Tỷ lệ lỗi cân bằng (EER) tốt nhất ở ASVspoof tăng từ 0,22% năm 2019 lên 15,64% ở nhiệm vụ deepfake 2021, rồi xuống 8,61% ở điều kiện đóng của ASVspoof 5 (Todisco và cs., Interspeech 2019; Yamagishi và cs., ASVspoof 2021 Workshop; Wang và cs., ASVspoof Workshop 2024). EER là điểm mà tỷ lệ giọng giả được chấp nhận bằng tỷ lệ giọng thật bị từ chối, nên càng thấp càng tốt, và đường đi lên đó ghi lại một kỳ thi khó hơn chứ không phải bộ phát hiện yếu đi. Giả mạo (spoofing) ở đây nghĩa là đưa cho một hệ thống giọng nói đoạn giọng giả hoặc bị phát lại để nó lọt qua như một người thật, và mối đe dọa này đo được: chỉ riêng các cuộc tấn công phát lại (replay) đã đẩy một hệ thống xác minh người nói cơ sở từ 1,76% lên 31,46% EER (Kinnunen và cs., Interspeech 2017). Chúng tôi tổng hợp dữ liệu từ kho lưu trữ ISCA Interspeech và Odyssey, IEEE/ACM TASLP, IEEE T-BIOM, IEEE JSTSP, Computer Speech and Language, cùng các báo cáo đánh giá của chính ban tổ chức. Về khía cạnh thương mại của cùng vấn đề, xem thống kê sinh trắc học giọng nói của chúng tôi.
Tóm tắt nhanh
- 63 nhóm nghiên cứu đã tham gia ASVspoof 2019, đỉnh mức tham gia của cả chuỗi (Todisco và cs., Interspeech 2019).
- ASVspoof 5 dùng 32 thuật toán tấn công và khoảng 2.000 người nói, so với khoảng 100 người nói ở các phiên bản trước (Wang và cs., Computer Speech and Language 2025).
- Hệ thống tốt nhất của ASVspoof 2015 đạt trung bình 1,211% EER, nhưng 8,49% ở cuộc tấn công khó nhất, S10 (Wu và cs., IEEE JSTSP 2017).
- Các cuộc tấn công phát lại đã đẩy một hệ thống xác minh người nói cơ sở từ 1,76% lên 31,46% EER năm 2017 (Kinnunen và cs., Interspeech 2017).
- Truy cập vật lý ASVspoof 2021 vẫn khó: hệ thống tốt nhất đạt 24,25% EER và 0,6824 min t-DCF (Yamagishi và cs., ASVspoof 2021 Workshop).
- Điều kiện đóng của ASVspoof 5 dẫn đầu ở 8,61% EER, so với 29,12% của hệ thống cơ sở tốt nhất (Wang và cs., ASVspoof Workshop 2024).
- Trên deepfake ASVspoof 2021, 23 trong 33 hệ thống đạt dưới 10% EER ở dữ liệu tiến trình, và tất cả đều vượt 15% ở dữ liệu đánh giá (Liu và cs., IEEE/ACM TASLP 2023).
- Tổ hợp truy cập logic chiến thắng năm 2019 giảm t-DCF 56% so với hệ thống đơn lẻ tốt nhất, trong khi truy cập vật lý chỉ cải thiện khoảng 2% (Nautsch và cs., IEEE T-BIOM 2021).
- Thử thách xác minh người nói có nhận biết giả mạo đầu tiên đã đưa một hệ thống thông thường từ 23,83% xuống 0,13% EER (Jung và cs., Interspeech 2022).
- Các nghiên cứu sau thử thách sau đó đạt 0,82% EER ở truy cập logic ASVspoof 2021 và 2,85% ở deepfake (Tak và cs., Odyssey 2022).
1. Các Phiên bản Thử thách và Mức độ Tham gia
ASVspoof đã diễn ra năm lần trong chín năm, và mỗi phiên bản chọn một điểm yếu khác nhau. Phiên bản 2015 kiểm tra chuyển văn bản thành giọng nói và chuyển đổi giọng nói, 2017 kiểm tra phát lại, còn 2019 chia lĩnh vực này thành truy cập logic (giọng giả được đưa thẳng vào đường âm thanh của hệ thống) và truy cập vật lý (giọng giả được phát qua loa vào micro). Năm 2021 có thêm một nhiệm vụ deepfake riêng, và ASVspoof 5 chia thành phát hiện độc lập và xác minh người nói chống chịu được giả mạo.
