，可能是除了TTA和

.ATA之外的任何方法，例如多模态声音生成[11,12]和基于提

8

0音频生成模型的快速发展使得创建高度逼真的深度伪造语示的声音编辑[13]。我们将这种评估设置称为“黑盒测试”，它

5音、音乐和环境声音变得越来越容易，这些可以被用来传播错紧密反映了实际应用中检测系统必须在没有先验生成范式知识

2误信息并误导公众[1,2]。近年来，语音和歌声的深度伪造检测的情况下有效运行的情况。

:取得了重大里程碑，导致各种最先进的(SOTA)模型和基准测此外，考虑到黑盒数据在实践中通常