本研究提出了一种双头深度神经网络，用于在双语环境中通过语音检测帕金森病。该模型在斯洛伐克语和西班牙语的检测能力显著优于传统单语言模型。

本研究提出了一种新机制，利用自适应音位池化技术解决语音深度伪造检测中的音位序列时间不一致问题，显著提升了检测准确性，实验结果优于现有技术。

ASVspoof 2021提出了深度伪造语音检测的新任务，展示了检测技术的进展与挑战。研究强调动态表示的重要性，并提出新方法以提高检测准确性。通过构建新数据集和引入频率掩蔽等技术，显著提升了模型的鲁棒性和泛化能力，为音频安全领域提供了重要的应用潜力。

ASVspoof 2021提出了深度伪造语音检测的新任务，展示了多个新数据库和评估指标。研究表明，检测物理空间中的攻击具有挑战性。后续研究开发了新的检测方法和模型，提升了对未知攻击的检测能力，尤其在实时通信中实现了有效的深假音频检测，显著提高了准确率和性能。

本文介绍了一种基于MEMS骨导传感器的低功耗无线耳塞研究平台，采用递归神经网络实现95%准确率的语音检测，功耗仅为2.64毫瓦，电池寿命可达43小时。同时，研究还涉及多种语音识别数据集的构建与应用，推动了语音识别技术的发展。