Le meilleur taux d’égale erreur (EER) d’ASVspoof est passé de 0,22% en 2019 à 15,64% sur la tâche deepfake de 2021, puis à 8,61% dans la condition fermée d’ASVspoof 5 (Todisco et al., Interspeech 2019 ; Yamagishi et al., ASVspoof 2021 Workshop ; Wang et al., ASVspoof Workshop 2024). L’EER est le point où la part de fausses paroles acceptées égale la part de paroles réelles rejetées ; plus c’est bas, mieux c’est, et cette courbe ascendante enregistre un examen plus difficile, non des détecteurs moins bons. L’usurpation (spoofing) consiste ici à soumettre à un système vocal une parole falsifiée ou rejouée pour qu’elle passe pour celle d’une vraie personne, et la menace est mesurable : à elles seules, les attaques par rejeu (replay) ont fait passer un système de vérification du locuteur de référence de 1,76% à 31,46% d’EER (Kinnunen et al., Interspeech 2017). Nous avons agrégé des données issues des archives ISCA Interspeech et Odyssey, d’IEEE/ACM TASLP, d’IEEE T-BIOM, d’IEEE JSTSP, de Computer Speech and Language et des rapports d’évaluation des organisateurs eux-mêmes. Pour le versant commercial du même problème, consultez nos statistiques de la biométrie vocale.
TL;DR
- 63 équipes de recherche ont participé à ASVspoof 2019, le pic de participation de la série (Todisco et al., Interspeech 2019).
- ASVspoof 5 a utilisé 32 algorithmes d’attaque et environ 2 000 locuteurs, contre environ 100 locuteurs dans les éditions précédentes (Wang et al., Computer Speech and Language 2025).
- Le meilleur système d’ASVspoof 2015 a obtenu 1,211% d’EER en moyenne, mais 8,49% sur la seule attaque la plus difficile, S10 (Wu et al., IEEE JSTSP 2017).
- Les attaques par rejeu ont fait passer un système de vérification du locuteur de référence de 1,76% à 31,46% d’EER en 2017 (Kinnunen et al., Interspeech 2017).
- L’accès physique d’ASVspoof 2021 est resté difficile : le meilleur système a atteint 24,25% d’EER et 0,6824 de min t-DCF (Yamagishi et al., ASVspoof 2021 Workshop).
- La condition fermée d’ASVspoof 5 a été dominée à 8,61% d’EER, contre 29,12% pour la meilleure référence (Wang et al., ASVspoof Workshop 2024).
- Sur les deepfakes d’ASVspoof 2021, 23 systèmes sur 33 ont obtenu moins de 10% d’EER sur les données de progression, et tous ont dépassé 15% sur les données d’évaluation (Liu et al., IEEE/ACM TASLP 2023).
- L’ensemble gagnant d’accès logique de 2019 a réduit le t-DCF de 56% par rapport au meilleur système unique, alors que l’accès physique n’a gagné qu’environ 2% (Nautsch et al., IEEE T-BIOM 2021).
- Le premier défi de vérification du locuteur conscient de l’usurpation a fait passer un système conventionnel de 23,83% à 0,13% d’EER (Jung et al., Interspeech 2022).
- Des travaux postérieurs au défi ont ensuite atteint 0,82% d’EER sur l’accès logique d’ASVspoof 2021 et 2,85% sur les deepfakes (Tak et al., Odyssey 2022).
1. Éditions du défi et participation
ASVspoof a eu lieu cinq fois en neuf ans, et chaque édition a choisi un point faible différent. L’édition 2015 a testé la synthèse vocale à partir de texte et la conversion de voix, 2017 a testé le rejeu, et 2019 a scindé le domaine en accès logique (parole falsifiée injectée directement dans la chaîne audio du système) et accès physique (parole falsifiée diffusée par un haut-parleur vers un microphone). En 2021 est venue une tâche deepfake distincte, et ASVspoof 5 s’est scindé en détection autonome et vérification du locuteur robuste à l’usurpation.