Mức tham gia đạt đỉnh 63 nhóm nghiên cứu năm 2019 (Todisco và cs., Interspeech 2019) và giữ trên 50 ở hai phiên bản kể từ đó. Sự ổn định đó quan trọng: các lượt thử đánh giá giả tăng từ 184.000 năm 2015 lên 542.086 năm 2024 (xem phần 2), vậy mà lĩnh vực này vẫn có mặt. Việc công khai là điểm yếu hơn, vì 34 trong 54 đội có điểm 2021 hợp lệ đã nộp mô tả hệ thống, để lại 20 đội (54 trừ 34) không có hồ sơ (Liu và cs., IEEE/ACM TASLP 2023).
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| ASVspoof 2015: các đội yêu cầu cơ sở dữ liệu | 28 đội từ 16 quốc gia | Wu và cs., Interspeech 2015 |
| ASVspoof 2015: các đội nộp bài dự thi chính | 16 | Wu và cs., Interspeech 2015 |
| ASVspoof 2017: các đội nộp bộ phát hiện phát lại | 49 | Kinnunen và cs., Interspeech 2017 |
| ASVspoof 2019: tổng số nhóm nghiên cứu | 63 (48 ở truy cập logic, 50 ở truy cập vật lý) | Todisco và cs., Interspeech 2019 |
| ASVspoof 2021: các đội có điểm đánh giá hợp lệ | 54 trên 72 người tham gia đã đăng ký | Liu và cs., IEEE/ACM TASLP 2023 |
| ASVspoof 2021: các đội đã nộp mô tả hệ thống | 34 | Liu và cs., IEEE/ACM TASLP 2023 |
| ASVspoof 5 (2024): các đội tham gia trong bài báo kết quả | 53 | Wang và cs., IEEE TASLP 2026 |
| SASV 2022, thử thách phụ kết hợp phát hiện giả mạo và kiểm tra người nói: số đăng ký so với số bài nộp | 53 so với 23 | Jung và cs., Interspeech 2022 |
Số lượng đội phụ thuộc vào từng bài báo. Bài báo kết quả năm 2019 nêu 62 đội còn bài báo hội thảo năm 2024 nêu 54 người tham gia, một chênh lệch được đề cập trong Lưu ý về dữ liệu.
2. Từ 100 Người nói đến 2.000: Dữ liệu Đằng sau Mỗi Phiên bản
Thay đổi quan trọng nhất ở ASVspoof không phải là một mô hình. Đó là dữ liệu. Các cơ sở dữ liệu trước đây mỗi cái chứa khoảng 100 người nói, và các bản ghi chất lượng phòng thu cung cấp giọng thật. ASVspoof 5 chuyển sang giọng nói thu thập cộng đồng từ khoảng 2.000 người nói, được ghi âm trong nhiều căn phòng khác nhau trên nhiều thiết bị khác nhau (Wang và cs., Computer Speech and Language 2025).
Một quyết định đó giúp giải thích tỷ lệ lỗi cao hơn ở phần 3. Bộ phát hiện không còn có thể thành công chỉ bằng cách học một thiết lập ghi âm nghe như thế nào. Phía tấn công cũng thay đổi: lần đầu tiên ASVspoof 5 bổ sung các cuộc tấn công đối kháng, tức là giọng giả được chỉnh sửa riêng để đánh lừa bộ phát hiện, và kiểm tra 12 điều kiện codec, từ không nén đến codec nơ-ron (Wang và cs., ASVspoof Workshop 2024).
