Лучшая равновероятная ошибка (EER) в ASVspoof выросла с 0,22% в 2019 году до 15,64% в задаче по дипфейкам 2021 года, а затем составила 8,61% в закрытом условии ASVspoof 5 (Todisco и др., Interspeech 2019; Yamagishi и др., ASVspoof 2021 Workshop; Wang и др., ASVspoof Workshop 2024). EER - это точка, в которой доля принятых подделок равна доле отклонённой настоящей речи, поэтому чем меньше, тем лучше, и эта растущая линия отражает более трудный экзамен, а не более слабые детекторы. Спуфинг здесь означает подачу в голосовую систему поддельной или воспроизведённой речи, чтобы она сошла за настоящего человека, и угроза поддаётся измерению: одни только атаки повторного воспроизведения подняли EER базовой системы верификации диктора с 1,76% до 31,46% (Kinnunen и др., Interspeech 2017). Мы собрали данные из архивов ISCA Interspeech и Odyssey, IEEE/ACM TASLP, IEEE T-BIOM, IEEE JSTSP, Computer Speech and Language и из собственных оценочных отчётов организаторов. О коммерческой стороне той же проблемы читайте в нашей статистике голосовой биометрии.
Кратко (TL;DR)
- В ASVspoof 2019 участвовали 63 исследовательские команды - пик участия за всю серию (Todisco и др., Interspeech 2019).
- В ASVspoof 5 использовано 32 алгоритма атак и около 2 000 дикторов против примерно 100 дикторов в прежних выпусках (Wang и др., Computer Speech and Language 2025).
- Лучшая система ASVspoof 2015 показала в среднем 1,211% EER, но 8,49% на самой трудной отдельной атаке S10 (Wu и др., IEEE JSTSP 2017).
- Атаки повторного воспроизведения подняли EER базовой системы верификации диктора с 1,76% до 31,46% в 2017 году (Kinnunen и др., Interspeech 2017).
- Физический доступ в ASVspoof 2021 остался трудным: лучшая система достигла 24,25% EER и 0,6824 минимальной t-DCF (Yamagishi и др., ASVspoof 2021 Workshop).
- Закрытое условие ASVspoof 5 возглавила система с 8,61% EER против 29,12% у лучшей базовой системы (Wang и др., ASVspoof Workshop 2024).
- На дипфейках ASVspoof 2021 23 из 33 систем показали менее 10% EER на промежуточных данных, и все превысили 15% на оценочных данных (Liu и др., IEEE/ACM TASLP 2023).
- Победивший в 2019 году ансамбль по логическому доступу снизил t-DCF на 56% по сравнению с лучшей одиночной системой, тогда как физический доступ выиграл лишь около 2% (Nautsch и др., IEEE T-BIOM 2021).
- Первое соревнование по верификации диктора с учётом спуфинга снизило EER обычной системы с 23,83% до 0,13% (Jung и др., Interspeech 2022).
- Работы после соревнования позже достигли 0,82% EER на логическом доступе ASVspoof 2021 и 2,85% на дипфейках (Tak и др., Odyssey 2022).
1. Выпуски соревнования и участие
ASVspoof проводился пять раз за девять лет, и каждый выпуск выбирал своё слабое место. Выпуск 2015 года проверял синтез речи по тексту и преобразование голоса, 2017 года - повторное воспроизведение, а 2019 года разделил поле на логический доступ (logical access, поддельная речь подаётся прямо в аудиотракт системы) и физический доступ (physical access, поддельная речь воспроизводится через динамик в микрофон). В 2021 году добавилась отдельная задача по дипфейкам речи (speech deepfake), а ASVspoof 5 разделился на автономное обнаружение и верификацию диктора, устойчивую к спуфингу.
