该研究介绍了首个真实音频-视觉深度伪造数据库SWAN-DF，展示了高质量的嘴唇与语音同步。研究表明，调整预训练模型可以成功欺骗识别系统，并使用Whisper模型提高声音DeepFake检测的准确性。此外，提出了新的深度伪造检测框架和算法，以增强音频的真实性和媒体身份验证。