我们诚挚邀请您投稿至IEEE SLT2026特别议题：“Partially Edited Audio: Perspectives from Synthesis and Defense” 本次会议将于12月在意大利西西里举行。本特别议题聚焦于一个新兴且重要的方向：部分篡改语音。旨在从合成（Synthesis）与检测（Defense）两个角度，推动该领域的发展。我们欢迎来自学术界与工业界的研究人员积极投稿。

官方网站：https://sites.google.com/view/partially-edited-audio

背景介绍

随着深度学习和生成式人工智能的快速发展，语音的生成与编辑变得前所未有地便捷。在语音合成领域，诸如VoiceBox、A3T、SpeechX 和 VoiceCraft 等语音编辑算法，使得缺乏专业技能的用户也能以极低门槛生成高度逼真的音频内容。这些工具支持对已有语音中的特定片段进行精准修改，而无需改变整段录音，从而省去重新录制整句的麻烦。例如，用户只需编辑出错的词语或音节，就能纠正发音，而不必重新生成整段音频。

尽管语音编辑技术具有重要的正向应用价值，但其潜在的滥用风险同样不容忽视，包括：篡改公众人物的讲话、误导声纹识别系统，以及实施电信与金融欺诈等。更具挑战的是，编辑后的语音往往包含大量未被篡改的真实片段，这会干扰检测模型的判断，从而显著增加识别与追踪操控痕迹的难度。

本专题旨在探讨“部分编辑”的音频/语音/音乐/歌唱等内容所带来的新兴挑战，并推动合成与防御两大社区的交流与合作。

征稿方向

包括但不限于

Synthesis:

  • Techniques for partially editing content/background/emotion/prosody/object/etc. of audio/speech/music/singing or multimodal audio-visual media.
  • Methods to ensure acoustic and perceptual consistency after editing
  • Datasets, benchmarks, toolkit for partial audio/speech editing
  • Unified models for zero-shot TTS (continuation) and speech editing (infilling)
  • Partially audio/speech editing for more complicated scenarios, like long-form and/or multi-speaker conversations, noisy background, multilingual editing, etc.
  • Fairness, biases, harms, risks and socio-ethical failures of partial editing.

Defense:

  • Detection, localization, and diarization of partially edited audio
  • Proactive protecting under partial edits, like watermarking
  • Adaptation and generalization methods for identifying edits
  • Human vs. machine performance in detecting partially edited audio
  • Explainability, interpretability and transparency techniques for defense against partial edits in speech
  • Ethics of data collection, annotation, and use of data for speech editing.
  • Fairness, biases for defending against audio/speech/music/singing editing.
  • Joint defense against partial editing with other downstream tasks, like ASV, ASR, etc.

Other novel topics related to audio/speech/music/singing editing

重要时间节点

与 IEEE SLT2026 同步， 以 AoE 时间为准

投稿截止2026.6.17
论文修订截止2026.6.24
论文rebuttal2026.7.29 –8.4
录用通知2026.9.1
最终稿截止2026.9.16
会议日期待定，12.13~16中某天

我们诚邀您分享最新研究成果，携手探索部分篡改语音的生成和检测的未来！

组织团队

  • Dr. Lin Zhang 张琳（Johns Hopkins University, USA）
  • Prof. David Harwath （UT Austin, USA）
  • Prof. Xin Wang 王鑫（NII, Japan）
  • Dr. You Zhang 张优（University of Rochester, USA）
  • Dr. Bowen Shi 施博文（Meta, USA）
  • Prof. Nicholas Evans（EURECOM, France）
  • Prof. Sanjeev Khudanpur（Johns Hopkins University, USA）