La participation a culminé à 63 équipes de recherche en 2019 (Todisco et al., Interspeech 2019) et est restée au-dessus de 50 dans les deux éditions suivantes. Cette stabilité compte : les essais d’évaluation falsifiés sont passés de 184 000 en 2015 à 542 086 en 2024 (voir la section 2), et pourtant le domaine a continué de répondre présent. La transparence est un point plus fragile : 34 des 54 équipes disposant de scores 2021 valides ont déposé une description de système, laissant 20 équipes (54 moins 34) sans description (Liu et al., IEEE/ACM TASLP 2023).
| Métrique | Valeur | Source |
|---|---|---|
| ASVspoof 2015 : équipes ayant demandé la base de données | 28 équipes de 16 pays | Wu et al., Interspeech 2015 |
| ASVspoof 2015 : équipes ayant remis des soumissions principales | 16 | Wu et al., Interspeech 2015 |
| ASVspoof 2017 : équipes ayant soumis un détecteur de rejeu | 49 | Kinnunen et al., Interspeech 2017 |
| ASVspoof 2019 : équipes de recherche au total | 63 (48 en accès logique, 50 en accès physique) | Todisco et al., Interspeech 2019 |
| ASVspoof 2021 : équipes avec des scores d’évaluation valides | 54 sur 72 participants inscrits | Liu et al., IEEE/ACM TASLP 2023 |
| ASVspoof 2021 : équipes ayant déposé une description de système | 34 | Liu et al., IEEE/ACM TASLP 2023 |
| ASVspoof 5 (2024) : équipes participantes dans l’article de résultats | 53 | Wang et al., IEEE TASLP 2026 |
| SASV 2022, défi parallèle associant détection d’usurpation et vérification du locuteur : inscriptions contre soumissions | 53 contre 23 | Jung et al., Interspeech 2022 |
Le nombre d’équipes dépend de l’article. L’article de résultats de 2019 parle de 62 équipes et l’article d’atelier de 2024 de 54 participants, un écart traité dans la Note sur les données.
2. De 100 à 2 000 locuteurs : les données derrière chaque édition
Le changement le plus important dans ASVspoof n’est pas un modèle. Ce sont les données. Les bases précédentes comptaient chacune environ 100 locuteurs, et des enregistrements de qualité studio fournissaient la parole réelle. ASVspoof 5 est passé à de la parole collaborative issue d’environ 2 000 locuteurs, enregistrés dans des pièces variées sur des appareils variés (Wang et al., Computer Speech and Language 2025).
Cette seule décision aide à expliquer la hausse des taux d’erreur observée dans la section 3. Un détecteur ne peut plus réussir en apprenant à quoi ressemble un seul dispositif d’enregistrement. Le versant des attaques a lui aussi changé : ASVspoof 5 a ajouté pour la première fois des attaques adverses, c’est-à-dire des fausses paroles modifiées spécifiquement pour tromper un détecteur, et a testé 12 conditions de codec, de l’absence de compression aux codecs neuronaux (Wang et al., ASVspoof Workshop 2024).
| Métrique | Valeur | Source |
|---|---|---|
| Jeu d’évaluation ASVspoof 2015 : essais authentiques contre essais falsifiés | 9 404 contre 184 000 | Wu et al., Interspeech 2015 |
| Jeu d’évaluation ASVspoof 2017 : configurations de rejeu uniques | 110 | Kinnunen et al., Interspeech 2017 |
| Sous-ensemble d’accès logique ASVspoof 2019 : nombre total d’énoncés | 121 461 | Wang et al., Computer Speech and Language 2020 |
| Accès physique ASVspoof 2019 : conditions d’évaluation simulées | 243 (27 pièces et distances fois 9 types de rejeu) | Wang et al., Computer Speech and Language 2020 |
| Évaluation d’accès physique ASVspoof 2021 : essais réels contre essais falsifiés | 94 068 contre 627 264 | Liu et al., IEEE/ACM TASLP 2023 |
| Évaluation deepfake ASVspoof 2021 : essais réels contre essais falsifiés | 14 869 contre 519 059, issus de plus de 100 algorithmes d’attaque | Liu et al., IEEE/ACM TASLP 2023 |
| Évaluation ASVspoof 5 Track 1 : essais réels contre essais falsifiés | 138 688 contre 542 086 | Wang et al., IEEE TASLP 2026 |
| Attaques d’évaluation ASVspoof 5 : total et adverses | 16 attaques, dont 7 adverses, issues d’un ensemble de 32 | Wang et al., Computer Speech and Language 2025 |
3. Principaux résultats d’EER par édition
Lire ces lignes comme une seule courbe de tendance est l’erreur classique. Le vainqueur à 0,22% de 2019 et le vainqueur à 8,61% de 2024 ont passé des examens différents, et les organisateurs ont rendu chacun volontairement plus difficile. La comparaison utile se fait à l’intérieur de chaque ligne, entre la meilleure équipe et la référence qu’elle devait battre.