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Tập đánh giá ASVspoof 2015: lượt thử thật so với giả | 9.404 so với 184.000 | Wu và cs., Interspeech 2015 |
| Tập đánh giá ASVspoof 2017: cấu hình phát lại duy nhất | 110 | Kinnunen và cs., Interspeech 2017 |
| Tập con truy cập logic ASVspoof 2019: tổng số câu nói | 121.461 | Wang và cs., Computer Speech and Language 2020 |
| Truy cập vật lý ASVspoof 2019: điều kiện đánh giá mô phỏng | 243 (27 phòng và khoảng cách nhân 9 kiểu phát lại) | Wang và cs., Computer Speech and Language 2020 |
| Đánh giá truy cập vật lý ASVspoof 2021: lượt thử thật so với giả | 94.068 so với 627.264 | Liu và cs., IEEE/ACM TASLP 2023 |
| Đánh giá deepfake ASVspoof 2021: lượt thử thật so với giả | 14.869 so với 519.059, từ hơn 100 thuật toán tấn công | Liu và cs., IEEE/ACM TASLP 2023 |
| Đánh giá ASVspoof 5 Track 1: lượt thử thật so với giả | 138.688 so với 542.086 | Wang và cs., IEEE TASLP 2026 |
| Các cuộc tấn công đánh giá ASVspoof 5: tổng số và đối kháng | 16 cuộc tấn công, 7 trong số đó là đối kháng, từ một kho gồm 32 | Wang và cs., Computer Speech and Language 2025 |
3. Kết quả EER Nổi bật theo Phiên bản
Đọc các hàng này như một đường xu hướng duy nhất là sai lầm kinh điển. Người thắng cuộc 0,22% năm 2019 và người thắng cuộc 8,61% năm 2024 làm hai bài thi khác nhau, và ban tổ chức cố ý làm mỗi bài khó hơn. So sánh hữu ích nằm bên trong từng hàng, giữa đội tốt nhất và hệ thống cơ sở mà đội đó phải vượt qua.
Theo thước đo đó, lĩnh vực này tiếp tục tiến bộ. Ở ASVspoof 5, 27 đội điều kiện đóng đã vượt hệ thống cơ sở tốt nhất (Wang và cs., IEEE TASLP 2026), và EER của hệ thống hàng đầu thấp hơn một phần ba của hệ thống cơ sở đó. Ngoại lệ là truy cập vật lý năm 2021, mà phân tích trên tạp chí gọi là nhiệm vụ thách thức nhất trong ba nhiệm vụ, với hệ thống tốt nhất kẹt ở 24,25% (Yamagishi và cs., ASVspoof 2021 Workshop).
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| ASVspoof 2015 hệ thống tốt nhất: tấn công đã biết, tấn công chưa biết, trung bình | 0,408%, 2,013%, 1,211% EER | Wu và cs., Interspeech 2015 |
| ASVspoof 2017 bộ phát hiện phát lại tốt nhất so với hệ thống cơ sở | 6,73% so với 24,77% EER | Kinnunen và cs., Interspeech 2017 |
| ASVspoof 2019 tốt nhất so với hệ thống cơ sở tốt nhất, truy cập logic và truy cập vật lý | 0,22% so với 8,09% EER; 0,39% so với 11,04% EER | Todisco và cs., Interspeech 2019 |
| ASVspoof 2021 truy cập logic tốt nhất so với hệ thống cơ sở tốt nhất | 1,32% so với 9,26% EER | Yamagishi và cs., ASVspoof 2021 Workshop |
| ASVspoof 2021 truy cập vật lý tốt nhất | 24,25% EER | Yamagishi và cs., ASVspoof 2021 Workshop |
| ASVspoof 2021 nhiệm vụ deepfake tốt nhất so với hệ thống cơ sở tốt nhất | 15,64% so với 22,38% EER | Yamagishi và cs., ASVspoof 2021 Workshop |
| ASVspoof 5 Track 1 tốt nhất ở điều kiện đóng, tốt nhất ở điều kiện mở, hệ thống cơ sở tốt nhất | 8,61%, 2,59%, 29,12% EER | Wang và cs., ASVspoof Workshop 2024 |
Điều kiện đóng cấm dữ liệu bên ngoài, còn điều kiện mở cho phép dữ liệu bên ngoài và các mô hình huấn luyện trước, đó là lý do cùng một năm lại có hai người thắng cuộc rất khác nhau.
4. Giả mạo Tác động thế nào đến Xác minh Người nói, và Những Cuộc tấn công Khó nhất
Không có bộ phát hiện, hệ thống xác minh người nói hầu như không chống đỡ được. Dưới cuộc tấn công S10 năm 2015, một hệ thống có 0,42% EER sụp đổ xuống 45,79% (Wu và cs., Interspeech 2015). Các phiên bản sau lặp lại mô hình này ở mọi quy mô, kể cả ASVspoof 5, nơi 14 trong 16 cuộc tấn công đánh giá đẩy EER xác minh người nói vượt 20% (Wang và cs., Computer Speech and Language 2025).
