马斯克旗下xAI公司因AI聊天机器人Grok生成深度伪造色情图像被起诉，但要求四名匿名原告必须使用真实姓名提起诉讼。原告方强烈反对，认为这会带来二次伤害。目前原告以“南卡罗来纳州Doe”等化名出庭，案件引发隐私与法律平衡的争议。
英国工党议员杰丝·阿萨托起诉马斯克旗下xAI公司，指控其Grok AI平台被用于制作并传播针对她的色情深度伪造图像。她认为这是产品设计中的故意选择，而非偶然失误，并强调此类内容侵害了数千名女性和未成年人权益，决定通过法律途径追究责任。
谷歌宣布在安卓系统中推出“虚假通话检测”功能，以应对日益猖獗的AI深伪仿音诈骗。该功能旨在识别并拦截冒充熟人的电话骗局，针对不法分子利用技术篡改来电显示号码、伪造信任关系的新型诈骗手段，为用户提供系统级反诈防线。
谷歌宣布在Android系统中推出虚假来电检测功能，采用“端到端数字握手”技术，防范AI深度伪造语音诈骗。该功能2026年6月起更新至Android 12及以上设备，率先在Pixel落地，以应对诈骗分子利用AI克隆声音进行身份冒充的威胁。
一款免费的 AI 换脸工具，支持照片和视频的深度伪造。
一款免费的AI换脸工具，支持照片和视频的深度伪造。
AI音频检测工具，高效、多语言的深度伪 造检测解决方案
Alibaba
$2
Input tokens/M
$20
Output tokens/M
-
Context Length
Bytedance
$0.8
256
Moonshot
$4
$16
$0.15
$1.5
Tencent
$1
32
$8
Openai
$0.4
128
$0.63
$3.15
131
Anthropic
$105
$525
200
Chatglm
Deepseek
$3.5
$12
Baidu
64
$3
$9
$0.2
16
Huawei
MTUCI
AASIST3是基于AASIST架构的增强版本，专门用于语音深度伪造检测。该模型融入了Kolmogorov-Arnold Networks (KAN)，结合自监督学习特征和额外正则化技术，能有效提升语音深度伪造检测的性能和鲁棒性。
agasta
基于视觉变换器的二分类模型，专用于检测深度伪造图像，准确率达99.2%
Zeyadd-Mostaffa
基于wav2vec2-base微调的深度伪造音频检测模型，准确率达99.66%
ashish-001
使用微调Vision Transformer（ViT）检测深度伪造图像的二分类模型
shylhy
基于MCG-NJU/videomae-large模型在深度伪造检测挑战赛数据集上微调的版本，用于视频深度伪造检测。
sparklexfantasy
这是一个专注于图像文本到文本处理的多模态伪造表征学习模型，用于检测扩散生成的视频内容，通过多模态特征学习识别深度伪造内容。
byh711
FLODA是一款先进的深度伪造检测模型，整合图像描述生成和真实性评估功能，采用视觉问答任务形式实现高精度检测。
Bisher
基于facebook/wav2vec2-base微调的深度伪造音频检测模型，用于识别合成或篡改的语音内容
aimagelab
一种用于检测深度伪造图像的视觉变换器模型，通过对比学习和全局-局部相似性分析实现高精度伪造检测。
Gustking
基于wav2vec2架构的音频分类模型，针对深度伪造音频检测任务进行微调，在性别识别和伪造音频检测方面表现优异。
Heem2
基于facebook/wav2vec2-base微调的深度伪造音频检测模型，在评估集上准确率达95.45%
Hemgg
基于facebook/wav2vec2-base微调的深度伪造音频检测模型，在多民族英语数据集上训练，能够有效识别伪造音频，评估准确率达到95.45%。
Hemg
基于facebook/wav2vec2-base微调的深度伪造音频识别模型，在评估集上准确率达95.45%
prithivMLmods
基于SigLIP2视觉-语言编码器微调的深度伪造图像检测模型，用于二分类真实与合成图像
abhishtagatya
基于微软WavLM-base微调的深度伪造音频检测模型，在ASVspoof 2019数据集上表现优异，准确率达99.79%
基于HuBERT架构的音频分类模型，专门用于检测深度伪造音频和音频欺骗
基于facebook/wav2vec2-base-960h微调的音频分类模型，专注于深度伪造和音频欺骗检测。
Wvolf
该模型由Rudolf Enyimba训练完成，用于检测深度伪造图像，测试准确率达98.70%。
joyc360
基于HuggingPics生成的图像分类模型，用于区分深度伪造图片和真实图片
HyperMoon
基于facebook/wav2vec2-base-960h在asvspoof2019数据集上微调的语音深度伪造检测模型
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
'%3e%3cpath%20d='M55.2622%2038L48.2289%2022L44.1206%2031.3333H47.2539L45.7872%2034.6667H38.7622L46.0956%2018H37.6706C36.7539%2018%2036.0039%2018.75%2036.0039%2019.6667V36.3333C36.0039%2037.25%2036.7539%2038%2037.6706%2038H55.2622Z'%20fill='white'/%3e%3cpath%20d='M64.3368%2018H50.3535L59.1535%2038H64.3368C65.2535%2038%2066.0035%2037.25%2066.0035%2036.3333V19.6667C66.0035%2018.75%2065.2535%2018%2064.3368%2018ZM63.0868%2034.6667H59.7535V21.3333H63.0868V34.6667Z'%20fill='%23FFCC66'/%3e%3cpath%20d='M89.3379%2026.75V29.25H81.8379V36.75H91.8379V24.25H81.8379V26.75H89.3379ZM84.3379%2034.25V31.75H89.3379V34.25H84.3379Z'%20fill='white'/%3e%3cpath%20d='M103.504%2036.75V29.25H96.0039V26.75H103.504V24.25H93.5039V31.75H101.004V34.25H93.5039V36.75H103.504Z'%20fill='white'/%3e%3cpath%20d='M115.17%2026.75V24.25H105.17V36.75H115.17V34.25H107.67V31.75H115.17V29.25H107.67V26.75H115.17Z'%20fill='white'/%3e%3cpath%20d='M80.1712%2029.25V29.175L78.9962%2028L80.1712%2026.825V20.425L78.9962%2019.25H69.3379V36.75H78.9962L80.1712%2035.575V29.25ZM77.6712%2034.25H71.8379V29.25H77.6712V34.25ZM77.6712%2026.75H71.8379V21.75H77.6712V26.75Z'%20fill='white'/%3e%3c/g%3e%3cg%20clip-path='url(%23clip1_644_3948)'%3e%3cpath%20d='M169.59%2022.9827L169.59%2023.6491H177.409L168.175%2032.8822L169.118%2033.8248L178.351%2024.5917L178.352%2032.4106H179.685V22.3164L179.018%2022.3157H169.59V22.9827Z'%20fill='white'/%3e%3c/g%3e%3cdefs%3e%3cclipPath%20id='clip0_644_3948'%3e%3crect%20width='80'%20height='20'%20fill='white'%20transform='translate(36%2018)'/%3e%3c/clipPath%3e%3cclipPath%20id='clip1_644_3948'%3e%3crect%20width='20'%20height='20'%20fill='white'%20transform='translate(164%2018)'/%3e%3c/clipPath%3e%3c/defs%3e%3c/svg%3e)
