# SafeEar – 浙大和清华联合开源的AI音频伪造检测框架

- Link: https://paooo.com/aigc-news/26676/
- Published: 2026-07-09T06:28:26+08:00
- Author: 站外新闻

## SafeEar是什么

SafeEar是由浙江大学和清华大学联合开发的AI音频伪造检测框架，保护用户隐私的同时检测
音频伪造。采用基于神经音频编解码器的解耦模型，分离语音的声学信息和语义信息，用声学
信息进行检测，有效防止隐私泄露。SafeEar在多个基准数据集上表现优异，等错误率(EER)
低至2.02%，能抵御内容恢复攻击。SafeEar提供了多语言支持，构建了包含150万条多语种音
频数据的CVoiceFake数据集，为语音伪造检测研究提供了宝贵的资源。

阅读目录

 * [SafeEar是什么](https://paooo.com/aigc-news/26676/#safeear%e6%98%af%e4%bb%80%e4%b9%88)
 * [SafeEar的主要功能](https://paooo.com/aigc-news/26676/#safeear%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [SafeEar的技术原理](https://paooo.com/aigc-news/26676/#safeear%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [SafeEar的项目地址](https://paooo.com/aigc-news/26676/#safeear%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [SafeEar的应用场景](https://paooo.com/aigc-news/26676/#safeear%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

![SafeEar – 浙大和清华联合开源的AI音频伪造检测框架 - 配图](https://paooo.com/wp-
content/uploads/2026/07/SafeEar-website-1.avif)

## SafeEar的主要功能

 * **隐私保护的深度伪造检测**：通过分离语音的语义和声学信息，SafeEar仅用声学信息
   来检测深度伪造音频，在检测过程中保护语音内容的隐私。
 * **多语言支持**：SafeEar能处理和检测多种语言的音频数据，包括但不限于英语、中文、
   德语、法语和意大利语。
 * **高效的伪造检测**：在多个公开基准数据集上测试显示，SafeEar的等错误率（EER）低
   至2.02%，表现出高效的检测能力。
 * **抗内容恢复技术**：SafeEar结合了基于现实场景的编解码器增强和抗内容恢复技术，
   即使在对抗性攻击下也能保持高检测准确率。
 * **真实环境增强**：通过模拟真实环境中的音频信道多样性，SafeEar增强了模型对不同
   通信场景的泛化能力。
 * **开源资源**：SafeEar提供了论文、代码和数据集的开放访问，促进了研究社区的进一步
   研究和应用开发。
 * **数据集构建**：SafeEar构建了CVoiceFake数据集，包含150万条多语种音频样本，为语音
   伪造检测提供了标准化的测试基准。

## SafeEar的技术原理

 * **语义-声学信息分离**：SafeEar使用神经音频编解码器模型来解耦音频中的语义信息（
   如语言内容）和声学信息（如音色、语调和节奏）。这种分离确保了在检测伪造音频时不会
   泄露音频的具体内容，保护了用户隐私。
 * **声学信息分析**：系统仅分析音频的声学特征，不是语义内容。通过关注音调、音色和
   节奏等声学特征，SafeEar能有效地识别出伪造音频。
 * **多语言支持**：SafeEar能处理多种语言的音频数据，采用去语义化处理，确保在分析
   过程中不暴露具体的语义内容。
 * **抗内容恢复技术**：SafeEar结合了基于现实场景的编解码器增强和抗内容恢复技术，
   抵御各种音频深度伪造方法，确保在对抗性攻击下也能保持高检测准确率。
 * **Transformer分类器**：SafeEar采用了基于声学输入的Transformer分类器，分类器在
   伪造检测方面显示出了潜力，能提高检测的精准度和效率。

## SafeEar的项目地址

 * **项目主页**：[safeearweb.github.io/Project/](https://safeearweb.github.io/Project/)
 * **Github仓库**：[https://github.com/LetterLiGo/SafeEar](https://github.com/LetterLiGo/SafeEar)
 * **技术论文**：[https://safeearweb.github.io/Project/files/SafeEar_CCS2024.pdf](https://safeearweb.github.io/Project/files/SafeEar_CCS2024.pdf)

## SafeEar的应用场景

 * **社交媒体和公共论坛**：在这些平台上，音频内容的伪造可能用于误导或欺骗，SafeEar
   可以用来检测和标记这些伪造内容。
 * **法律和司法系统**：在法律程序中，音频证据的真伪至关重要。SafeEar可以帮助验证
   录音的真实性。
 * **金融机构**：在客户服务和交易验证中，语音识别系统可能会受到伪造音频的威胁。SafeEar
   可以提高交易的安全性。
 * **政府和安全机构**：在国家安全和公共安全领域，检测伪造的音频信息至关重要。SafeEar
   可以帮助识别潜在的威胁和虚假信息。
 * **在线教育**：在线课程和考试中，SafeEar可以用来确保音频材料的真实性，防止学术
   欺诈。

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,000+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[⚡ AIGC 早报生成器](https://paooo.com/mtool/)