Phát hiện bất ngờ hơn là kẻ tấn công khó nhất là ai. Ở điều kiện đóng của ASVspoof 5, đó là A19, xây dựng trên MaryTTS, một bộ tổng hợp ghép nối đời cũ nối các đoạn giọng nói đã ghi âm lại với nhau, và bài báo về cơ sở dữ liệu kết luận rằng cả công nghệ tạo sinh cũ lẫn hiện đại vẫn là mối đe dọa nghiêm trọng. Máy móc và con người cũng thất bại theo cách khác nhau: năm 2019, cuộc tấn công A17 đã đánh lừa bộ phát hiện cơ sở nhưng bị người nghe nhận ra dễ dàng, trong khi A10 được mô tả là không thể phân biệt về mặt cảm nhận với giọng thật (Wang và cs., Computer Speech and Language 2020). Thống kê MOS giọng nói tổng hợp của chúng tôi đề cập đến phía người nghe của khoảng cách đó.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| EER xác minh người nói, kẻ mạo danh thông thường so với cuộc tấn công S10 (2015) | 0,42% so với 45,79% | Wu và cs., Interspeech 2015 |
| EER xác minh người nói, kẻ mạo danh thông thường so với phát lại (2017) | 1,76% so với 31,46% | Kinnunen và cs., Interspeech 2017 |
| EER xác minh người nói, kẻ mạo danh thông thường so với cuộc tấn công truy cập logic tệ nhất năm 2019 | 2,48% so với 64,52% (cuộc tấn công A16) | Wang và cs., Computer Speech and Language 2020 |
| EER xác minh người nói ECAPA-TDNN thông thường, không giả mạo so với khi thêm lượt thử giả | 1,63% so với 23,83% | Jung và cs., Interspeech 2022 |
| EER xác minh người nói ASVspoof 5, cuộc tấn công A26 so với cùng cuộc tấn công đó khi thêm bước đối kháng Malacopula (A27) | 15,77% so với 34,68% | Wang và cs., Computer Speech and Language 2025 |
| EER của bộ phát hiện ASVspoof 2015 tốt nhất trên cuộc tấn công khó nhất, S10 | 8,49% | Wu và cs., IEEE JSTSP 2017 |
| EER của bộ phát hiện cơ sở ASVspoof 5 trên A19, RawNet2 so với AASIST | 49,80% so với 63,75% | Wang và cs., Computer Speech and Language 2025 |
S10 cũng vẫn cứng đầu sau thử thách 2015: bài tổng quan trên tạp chí về phiên bản 2015 cho thấy kết quả với nó vẫn kém ở hầu hết các nghiên cứu tiếp theo, với một ngoại lệ ở mức 1,065%.
5. Vượt ra ngoài EER: t-DCF, a-DCF và Vấn đề Hiệu chuẩn
EER chỉ mô tả riêng một bộ phát hiện, tại một ngưỡng duy nhất được chọn sau khi đã biết kết quả. Từ năm 2019, hầu hết các nhiệm vụ ASVspoof được xếp hạng theo chi phí thay vì EER. Hàm chi phí phát hiện song song (t-DCF) định giá bộ phát hiện và bước kiểm tra người nói hoạt động cùng nhau, trên thang có mức sàn ASV: chi phí còn lại ngay cả khi bộ phát hiện hoàn hảo, vì bước kiểm tra người nói vẫn mắc lỗi. Năm 2019, hệ thống truy cập logic tốt nhất đạt 0,0692 so với mức sàn 0,0627, gần như tốt nhất mà một bộ phát hiện có thể đạt (Nautsch và cs., IEEE T-BIOM 2021).
