三语语音幻觉检测基准：音频与转写文本

论文发布三语语音幻觉检测基准，并评测编码器与多模态解码器。

资讯摘要

论文提出一个覆盖英语、俄语、哈萨克语的口语幻觉检测基准，含12013条新闻样本，涵盖三种合成篡改类型与三级严重程度，并配对原文、改写文本、合成音频和ASR转写；另加入290条经事实核查的俄语和哈萨克语虚假信息。作者在无参考条件下评测微调多语编码器与零样本多模态解码器，发现编码器从原文到转写的性能下降大致对应各语言ASR错误率，解码器中仅Gemma-3n在转写上超过多数类基线。

要点速读

1. 基准含12013条英、俄、哈三语新闻样本，三种合成篡改类型、三级严重程度，配对文本、合成音频与ASR转写。
2. 另加入290条事实核查虚假信息（俄语225、哈萨克语65），翻译并走同一TTS-ASR流程。
3. 编码器从原文到转写的退化大致对应各语言ASR错误；解码器中仅Gemma-3n在转写上超过多数类基线。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。