Участие достигло пика в 63 исследовательские команды в 2019 году (Todisco и др., Interspeech 2019) и с тех пор в двух выпусках оставалось выше 50. Эта стабильность важна: число поддельных оценочных проб выросло со 184 000 в 2015 году до 542 086 в 2024 году (см. раздел 2), а область продолжала участвовать. Раскрытие информации - более слабое место: 34 из 54 команд с действительными результатами 2021 года подали описание системы, то есть у 20 команд (54 минус 34) его нет (Liu и др., IEEE/ACM TASLP 2023).
| Показатель | Значение | Источник |
|---|---|---|
| ASVspoof 2015: команды, запросившие базу данных | 28 команд из 16 стран | Wu и др., Interspeech 2015 |
| ASVspoof 2015: команды, приславшие основные заявки | 16 | Wu и др., Interspeech 2015 |
| ASVspoof 2017: команды, приславшие детектор повторного воспроизведения | 49 | Kinnunen и др., Interspeech 2017 |
| ASVspoof 2019: исследовательские команды всего | 63 (48 по логическому доступу, 50 по физическому доступу) | Todisco и др., Interspeech 2019 |
| ASVspoof 2021: команды с действительными оценочными результатами | 54 из 72 зарегистрированных участников | Liu и др., IEEE/ACM TASLP 2023 |
| ASVspoof 2021: команды, подавшие описание системы | 34 | Liu и др., IEEE/ACM TASLP 2023 |
| ASVspoof 5 (2024): участвовавшие команды в статье с результатами | 53 | Wang и др., IEEE TASLP 2026 |
| SASV 2022, параллельное соревнование, объединяющее обнаружение спуфинга и проверку диктора: регистрации против заявок | 53 против 23 | Jung и др., Interspeech 2022 |
Число команд зависит от статьи. Статья с результатами 2019 года называет 62 команды, а статья семинара 2024 года - 54 участника; это расхождение разобрано в разделе «Наблюдение по данным».
2. От 100 дикторов до 2 000: данные за каждым выпуском
Самое важное изменение в ASVspoof - не модель. Это данные. Прежние базы содержали примерно по 100 дикторов, а настоящую речь давали записи студийного качества. В ASVspoof 5 перешли на речь, собранную краудсорсингом, примерно от 2 000 дикторов, записанную в разных помещениях на разных устройствах (Wang и др., Computer Speech and Language 2025).
Одно это решение помогает объяснить более высокие уровни ошибок в разделе 3. Детектор больше не может добиться успеха, выучив, как звучит одна конкретная конфигурация записи. Изменилась и сторона атак: в ASVspoof 5 впервые добавлены состязательные атаки, то есть подделки, специально изменённые, чтобы обмануть детектор, и проверены 12 условий кодирования, от отсутствия сжатия до нейросетевых кодеков (Wang и др., ASVspoof Workshop 2024).
| Показатель | Значение | Источник |
|---|---|---|
| Оценочный набор ASVspoof 2015: настоящие против поддельных проб | 9 404 против 184 000 | Wu и др., Interspeech 2015 |
| Оценочный набор ASVspoof 2017: уникальные конфигурации повторного воспроизведения | 110 | Kinnunen и др., Interspeech 2017 |
| Подмножество логического доступа ASVspoof 2019: всего высказываний | 121 461 | Wang и др., Computer Speech and Language 2020 |
| Физический доступ ASVspoof 2019: смоделированные условия оценки | 243 (27 помещений и расстояний, умноженных на 9 типов повторного воспроизведения) | Wang и др., Computer Speech and Language 2020 |
| Оценка физического доступа ASVspoof 2021: настоящие против поддельных проб | 94 068 против 627 264 | Liu и др., IEEE/ACM TASLP 2023 |
| Оценка дипфейков ASVspoof 2021: настоящие против поддельных проб | 14 869 против 519 059, из более чем 100 алгоритмов атак | Liu и др., IEEE/ACM TASLP 2023 |
| Оценка трека 1 ASVspoof 5: настоящие против поддельных проб | 138 688 против 542 086 | Wang и др., IEEE TASLP 2026 |
| Оценочные атаки ASVspoof 5: всего и состязательных | 16 атак, 7 из них состязательные, из пула в 32 | Wang и др., Computer Speech and Language 2025 |
3. Главные результаты EER по выпускам
Читать эти строки как одну линию тренда - классическая ошибка. Победитель 2019 года с 0,22% и победитель 2024 года с 8,61% сдавали разные экзамены, и организаторы намеренно усложняли каждый из них. Полезное сравнение находится внутри каждой строки, между лучшей командой и базовой системой, которую нужно было превзойти.