ASVspoof 5 phơi bày vấn đề tiếp theo, hiệu chuẩn, câu hỏi liệu điểm số của một hệ thống có thể dùng ở một ngưỡng thực cố định hay không. minDCF là chi phí tại ngưỡng tốt nhất được chọn sau khi đã biết kết quả, còn actDCF là chi phí tại ngưỡng mà một hệ thống triển khai thực tế sẽ dùng. Người thắng cuộc điều kiện đóng theo minDCF đạt 0,9956 ở actDCF, trong khi đội xếp thứ ba hầu như không mất gì giữa hai chỉ số. Chúng tôi đếm được 11 trong 31 bài nộp điều kiện đóng và 14 trong 34 bài nộp điều kiện mở được liệt kê với actDCF đúng bằng 1,0000 (Wang và cs., ASVspoof Workshop 2024). Ban tổ chức liên hệ các giá trị actDCF bằng 1,0 với điểm số giống xác suất, nên minDCF thấp và actDCF cao có thể cùng tồn tại trong một hệ thống, và họ đề xuất các chỉ số nhạy với hiệu chuẩn làm chỉ số chính khả dĩ cho các phiên bản tương lai (Wang và cs., IEEE TASLP 2026).
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| ASVspoof 2019: mức sàn ASV so với min t-DCF tốt nhất, truy cập logic và truy cập vật lý | 0,0627 so với 0,0692; 0,1354 so với 0,1437 | Nautsch và cs., IEEE T-BIOM 2021 |
| Truy cập vật lý ASVspoof 2021: mức sàn ASV so với min t-DCF tốt nhất | 0,12 so với 0,6824 | Liu và cs., IEEE/ACM TASLP 2023; Yamagishi và cs., ASVspoof 2021 Workshop |
| ASVspoof 5 Track 1 điều kiện đóng: minDCF so với actDCF, hạng nhất và hạng ba | 0,2436 so với 0,9956; 0,2975 so với 0,2976 | Wang và cs., ASVspoof Workshop 2024 |
| ASVspoof 5 Track 2: tốt nhất điều kiện đóng, tốt nhất điều kiện mở và hệ thống cơ sở điều kiện đóng tốt nhất, min a-DCF | 0,2814, 0,0756, 0,5741 | Wang và cs., ASVspoof Workshop 2024 |
a-DCF (hàm chi phí phát hiện không phụ thuộc kiến trúc) là chỉ số chính của Track 2, và Track 2 kết hợp bộ phát hiện với bước kiểm tra người nói. Các giá trị t-DCF không thể so sánh giữa các bài báo: xem Lưu ý về dữ liệu.
6. Điều gì Chiến thắng: Mô hình Nơ-ron, Tổ hợp và Front-end Huấn luyện trước
Chuỗi thử thách kể một câu chuyện rõ ràng về phương pháp. Đến năm 2019, mạng nơ-ron đã chiếm các vị trí đầu bảng, và các tổ hợp, tức là nhiều hệ thống con được kết hợp, đã trở thành cách thắng mặc định. Tổ hợp truy cập logic chiến thắng năm 2019 tốt hơn hệ thống đơn lẻ tốt nhất 56% về t-DCF, trong khi truy cập vật lý chỉ cải thiện khoảng 2% (Nautsch và cs., IEEE T-BIOM 2021). Tổ hợp còn rất ít dư địa ở truy cập vật lý, nơi hệ thống đơn lẻ tốt nhất đã nằm gần mức sàn ASV được mô tả ở phần 5.
Đến năm 2024, yếu tố quyết định là front-end được huấn luyện trước. Tất cả các bài nộp hàng đầu của ASVspoof 5 đều dùng wav2vec 2.0 hoặc WavLM (Wang và cs., IEEE TASLP 2026), những mô hình tự giám sát được huấn luyện trước trên lượng lớn giọng nói thông thường. Phần lớn mức cải thiện từ điều kiện đóng sang điều kiện mở, từ 8,61% xuống 2,59%, đến cùng các mô hình đó và dữ liệu bổ sung mà điều kiện mở cho phép. Chính các họ mô hình này được đo trên các nhiệm vụ giọng nói tổng quát trong thống kê bảng xếp hạng SUPERB của chúng tôi. Kỹ thuật này được chứng minh ngay sau phiên bản 2021, khi một hệ thống wav2vec 2.0 vượt mọi kết quả của thử thách trên cùng dữ liệu (Tak và cs., Odyssey 2022).