Selon cette mesure, le domaine continue de progresser. Dans ASVspoof 5, 27 équipes de la condition fermée ont battu la meilleure référence (Wang et al., IEEE TASLP 2026), et l’EER du meilleur système représentait moins d’un tiers de celui de cette référence. L’exception est l’accès physique en 2021, que l’analyse en revue qualifie de la plus difficile des trois tâches, le meilleur système restant bloqué à 24,25% (Yamagishi et al., ASVspoof 2021 Workshop).
| Métrique | Valeur | Source |
|---|---|---|
| ASVspoof 2015 meilleur système : attaques connues, attaques inconnues, moyenne | 0,408%, 2,013%, 1,211% d’EER | Wu et al., Interspeech 2015 |
| ASVspoof 2017 meilleur détecteur de rejeu contre référence | 6,73% contre 24,77% d’EER | Kinnunen et al., Interspeech 2017 |
| ASVspoof 2019 meilleur contre meilleure référence, accès logique et accès physique | 0,22% contre 8,09% d’EER ; 0,39% contre 11,04% d’EER | Todisco et al., Interspeech 2019 |
| ASVspoof 2021 accès logique meilleur contre meilleure référence | 1,32% contre 9,26% d’EER | Yamagishi et al., ASVspoof 2021 Workshop |
| ASVspoof 2021 accès physique meilleur | 24,25% d’EER | Yamagishi et al., ASVspoof 2021 Workshop |
| ASVspoof 2021 tâche deepfake meilleur contre meilleure référence | 15,64% contre 22,38% d’EER | Yamagishi et al., ASVspoof 2021 Workshop |
| ASVspoof 5 Track 1 meilleur en condition fermée, meilleur en condition ouverte, meilleure référence | 8,61%, 2,59%, 29,12% d’EER | Wang et al., ASVspoof Workshop 2024 |
La condition fermée interdit les données externes, tandis que la condition ouverte autorise les données externes et les modèles pré-entraînés, ce qui explique que la même année présente deux vainqueurs très différents.
4. Ce que l’usurpation fait à la vérification du locuteur, et les attaques les plus difficiles
Sans détecteur, la vérification du locuteur résiste à peine. Sous l’attaque S10 de 2015, un système à 0,42% d’EER s’est effondré à 45,79% (Wu et al., Interspeech 2015). Les éditions suivantes répètent ce schéma à toutes les échelles, y compris ASVspoof 5, où 14 des 16 attaques d’évaluation ont fait dépasser 20% à l’EER de la vérification du locuteur (Wang et al., Computer Speech and Language 2025).
Le constat le plus surprenant concerne l’identité de l’attaquant le plus redoutable. Dans la condition fermée d’ASVspoof 5, c’était A19, fondée sur MaryTTS, un ancien synthétiseur concaténatif qui assemble des fragments de parole enregistrée, et l’article sur la base de données conclut que les technologies génératives, anciennes comme contemporaines, représentent toujours une menace grave. Machines et humains échouent aussi différemment : en 2019, l’attaque A17 a trompé le détecteur de référence mais a été facilement repérée par des auditeurs humains, tandis que A10 a été décrite comme perceptuellement indiscernable de la parole réelle (Wang et al., Computer Speech and Language 2020). Nos statistiques MOS de la parole synthétique couvrent le versant auditeur de cet écart.