По этому критерию область продолжает двигаться вперёд. В ASVspoof 5 27 команд закрытого условия превзошли лучшую базовую систему (Wang и др., IEEE TASLP 2026), а EER лучшей системы составил менее трети от EER этой базовой системы. Исключение - физический доступ 2021 года, который журнальный анализ называет самой трудной из трёх задач, причём лучшая система застряла на 24,25% (Yamagishi и др., ASVspoof 2021 Workshop).
| Показатель | Значение | Источник |
|---|---|---|
| Лучшая система ASVspoof 2015: известные атаки, неизвестные атаки, среднее | 0,408%, 2,013%, 1,211% EER | Wu и др., Interspeech 2015 |
| Лучший детектор повторного воспроизведения ASVspoof 2017 против базовой системы | 6,73% против 24,77% EER | Kinnunen и др., Interspeech 2017 |
| ASVspoof 2019, лучшая система против лучшей базовой, логический доступ и физический доступ | 0,22% против 8,09% EER; 0,39% против 11,04% EER | Todisco и др., Interspeech 2019 |
| ASVspoof 2021, логический доступ, лучшая система против лучшей базовой | 1,32% против 9,26% EER | Yamagishi и др., ASVspoof 2021 Workshop |
| ASVspoof 2021, физический доступ, лучшая система | 24,25% EER | Yamagishi и др., ASVspoof 2021 Workshop |
| ASVspoof 2021, задача по дипфейкам, лучшая система против лучшей базовой | 15,64% против 22,38% EER | Yamagishi и др., ASVspoof 2021 Workshop |
| ASVspoof 5, трек 1, лучшее закрытое условие, лучшее открытое условие, лучшая базовая система | 8,61%, 2,59%, 29,12% EER | Wang и др., ASVspoof Workshop 2024 |
Закрытое условие запрещает внешние данные, а открытое разрешает внешние данные и предобученные модели, поэтому в одном и том же году мы видим двух очень разных победителей.
4. Что спуфинг делает с верификацией диктора, и самые трудные атаки
Без детектора верификация диктора почти не сопротивляется. Под атакой S10 2015 года система с 0,42% EER рухнула до 45,79% (Wu и др., Interspeech 2015). Более поздние выпуски повторяют эту картину в любом масштабе, включая ASVspoof 5, где 14 из 16 оценочных атак подняли EER верификации диктора выше 20% (Wang и др., Computer Speech and Language 2025).
Более неожиданная находка - кто оказался самым трудным атакующим. В закрытом условии ASVspoof 5 это была A19, построенная на MaryTTS, более старом конкатенативном синтезаторе, который склеивает фрагменты записанной речи, и статья о базе данных заключает, что и устаревшие, и современные генеративные технологии по-прежнему представляют серьёзную угрозу. Машины и люди ещё и ошибаются по-разному: в 2019 году атака A17 обманула базовый детектор, но её легко заметили слушатели-люди, тогда как A10 описали как неотличимую от настоящей речи на слух (Wang и др., Computer Speech and Language 2020). Сторону слушателя в этом разрыве освещает наша статистика MOS синтетической речи.
