AT-ADD：所有类型音频 Deepfake 检测挑战摘要

本文总结了 ACM Multimedia 2026 AT-ADD Grand Challenge 关于所有类型音频 Deepfake 检测的内容。 AT-ADD 包含两个轨道：真实声学和通道变化下的鲁棒语音深度伪造检测，以及对语音、环境声音、歌声和音乐的类型不可知检测。我们描述了挑战任务、数据集和评估集设计、官方排行榜结果以及在参与系统中观察到的常见设计模式。最好的 Track 1 系统在最终评估集上实现了 90.71% Macro-F1，而最好的 Track 2 系统实现了 96.10% Macro-F1。最终提交的材料表明，强大的系统通常结合大规模自监督音频表示、数据增强、多作物推理以及结构化融合或路由。结果还揭示了对看不见的生成器的泛化、对现实语音域失真的鲁棒性以及跨异构音频类型的平衡性能方面仍然存在的挑战。