| Métrique | Valeur | Source |
|---|---|---|
| EER de la vérification du locuteur, imposteurs ordinaires contre attaque S10 (2015) | 0,42% contre 45,79% | Wu et al., Interspeech 2015 |
| EER de la vérification du locuteur, imposteurs ordinaires contre rejeu (2017) | 1,76% contre 31,46% | Kinnunen et al., Interspeech 2017 |
| EER de la vérification du locuteur, imposteurs ordinaires contre la pire attaque d’accès logique de 2019 | 2,48% contre 64,52% (attaque A16) | Wang et al., Computer Speech and Language 2020 |
| EER de la vérification du locuteur ECAPA-TDNN conventionnelle, sans usurpation contre avec essais falsifiés ajoutés | 1,63% contre 23,83% | Jung et al., Interspeech 2022 |
| EER de la vérification du locuteur ASVspoof 5, attaque A26 contre la même attaque avec l’étape adverse Malacopula ajoutée (A27) | 15,77% contre 34,68% | Wang et al., Computer Speech and Language 2025 |
| Meilleur EER d’un détecteur ASVspoof 2015 sur l’attaque la plus difficile, S10 | 8,49% | Wu et al., IEEE JSTSP 2017 |
| EER du détecteur de référence ASVspoof 5 sur A19, RawNet2 contre AASIST | 49,80% contre 63,75% | Wang et al., Computer Speech and Language 2025 |
S10 est aussi resté coriace après le défi de 2015 : la revue en journal de l’édition 2015 a constaté que les résultats la concernant restaient médiocres dans la plupart des études ultérieures, à une exception près, à 1,065%.
5. Au-delà de l’EER : t-DCF, a-DCF et le problème de calibration
L’EER décrit un détecteur seul, à un seuil unique choisi après coup. Depuis 2019, la plupart des tâches d’ASVspoof sont classées selon des coûts. La fonction de coût de détection en tandem (t-DCF) chiffre le détecteur et la vérification du locuteur fonctionnant ensemble, sur une échelle dotée d’un plancher ASV : le coût qui subsiste même avec un détecteur parfait, car la vérification du locuteur commet encore des erreurs. En 2019, le meilleur système d’accès logique a obtenu 0,0692 face à un plancher de 0,0627, presque aussi bon qu’un détecteur peut l’être (Nautsch et al., IEEE T-BIOM 2021).
ASVspoof 5 met en lumière le problème suivant, la calibration, qui consiste à savoir si les scores d’un système peuvent être utilisés avec un seuil réel fixe. Le minDCF est le coût au meilleur seuil choisi après coup, et l’actDCF est le coût au seuil qu’un système déployé utiliserait réellement. Le vainqueur de la condition fermée sur le minDCF a obtenu 0,9956 d’actDCF, alors que l’équipe classée troisième n’a presque rien perdu entre les deux. Nous avons compté 11 soumissions sur 31 en condition fermée et 14 sur 34 en condition ouverte affichant un actDCF d’exactement 1,0000 (Wang et al., ASVspoof Workshop 2024). Les organisateurs relient les valeurs d’actDCF de 1,0 à des scores de type probabilité, de sorte qu’un minDCF bas et un actDCF élevé peuvent coexister dans un même système, et ils proposent des métriques sensibles à la calibration comme métriques principales possibles pour les futures éditions (Wang et al., IEEE TASLP 2026).
| Métrique | Valeur | Source |
|---|---|---|
| ASVspoof 2019 : plancher ASV contre meilleur min t-DCF, accès logique et accès physique | 0,0627 contre 0,0692 ; 0,1354 contre 0,1437 | Nautsch et al., IEEE T-BIOM 2021 |
| ASVspoof 2021 accès physique : plancher ASV contre meilleur min t-DCF | 0,12 contre 0,6824 | Liu et al., IEEE/ACM TASLP 2023 ; Yamagishi et al., ASVspoof 2021 Workshop |
| ASVspoof 5 Track 1 condition fermée : minDCF contre actDCF, première et troisième place | 0,2436 contre 0,9956 ; 0,2975 contre 0,2976 | Wang et al., ASVspoof Workshop 2024 |
| ASVspoof 5 Track 2 : meilleur en condition fermée, meilleur en condition ouverte et meilleure référence en condition fermée, min a-DCF | 0,2814, 0,0756, 0,5741 | Wang et al., ASVspoof Workshop 2024 |
L’a-DCF (fonction de coût de détection indépendante de l’architecture) est la métrique principale de la Track 2, et la Track 2 associe le détecteur à la vérification du locuteur. Les valeurs de t-DCF ne sont pas comparables d’un article à l’autre : voir la Note sur les données.
6. Ce qui gagne : modèles neuronaux, ensembles et composants frontaux pré-entraînés
La série raconte une histoire nette sur les méthodes. En 2019, les réseaux de neurones avaient pris le haut du classement, et les ensembles, c’est-à-dire la combinaison de plusieurs sous-systèmes, étaient devenus la façon par défaut de gagner. L’ensemble gagnant d’accès logique de 2019 était supérieur de 56% au meilleur système unique en t-DCF, alors que l’accès physique n’a gagné qu’environ 2% (Nautsch et al., IEEE T-BIOM 2021). Les ensembles avaient peu à gagner en accès physique, où le meilleur système unique se situait déjà près du plancher ASV décrit dans la section 5.