| Показатель | Значение | Источник |
|---|---|---|
| EER верификации диктора, обычные самозванцы против атаки S10 (2015) | 0,42% против 45,79% | Wu и др., Interspeech 2015 |
| EER верификации диктора, обычные самозванцы против повторного воспроизведения (2017) | 1,76% против 31,46% | Kinnunen и др., Interspeech 2017 |
| EER верификации диктора, обычные самозванцы против худшей атаки на логический доступ 2019 года | 2,48% против 64,52% (атака A16) | Wang и др., Computer Speech and Language 2020 |
| EER обычной верификации диктора ECAPA-TDNN, без спуфинга против добавленных поддельных проб | 1,63% против 23,83% | Jung и др., Interspeech 2022 |
| EER верификации диктора ASVspoof 5, атака A26 против той же атаки с добавленным состязательным шагом Malacopula (A27) | 15,77% против 34,68% | Wang и др., Computer Speech and Language 2025 |
| EER лучшего детектора ASVspoof 2015 на самой трудной атаке, S10 | 8,49% | Wu и др., IEEE JSTSP 2017 |
| EER базовых детекторов ASVspoof 5 на A19, RawNet2 против AASIST | 49,80% против 63,75% | Wang и др., Computer Speech and Language 2025 |
S10 оставалась упрямой и после соревнования 2015 года: журнальный обзор выпуска 2015 года показал, что результаты по ней оставались плохими в большинстве последующих исследований, за одним исключением, 1,065%.
5. Помимо EER: t-DCF, a-DCF и проблема калибровки
EER описывает один детектор, при единственном пороге, выбранном постфактум. С 2019 года большинство задач ASVspoof ранжируется по стоимости. Тандемная функция стоимости обнаружения (t-DCF) оценивает совместную работу детектора и проверки диктора на шкале с нижней границей ASV: стоимость, которая остаётся даже при идеальном детекторе, потому что проверка диктора всё ещё ошибается. В 2019 году лучшая система по логическому доступу показала 0,0692 при нижней границе 0,0627, почти так хорошо, как вообще может детектор (Nautsch и др., IEEE T-BIOM 2021).
ASVspoof 5 выявляет следующую проблему, калибровку, которая отвечает на вопрос, можно ли использовать оценки системы при фиксированном реальном пороге. minDCF - это стоимость при лучшем пороге, выбранном постфактум, а actDCF - стоимость при пороге, который на самом деле использовала бы развёрнутая система. Победитель закрытого условия по minDCF показал 0,9956 по actDCF, тогда как команда на третьем месте потеряла между ними почти ничего. Мы насчитали 11 из 31 заявки закрытого условия и 14 из 34 заявок открытого условия с actDCF ровно 1,0000 (Wang и др., ASVspoof Workshop 2024). Организаторы связывают значения actDCF, равные 1,0, с оценками, похожими на вероятности, так что низкий minDCF и высокий actDCF могут соседствовать в одной системе, и называют чувствительные к калибровке метрики возможными основными метриками будущих выпусков (Wang и др., IEEE TASLP 2026).
| Показатель | Значение | Источник |
|---|---|---|
| ASVspoof 2019: нижняя граница ASV против лучшей минимальной t-DCF, логический доступ и физический доступ | 0,0627 против 0,0692; 0,1354 против 0,1437 | Nautsch и др., IEEE T-BIOM 2021 |
| Физический доступ ASVspoof 2021: нижняя граница ASV против лучшей минимальной t-DCF | 0,12 против 0,6824 | Liu и др., IEEE/ACM TASLP 2023; Yamagishi и др., ASVspoof 2021 Workshop |
| Закрытое условие трека 1 ASVspoof 5: minDCF против actDCF, первое и третье места | 0,2436 против 0,9956; 0,2975 против 0,2976 | Wang и др., ASVspoof Workshop 2024 |
| Трек 2 ASVspoof 5: лучшее закрытое, лучшее открытое и лучшее закрытое базовое условие, минимальная a-DCF | 0,2814, 0,0756, 0,5741 | Wang и др., ASVspoof Workshop 2024 |
a-DCF (архитектурно-независимая функция стоимости обнаружения) - основная метрика трека 2, а трек 2 объединяет детектор с проверкой диктора. Значения t-DCF несопоставимы между статьями: см. «Наблюдение по данным».