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| ASVspoof 2019: các hệ thống hàng đầu dùng mạng nơ-ron, và các hệ thống dùng tổ hợp bộ phân loại | Top 7 và 9 ở truy cập logic; top 6 và 10 ở truy cập vật lý | Todisco và cs., Interspeech 2019 |
| ASVspoof 2019: min t-DCF, hệ thống đơn lẻ tốt nhất so với tổ hợp tốt nhất, truy cập logic và truy cập vật lý | 0,1562 so với 0,0692; 0,1470 so với 0,1437 | Nautsch và cs., IEEE T-BIOM 2021 |
| ASVspoof 5 Track 1: số hệ thống con được hợp nhất, điều kiện đóng so với điều kiện mở | 3 đến 4 so với 2 đến 6 | Wang và cs., IEEE TASLP 2026 |
| ASVspoof 5 Track 1: front-end huấn luyện trước trong năm hệ thống mở hàng đầu được liệt kê | wav2vec2-large ở 3, WavLM-Base ở 2 | Wang và cs., IEEE TASLP 2026 |
| Hệ thống wav2vec 2.0 sau thử thách trên truy cập logic ASVspoof 2021, EER và min t-DCF | 0,82% và 0,2066 | Tak và cs., Odyssey 2022 |
| Hệ thống wav2vec 2.0 sau thử thách trên nhiệm vụ deepfake ASVspoof 2021, EER | 2,85% | Tak và cs., Odyssey 2022 |
7. Khoảng cách Khái quát hóa Sau Bảng xếp hạng
Vấn đề chưa được giải quyết của chống giả mạo là điều xảy ra bên ngoài bộ kiểm chuẩn. Dấu hiệu rõ nhất xuất hiện ngay trong thử thách: trên deepfake ASVspoof 2021, 23 trong 33 hệ thống đạt dưới 10% EER ở dữ liệu tiến trình, và mọi hệ thống trong số đó đều vượt 15% ở tập đánh giá (Liu và cs., IEEE/ACM TASLP 2023). Điểm tiến trình tốt nhất dưới 1%, nên phản hồi từ bảng xếp hạng mà các đội dùng để huấn luyện đã gây hiểu lầm.
Kết quả tương tự cũng đúng bên ngoài thử thách. Bốn trong năm hệ thống mở hàng đầu của ASVspoof 5 được kiểm tra lại trên các bộ dữ liệu khác, và trừ một ngoại lệ, EER của chúng tăng lên trên 10% (Wang và cs., IEEE TASLP 2026). Trên âm thanh thu thập từ internet, các mô hình huấn luyện trên ASVspoof 2019 làm kém hơn nhiều, và thêm dữ liệu ASVspoof cũng không giúp ích (Müller và cs., Interspeech 2022). Tăng cường giọng nói cũng có vấn đề tương tự, được ghi nhận trong thống kê kiểm chuẩn PESQ và STOI của chúng tôi. Một bản thảo trước năm 2025 đi xa hơn và lập luận rằng phát hiện một mình không nên gánh các quyết định rủi ro cao, khuyến nghị coi nó là một tín hiệu trong các lớp phòng thủ chồng lớp (Berisha và cs., arXiv 2025).
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Các hệ thống điều kiện mở ASVspoof 5 T36, T27, T23, T43: EER trên một tập con ASVspoof 5 Track 1 so với trên truy cập logic ASVspoof 2019 | 3,37%, 3,30%, 4,23%, 4,33% so với 16,27%, 17,33%, 16,73%, 26,63% | Wang và cs., IEEE TASLP 2026 |
| Người thắng cuộc truy cập vật lý ASVspoof 2019: EER trên phát lại mô phỏng so với phát lại thật được giấu | 0,39% so với 19,68% | Nautsch và cs., IEEE T-BIOM 2021 |
| Mô hình tốt nhất trên ASVspoof 2019 so với mô hình tốt nhất trên âm thanh thực tế (in-the-wild), EER | Khoảng 1,2% so với khoảng 33,9% | Müller và cs., Interspeech 2022 |
| RawNet2 huấn luyện lại trên toàn bộ ASVspoof 2019: EER trên âm thanh thực tế (in-the-wild) | 33,1% ± 0,2 | Müller và cs., Interspeech 2022 |
| Mức suy giảm EER của 12 mô hình được triển khai lại trên âm thanh thực tế (in-the-wild) | Khoảng 200% đến 1000% | Müller và cs., Interspeech 2022 |
| Đội T03 của WildSpoof Challenge, EER do chính đội báo cáo về phát hiện giả mạo trong cùng miền | 0,16% | Farhadipour và cs., arXiv 2026 |
Con số của T03 là báo cáo riêng của một đội, và các tác giả cho biết kết quả của họ trên các bộ dữ liệu khác, bao gồm ASVspoof 5, cho thấy việc khái quát hóa giữa các miền vẫn khó. Các con số trong cùng miền tiếp tục giảm trong khi khoảng cách vẫn còn đó. WildSpoof, có kế hoạch đánh giá liệt kê các tác giả cũng từng tổ chức ASVspoof 5, ghép một hạng mục chuyển văn bản thành giọng nói với một hạng mục xác minh người nói chống chịu được giả mạo (Farhadipour và cs., arXiv 2026).