En 2024, le facteur décisif était le composant frontal (front-end) pré-entraîné. Toutes les meilleures soumissions d’ASVspoof 5 utilisaient wav2vec 2.0 ou WavLM (Wang et al., IEEE TASLP 2026), des modèles auto-supervisés entraînés d’abord sur de grandes quantités de parole ordinaire. Une grande partie du gain entre condition fermée et condition ouverte, de 8,61% à 2,59%, est venue avec ces modèles et les données supplémentaires que la condition ouverte autorise. Ces mêmes familles de modèles sont mesurées sur des tâches de parole générales dans nos statistiques du classement SUPERB. La technique a été validée peu après l’édition 2021, lorsqu’un système wav2vec 2.0 a battu tous les résultats du défi sur les mêmes données (Tak et al., Odyssey 2022).
| Métrique | Valeur | Source |
|---|---|---|
| ASVspoof 2019 : meilleurs systèmes utilisant des réseaux de neurones, et systèmes utilisant un ensemble de classifieurs | Top 7 et 9 en accès logique ; top 6 et 10 en accès physique | Todisco et al., Interspeech 2019 |
| ASVspoof 2019 : min t-DCF, meilleur système unique contre meilleur ensemble, accès logique et accès physique | 0,1562 contre 0,0692 ; 0,1470 contre 0,1437 | Nautsch et al., IEEE T-BIOM 2021 |
| ASVspoof 5 Track 1 : sous-systèmes fusionnés, condition fermée contre condition ouverte | 3 à 4 contre 2 à 6 | Wang et al., IEEE TASLP 2026 |
| ASVspoof 5 Track 1 : composants frontaux pré-entraînés parmi les cinq meilleurs systèmes ouverts listés | wav2vec2-large dans 3, WavLM-Base dans 2 | Wang et al., IEEE TASLP 2026 |
| Système wav2vec 2.0 postérieur au défi sur l’accès logique d’ASVspoof 2021, EER et min t-DCF | 0,82% et 0,2066 | Tak et al., Odyssey 2022 |
| Système wav2vec 2.0 postérieur au défi sur la tâche deepfake d’ASVspoof 2021, EER | 2,85% | Tak et al., Odyssey 2022 |
7. L’écart de généralisation après le classement
Le problème non résolu de l’anti-usurpation est ce qui se passe hors du banc d’essai. Le signe le plus clair est venu du défi lui-même : sur les deepfakes d’ASVspoof 2021, 23 systèmes sur 33 ont obtenu moins de 10% d’EER sur les données de progression, et chacun d’eux a dépassé 15% sur le jeu d’évaluation (Liu et al., IEEE/ACM TASLP 2023). Le meilleur score de progression était inférieur à 1%, si bien que le retour du classement sur lequel les équipes s’entraînaient était trompeur.
Le même constat vaut hors du défi. Quatre des cinq meilleurs systèmes ouverts d’ASVspoof 5 ont été retestés sur d’autres jeux de données et, à une exception près, leurs EER ont dépassé 10% (Wang et al., IEEE TASLP 2026). Sur de l’audio collecté sur internet, les modèles entraînés sur ASVspoof 2019 ont fait bien pire, et davantage de données ASVspoof n’ont pas aidé (Müller et al., Interspeech 2022). L’amélioration de la parole connaît un problème comparable, documenté dans nos statistiques de référence PESQ et STOI. Un préprint de 2025 va plus loin et soutient que la détection seule ne devrait pas porter des décisions à fort enjeu, la recommandant comme un signal parmi d’autres dans des défenses en couches (Berisha et al., arXiv 2025).