6. Что побеждает: нейросетевые модели, ансамбли и предобученные фронтенды
Серия рассказывает чёткую историю о методах. К 2019 году нейронные сети заняли верх таблицы, а ансамбли, то есть несколько объединённых подсистем, стали обычным способом победить. Победивший ансамбль по логическому доступу в 2019 году был на 56% лучше лучшей одиночной системы по t-DCF, тогда как физический доступ выиграл лишь около 2% (Nautsch и др., IEEE T-BIOM 2021). У ансамблей почти не оставалось запаса на физическом доступе, где лучшая одиночная система уже была близка к нижней границе ASV, описанной в разделе 5.
К 2024 году решающим фактором стал предобученный фронтенд. Все лучшие заявки ASVspoof 5 использовали wav2vec 2.0 или WavLM (Wang и др., IEEE TASLP 2026) - самообучаемые модели, сначала обученные на больших объёмах обычной речи. Значительная часть выигрыша при переходе от закрытого условия к открытому, с 8,61% до 2,59%, пришлась на эти модели и дополнительные данные, которые разрешает открытое условие. Эти же семейства моделей измеряются на общих речевых задачах в нашей статистике таблицы лидеров SUPERB. Метод подтвердился вскоре после выпуска 2021 года, когда одна система на wav2vec 2.0 превзошла все результаты соревнования на тех же данных (Tak и др., Odyssey 2022).
| Показатель | Значение | Источник |
|---|---|---|
| ASVspoof 2019: лучшие системы на нейронных сетях и системы с ансамблем классификаторов | Топ-7 и 9 по логическому доступу; топ-6 и 10 по физическому доступу | Todisco и др., Interspeech 2019 |
| ASVspoof 2019: минимальная t-DCF, лучшая одиночная система против лучшего ансамбля, логический доступ и физический доступ | 0,1562 против 0,0692; 0,1470 против 0,1437 | Nautsch и др., IEEE T-BIOM 2021 |
| Трек 1 ASVspoof 5: объединённые подсистемы, закрытое против открытого условия | от 3 до 4 против от 2 до 6 | Wang и др., IEEE TASLP 2026 |
| Трек 1 ASVspoof 5: предобученные фронтенды среди пяти перечисленных лучших открытых систем | wav2vec2-large у 3, WavLM-Base у 2 | Wang и др., IEEE TASLP 2026 |
| Система на wav2vec 2.0 после соревнования на логическом доступе ASVspoof 2021, EER и минимальная t-DCF | 0,82% и 0,2066 | Tak и др., Odyssey 2022 |
| Система на wav2vec 2.0 после соревнования в задаче по дипфейкам ASVspoof 2021, EER | 2,85% | Tak и др., Odyssey 2022 |
7. Разрыв в обобщении за пределами таблицы лидеров
Нерешённая проблема защиты от спуфинга - то, что происходит вне эталонного набора. Яснее всего это проявилось внутри самого соревнования: на дипфейках ASVspoof 2021 23 из 33 систем показали менее 10% EER на промежуточных данных, и каждая из них превысила 15% на оценочном наборе (Liu и др., IEEE/ACM TASLP 2023). Лучший промежуточный результат был ниже 1%, так что обратная связь таблицы лидеров, по которой команды обучались, вводила в заблуждение.
Тот же результат сохраняется и вне соревнования. Четыре из пяти лучших открытых систем ASVspoof 5 повторно проверили на других наборах данных, и за одним исключением их EER поднялся выше 10% (Wang и др., IEEE TASLP 2026). На звуке, собранном из интернета, модели, обученные на ASVspoof 2019, показали результаты намного хуже, а дополнительные данные ASVspoof не помогли (Müller и др., Interspeech 2022). У улучшения речи есть сопоставимая проблема, описанная в нашей статистике эталонных тестов PESQ и STOI. Препринт 2025 года идёт дальше и утверждает, что одно обнаружение не должно лежать в основе ответственных решений, рекомендуя его как один из сигналов в многоуровневой защите (Berisha и др., arXiv 2025).