Tổng kết: Tỷ lệ Lỗi Cân bằng ASVspoof Chống Giả mạo Giọng nói qua các Con số
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Các đội ASVspoof 2015 có bài nộp chính | 16 | Wu và cs., Interspeech 2015 |
| Các đội ASVspoof 2017 | 49 | Kinnunen và cs., Interspeech 2017 |
| Người nói ASVspoof 5 so với các phiên bản trước | Khoảng 2.000 so với khoảng 100 | Wang và cs., Computer Speech and Language 2025 |
| EER xác minh người nói, kẻ mạo danh thông thường so với cuộc tấn công S10 (2015) | 0,42% so với 45,79% | Wu và cs., Interspeech 2015 |
| EER xác minh người nói, kẻ mạo danh thông thường so với cuộc tấn công truy cập logic tệ nhất năm 2019 | 2,48% so với 64,52% | Wang và cs., Computer Speech and Language 2020 |
| EER trung bình tốt nhất của ASVspoof 2015 | 1,211% | Wu và cs., IEEE JSTSP 2017 |
| EER của bộ phát hiện ASVspoof 2015 tốt nhất trên cuộc tấn công khó nhất, S10 | 8,49% | Wu và cs., IEEE JSTSP 2017 |
| EER tốt nhất của ASVspoof 2017 | 6,73% | Kinnunen và cs., Interspeech 2017 |
| EER tốt nhất truy cập logic ASVspoof 2019 | 0,22% | Todisco và cs., Interspeech 2019 |
| EER tốt nhất nhiệm vụ deepfake ASVspoof 2021 | 15,64% | Yamagishi và cs., ASVspoof 2021 Workshop |
| EER tốt nhất điều kiện đóng ASVspoof 5 Track 1 | 8,61% | Wang và cs., ASVspoof Workshop 2024 |
| EER tốt nhất của SASV 2022 khi có cả lượt thử giả | 0,13% | Jung và cs., Interspeech 2022 |
| EER sau thử thách tốt nhất trên truy cập logic ASVspoof 2021 | 0,82% | Tak và cs., Odyssey 2022 |
| EER sau thử thách tốt nhất trên nhiệm vụ deepfake ASVspoof 2021 | 2,85% | Tak và cs., Odyssey 2022 |
| Người thắng cuộc truy cập vật lý ASVspoof 2019 trên phát lại thật được giấu | 19,68% EER | Nautsch và cs., IEEE T-BIOM 2021 |
| Mô hình tốt nhất trên âm thanh thực tế (in-the-wild) | Khoảng 33,9% EER | Müller và cs., Interspeech 2022 |
Phương pháp luận và Nguồn
Chúng tôi đọc trực tiếp các bài báo của thử thách thay vì các bản tóm tắt của bên thứ ba. Các con số EER là tỷ lệ phần trăm trên tập đánh giá trừ khi một hàng ghi khác. Phần lớn dữ liệu ở đây cũ hơn ba năm do bản chất, vì thử thách diễn ra khoảng hai đến ba năm một lần. Dữ liệu mới nhất hiện có: báo cáo trên tạp chí năm 2026 về phiên bản 2024.
- Trang chính thức của ASVspoof: danh sách phiên bản, lịch trình và ban tổ chức.
- Wu và cs., ASVspoof 2015, Interspeech 2015: phiên bản đầu tiên, các đội, lượt thử và kết quả.
- Wu và cs., IEEE Journal of Selected Topics in Signal Processing 2017: chi tiết về S10 và đánh giá sau cuộc thi.
- Kinnunen và cs., ASVspoof 2017, Interspeech 2017: kết quả phát hiện phát lại.