| Métrique | Valeur | Source |
|---|---|---|
| Systèmes en condition ouverte d’ASVspoof 5 T36, T27, T23, T43 : EER sur un sous-ensemble ASVspoof 5 Track 1 contre sur l’accès logique d’ASVspoof 2019 | 3,37%, 3,30%, 4,23%, 4,33% contre 16,27%, 17,33%, 16,73%, 26,63% | Wang et al., IEEE TASLP 2026 |
| Vainqueur de l’accès physique ASVspoof 2019 : EER sur rejeu simulé contre rejeu réel caché | 0,39% contre 19,68% | Nautsch et al., IEEE T-BIOM 2021 |
| Meilleur modèle sur ASVspoof 2019 contre meilleur modèle sur de l’audio réel (in-the-wild), EER | Environ 1,2% contre environ 33,9% | Müller et al., Interspeech 2022 |
| RawNet2 réentraîné sur l’ensemble d’ASVspoof 2019 : EER sur de l’audio réel (in-the-wild) | 33,1% ± 0,2 | Müller et al., Interspeech 2022 |
| Dégradation de l’EER de 12 modèles réimplémentés sur de l’audio réel (in-the-wild) | Environ 200% à 1000% | Müller et al., Interspeech 2022 |
| Équipe T03 du WildSpoof Challenge, son propre EER déclaré en détection d’usurpation dans le domaine | 0,16% | Farhadipour et al., arXiv 2026 |
Le chiffre de T03 est le rapport d’une seule équipe, et ses auteurs indiquent que leurs résultats sur d’autres jeux de données, dont ASVspoof 5, montrent que la généralisation inter-domaines reste difficile. Les chiffres dans le domaine continuent de baisser alors que l’écart demeure. WildSpoof, dont le plan d’évaluation cite des auteurs qui ont aussi organisé ASVspoof 5, associe une piste de synthèse vocale à partir de texte à une piste de vérification du locuteur robuste à l’usurpation (Farhadipour et al., arXiv 2026).
Résumé : l’EER d’ASVspoof en anti-usurpation vocale en chiffres
| Métrique | Valeur | Source |
|---|---|---|
| Équipes ASVspoof 2015 avec soumissions principales | 16 | Wu et al., Interspeech 2015 |
| Équipes ASVspoof 2017 | 49 | Kinnunen et al., Interspeech 2017 |
| Locuteurs d’ASVspoof 5 contre éditions précédentes | Environ 2 000 contre environ 100 | Wang et al., Computer Speech and Language 2025 |
| EER de la vérification du locuteur, imposteurs ordinaires contre attaque S10 (2015) | 0,42% contre 45,79% | Wu et al., Interspeech 2015 |
| EER de la vérification du locuteur, imposteurs ordinaires contre la pire attaque d’accès logique de 2019 | 2,48% contre 64,52% | Wang et al., Computer Speech and Language 2020 |
| Meilleur EER moyen d’ASVspoof 2015 | 1,211% | Wu et al., IEEE JSTSP 2017 |
| Meilleur EER d’un détecteur ASVspoof 2015 sur l’attaque la plus difficile, S10 | 8,49% | Wu et al., IEEE JSTSP 2017 |
| Meilleur EER d’ASVspoof 2017 | 6,73% | Kinnunen et al., Interspeech 2017 |
| Meilleur EER d’accès logique d’ASVspoof 2019 | 0,22% | Todisco et al., Interspeech 2019 |
| Meilleur EER de la tâche deepfake d’ASVspoof 2021 | 15,64% | Yamagishi et al., ASVspoof 2021 Workshop |
| Meilleur EER de la condition fermée ASVspoof 5 Track 1 | 8,61% | Wang et al., ASVspoof Workshop 2024 |
| Meilleur EER de SASV 2022 avec essais falsifiés inclus | 0,13% | Jung et al., Interspeech 2022 |
| Meilleur EER postérieur au défi sur l’accès logique d’ASVspoof 2021 | 0,82% | Tak et al., Odyssey 2022 |
| Meilleur EER postérieur au défi sur la tâche deepfake d’ASVspoof 2021 | 2,85% | Tak et al., Odyssey 2022 |
| Vainqueur de l’accès physique ASVspoof 2019 sur rejeu réel caché | 19,68% d’EER | Nautsch et al., IEEE T-BIOM 2021 |
| Meilleur modèle sur de l’audio réel (in-the-wild) | Environ 33,9% d’EER | Müller et al., Interspeech 2022 |
Méthodologie et sources
Nous avons lu directement les articles du défi plutôt que des synthèses tierces. Les chiffres d’EER sont des pourcentages sur des jeux d’évaluation, sauf indication contraire dans une ligne. La plupart des données ici ont plus de trois ans par nature, car le défi a lieu environ tous les deux à trois ans. Données les plus récentes disponibles : le rapport en revue de 2026 sur l’édition 2024.