| Показатель | Значение | Источник |
|---|---|---|
| Системы открытого условия ASVspoof 5 T36, T27, T23, T43: EER на подмножестве трека 1 ASVspoof 5 против логического доступа ASVspoof 2019 | 3,37%, 3,30%, 4,23%, 4,33% против 16,27%, 17,33%, 16,73%, 26,63% | Wang и др., IEEE TASLP 2026 |
| Победитель физического доступа ASVspoof 2019: EER на смоделированном повторном воспроизведении против скрытого реального повторного воспроизведения | 0,39% против 19,68% | Nautsch и др., IEEE T-BIOM 2021 |
| Лучшая модель на ASVspoof 2019 против лучшей модели на звуке из реальных условий, EER | Около 1,2% против около 33,9% | Müller и др., Interspeech 2022 |
| RawNet2, переобученная на всём ASVspoof 2019: EER на звуке из реальных условий | 33,1% ± 0,2 | Müller и др., Interspeech 2022 |
| Ухудшение EER 12 заново реализованных моделей на звуке из реальных условий | Около 200% - 1 000% | Müller и др., Interspeech 2022 |
| Команда T03 соревнования WildSpoof, её собственный заявленный EER при обнаружении спуфинга в том же домене | 0,16% | Farhadipour и др., arXiv 2026 |
Показатель T03 - это отчёт одной команды, и её авторы сами пишут, что результаты на других наборах данных, включая ASVspoof 5, показывают: междоменное обобщение остаётся трудным. Показатели внутри домена продолжают снижаться, а разрыв остаётся. WildSpoof, чей план оценки называет авторов, которые также организовывали ASVspoof 5, сочетает трек по синтезу речи по тексту с треком верификации диктора, устойчивой к спуфингу (Farhadipour и др., arXiv 2026).
Итоги: защита голоса от спуфинга и равновероятная ошибка ASVspoof в цифрах
| Показатель | Значение | Источник |
|---|---|---|
| Команды ASVspoof 2015 с основными заявками | 16 | Wu и др., Interspeech 2015 |
| Команды ASVspoof 2017 | 49 | Kinnunen и др., Interspeech 2017 |
| Дикторы ASVspoof 5 против прежних выпусков | Около 2 000 против около 100 | Wang и др., Computer Speech and Language 2025 |
| EER верификации диктора, обычные самозванцы против атаки S10 (2015) | 0,42% против 45,79% | Wu и др., Interspeech 2015 |
| EER верификации диктора, обычные самозванцы против худшей атаки на логический доступ 2019 года | 2,48% против 64,52% | Wang и др., Computer Speech and Language 2020 |
| Лучший средний EER ASVspoof 2015 | 1,211% | Wu и др., IEEE JSTSP 2017 |
| EER лучшего детектора ASVspoof 2015 на самой трудной атаке, S10 | 8,49% | Wu и др., IEEE JSTSP 2017 |
| Лучший EER ASVspoof 2017 | 6,73% | Kinnunen и др., Interspeech 2017 |
| Лучший EER логического доступа ASVspoof 2019 | 0,22% | Todisco и др., Interspeech 2019 |
| Лучший EER задачи по дипфейкам ASVspoof 2021 | 15,64% | Yamagishi и др., ASVspoof 2021 Workshop |
| Лучший EER закрытого условия трека 1 ASVspoof 5 | 8,61% | Wang и др., ASVspoof Workshop 2024 |
| Лучший EER SASV 2022 с включёнными поддельными пробами | 0,13% | Jung и др., Interspeech 2022 |
| Лучший EER после соревнования на логическом доступе ASVspoof 2021 | 0,82% | Tak и др., Odyssey 2022 |
| Лучший EER после соревнования в задаче по дипфейкам ASVspoof 2021 | 2,85% | Tak и др., Odyssey 2022 |
| Победитель физического доступа ASVspoof 2019 на скрытом реальном повторном воспроизведении | 19,68% EER | Nautsch и др., IEEE T-BIOM 2021 |
| Лучшая модель на звуке из реальных условий | Около 33,9% EER | Müller и др., Interspeech 2022 |
Методология и источники
Мы читали статьи соревнования напрямую, а не пересказы третьих лиц. Значения EER - это проценты на оценочных наборах, если строка не указывает иное. Большая часть данных здесь по своей природе старше трёх лет, потому что соревнование проходит примерно раз в два-три года. Самые свежие доступные данные: журнальный отчёт 2026 года о выпуске 2024 года.