- Todisco và cs., ASVspoof 2019, Interspeech 2019: tổng quan và bảng xếp hạng.
- Wang và cs., cơ sở dữ liệu ASVspoof 2019, Computer Speech and Language 2020: kích thước dữ liệu, các cuộc tấn công và đánh giá của con người.
- Nautsch và cs., IEEE Transactions on Biometrics, Behavior, and Identity Science 2021: t-DCF đã hiệu chỉnh, tổ hợp, phát lại thật được giấu.
- Yamagishi và cs., ASVspoof 2021 Workshop: kết quả nổi bật năm 2021.
- Liu và cs., IEEE/ACM Transactions on Audio, Speech, and Language Processing 2023: phân tích đầy đủ năm 2021.
- Wang và cs., ASVspoof Workshop 2024: các bảng kết quả ASVspoof 5.
- Wang và cs., cơ sở dữ liệu ASVspoof 5, Computer Speech and Language 2025: dữ liệu, các cuộc tấn công và ảnh hưởng đến hệ thống cơ sở.
- Wang và cs., IEEE Transactions on Audio, Speech and Language Processing 2026: phân tích ASVspoof 5 sau thử thách.
- Jung và cs., SASV 2022, Interspeech 2022: xác minh người nói có nhận biết giả mạo.
- Tak và cs., Odyssey 2022: kết quả wav2vec 2.0 sau thử thách.
- Müller và cs., Interspeech 2022: kiểm tra khái quát hóa trên âm thanh thực tế (in-the-wild).
- Berisha và cs., arXiv 2025: bản thảo trước, chưa qua bình duyệt trong hồ sơ chúng tôi đã đọc.
- Farhadipour và cs., arXiv 2026 và kế hoạch đánh giá WildSpoof 2025: bài báo về hệ thống của đội và luật thử thách.
- Lưu ý về dữ liệu: (1) EER giữa các phiên bản không phải là xu hướng, vì dữ liệu, các cuộc tấn công và codec đều thay đổi mỗi lần. (2) Thang t-DCF khác nhau: bản tổng quan 2019 in 0,0069 cho người thắng cuộc truy cập logic và 0,0096 cho người thắng cuộc truy cập vật lý, trong khi bài báo T-BIOM sau đó đã điều chỉnh công thức và in 0,0692 và 0,1437, về cơ bản giữ nguyên thứ hạng; chúng tôi dùng các giá trị đã điều chỉnh. (3) Số lượng đội mâu thuẫn nhau: 63 so với 62 cho năm 2019 và 53 so với 54 cho ASVspoof 5. (4) Văn bản bài báo hội thảo 2021 nêu 42 bài nộp truy cập logic và 30 bài nộp deepfake, nhưng các bảng của nó liệt kê 41 và 33; chúng tôi chỉ trích 33 bài được dùng trong bài báo tạp chí. Người thắng cuộc deepfake là 15,64% trong bài báo hội thảo và 15,63% trong bài báo tạp chí. (5) Bài báo 2017 nêu EER chính trung bình vừa là 26,01% vừa là 25,91%, nên chúng tôi không dùng. (6) a-DCF mở tốt nhất của Track 2 ASVspoof 5 là 0,0756 trong bảng 2024 và được in là 0,07 trong bài báo 2026. (7) Số liệu actDCF ở phần 5 là do chúng tôi tự kiểm đếm từ các bảng 2024, không tính hai hệ thống cơ sở ở điều kiện đóng. (8) Giá trị bảng của ASVspoof 5 được đọc từ bài báo 2024, và nhiều đội xuất hiện ở đó mà không có mã định danh công khai. (9) Các con số của Tak và cs. là kết quả sau thử thách do chính các tác giả công bố, chúng tôi không tái lập. (10) Chúng tôi không tìm thấy bản tóm tắt chính thức nào của ban tổ chức về kết quả cuối cùng của WildSpoof, cũng như thông báo nào về ASVspoof 6 trên trang chính thức tính đến ngày 31 tháng 10 năm 2026.
Cập nhật lần cuối: ngày 31 tháng 10 năm 2026. Chúng tôi cập nhật bài tổng hợp này hàng quý, và lần làm mới tiếp theo dự kiến diễn ra khi ban tổ chức ASVspoof công bố kế hoạch đánh giá cho phiên bản kế tiếp.