- Site officiel d’ASVspoof : liste des éditions, calendriers et organisateurs.
- Wu et al., ASVspoof 2015, Interspeech 2015 : première édition, équipes, essais et résultats.
- Wu et al., IEEE Journal of Selected Topics in Signal Processing 2017 : détail sur S10 et revue après évaluation.
- Kinnunen et al., ASVspoof 2017, Interspeech 2017 : résultats de la détection du rejeu.
- Todisco et al., ASVspoof 2019, Interspeech 2019 : vue d’ensemble et classement.
- Wang et al., base de données ASVspoof 2019, Computer Speech and Language 2020 : tailles des données, attaques et évaluation humaine.
- Nautsch et al., IEEE Transactions on Biometrics, Behavior, and Identity Science 2021 : t-DCF révisé, ensembles, rejeu réel caché.
- Yamagishi et al., ASVspoof 2021 Workshop : principaux résultats de 2021.
- Liu et al., IEEE/ACM Transactions on Audio, Speech, and Language Processing 2023 : analyse complète de 2021.
- Wang et al., ASVspoof Workshop 2024 : tableaux de résultats d’ASVspoof 5.
- Wang et al., base de données ASVspoof 5, Computer Speech and Language 2025 : données, attaques et effets sur les références.
- Wang et al., IEEE Transactions on Audio, Speech and Language Processing 2026 : analyse d’ASVspoof 5 postérieure au défi.
- Jung et al., SASV 2022, Interspeech 2022 : vérification du locuteur consciente de l’usurpation.
- Tak et al., Odyssey 2022 : résultats wav2vec 2.0 postérieurs au défi.
- Müller et al., Interspeech 2022 : test de généralisation sur de l’audio réel (in-the-wild).
- Berisha et al., arXiv 2025 : préprint, non évalué par des pairs dans le dossier que nous avons lu.
- Farhadipour et al., arXiv 2026 et le plan d’évaluation WildSpoof 2025 : article sur le système d’une équipe et règles du défi.
- Note sur les données : (1) L’EER d’une édition à l’autre n’est pas une tendance, car les données, les attaques et les codecs ont changé à chaque fois. (2) Les échelles de t-DCF diffèrent : la vue d’ensemble de 2019 a imprimé 0,0069 pour le vainqueur de l’accès logique et 0,0096 pour celui de l’accès physique, tandis que l’article T-BIOM ultérieur a révisé la formule et imprimé 0,0692 et 0,1437, en conservant pour l’essentiel les classements ; nous utilisons les valeurs révisées. (3) Les nombres d’équipes se contredisent : 63 contre 62 pour 2019 et 53 contre 54 pour ASVspoof 5. (4) Le texte de l’article d’atelier de 2021 donne 42 soumissions d’accès logique et 30 de deepfake, mais ses tableaux en listent 41 et 33 ; nous ne citons que les 33 utilisées dans l’article de revue. Le vainqueur deepfake est à 15,64% dans l’article d’atelier et à 15,63% dans l’article de revue. (5) L’article de 2017 donne l’EER principal moyen à la fois comme 26,01% et 25,91%, donc nous ne l’utilisons pas. (6) Le meilleur a-DCF ouvert de la Track 2 d’ASVspoof 5 est 0,0756 dans le tableau de 2024 et imprimé 0,07 dans l’article de 2026. (7) Les décomptes d’actDCF de la section 5 sont notre propre comptage des tableaux de 2024, hors les deux références de la condition fermée. (8) Les valeurs des tableaux d’ASVspoof 5 ont été lues dans l’article de 2024, où de nombreuses équipes figurent sans identifiant public. (9) Les chiffres de Tak et al. sont les résultats propres des auteurs après le défi, que nous n’avons pas reproduits. (10) Nous n’avons trouvé ni synthèse officielle d’un organisateur sur les résultats finaux de WildSpoof, ni annonce d’ASVspoof 6 sur le site officiel au 31 octobre 2026.
Dernière mise à jour : 31 octobre 2026. Nous actualisons ce tour d’horizon chaque trimestre, et la prochaine révision est attendue lorsque les organisateurs d’ASVspoof publieront le plan d’évaluation de la prochaine édition.