- Официальный сайт ASVspoof: список выпусков, расписания и организаторы.
- Wu и др., ASVspoof 2015, Interspeech 2015: первый выпуск, команды, пробы и результаты.
- Wu и др., IEEE Journal of Selected Topics in Signal Processing 2017: подробности по S10 и обзор после оценки.
- Kinnunen и др., ASVspoof 2017, Interspeech 2017: результаты обнаружения повторного воспроизведения.
- Todisco и др., ASVspoof 2019, Interspeech 2019: обзор и таблица лидеров.
- Wang и др., база данных ASVspoof 2019, Computer Speech and Language 2020: размеры данных, атаки и оценка людьми.
- Nautsch и др., IEEE Transactions on Biometrics, Behavior, and Identity Science 2021: пересмотренная t-DCF, ансамбли, скрытое реальное повторное воспроизведение.
- Yamagishi и др., ASVspoof 2021 Workshop: главные результаты 2021 года.
- Liu и др., IEEE/ACM Transactions on Audio, Speech, and Language Processing 2023: полный анализ 2021 года.
- Wang и др., ASVspoof Workshop 2024: таблицы результатов ASVspoof 5.
- Wang и др., база данных ASVspoof 5, Computer Speech and Language 2025: данные, атаки и влияние на базовые системы.
- Wang и др., IEEE Transactions on Audio, Speech and Language Processing 2026: анализ ASVspoof 5 после соревнования.
- Jung и др., SASV 2022, Interspeech 2022: верификация диктора с учётом спуфинга.
- Tak и др., Odyssey 2022: результаты на wav2vec 2.0 после соревнования.
- Müller и др., Interspeech 2022: проверка обобщения на звуке из реальных условий.
- Berisha и др., arXiv 2025: препринт, в просмотренной нами записи не прошедший рецензирования.
- Farhadipour и др., arXiv 2026 и план оценки WildSpoof 2025: статья о системе команды и правила соревнования.
- Наблюдение по данным: (1) EER разных выпусков - не тенденция, потому что каждый раз менялись данные, атаки и кодеки. (2) Шкалы t-DCF различаются: обзор 2019 года приводил 0,0069 для победителя по логическому доступу и 0,0096 для победителя по физическому доступу, тогда как более поздняя статья T-BIOM пересмотрела формулу и привела 0,0692 и 0,1437, по существу сохранив ранжирование; мы используем пересмотренные значения. (3) Числа команд противоречат друг другу: 63 против 62 для 2019 года и 53 против 54 для ASVspoof 5. (4) В тексте статьи семинара 2021 года указано 42 заявки по логическому доступу и 30 по дипфейкам, но в её таблицах 41 и 33; мы приводим только 33, использованные в журнальной статье. Победитель по дипфейкам - 15,64% в статье семинара и 15,63% в журнальной статье. (5) Статья 2017 года приводит средний основной EER и как 26,01%, и как 25,91%, поэтому мы его не используем. (6) Лучшая открытая a-DCF трека 2 ASVspoof 5 равна 0,0756 в таблице 2024 года и напечатана как 0,07 в статье 2026 года. (7) Подсчёты actDCF в разделе 5 - наш собственный подсчёт по таблицам 2024 года, без двух базовых систем закрытого условия. (8) Табличные значения ASVspoof 5 считаны из статьи 2024 года, и многие команды указаны там без публичного идентификатора. (9) Показатели Tak и др. - собственные результаты авторов после соревнования, которые мы не воспроизводили. (10) Мы не нашли официального сводного отчёта организаторов об итогах WildSpoof и объявления об ASVspoof 6 на официальном сайте по состоянию на 31 октября 2026 года.
Последнее обновление: 31 октября 2026 года. Мы обновляем этот обзор ежеквартально, и следующее обновление ожидается, когда организаторы ASVspoof опубликуют план оценки следующего выпуска.