面對疑似深偽語音，單一真假分數往往不足以支援鑑證；調查者還要追查生成系統、比較兩段錄音是否同源，並確認結論依據。VeriSpoof 是一個語音鑑證音訊語言模型項目，以同一組權重處理這些問題，並將判斷寫成可對照音訊與資料標籤的短句。
它不另設偵測或來源驗證專用輸出頭，而是比較模型對不同答案句子的可能性，將差值用作分數。解釋可涵蓋頻寬、訊噪比、音量、聲道影響、合成片段位置與來源特徵；這令使用者能檢查模型提出的線索，而非只收到「真」或「假」的結論。
VeriSpoof-Plus 在 Speech-DF-Arena 的 14 個測試集取得 2.14% pooled EER，在 28 個系統中排第三，並在開放權重系統中排名第一。同一組權重亦能比較訓練時未見過的生成器來源，EER 為 6.2%；在 PartialEdit 測試中，經推理的理由能找出 99.6% 的局部偽造片段，一步作答則為 78.4%。
項目同時提供 VeriSpoof-Base 和 VeriSpoof-Plus 模型、推理套件、線上示範及 VeriSpoof-Bench 資料集；可先用示範查看錄音分析結果，再以推理套件離線處理測試音訊。訓練只更新 2.85B 參數中的 29.7M，項目稱可在一張 24 GB GPU 上完成訓練，但這不代表推理資源需求相同。
- 一套權重支援真假判斷、來源比對與語音鑑證解釋。
- 局部偽造定位有助檢查整段錄音中只被修改的部分。
- 開放權重版本在指定基準取得具競爭力的結果，不能直接推論為適用所有語言、錄音條件或生成器。
- 鑑證團隊與研究人員可用示範、離線推理套件及基準資料集檢查輸出；關鍵判斷仍應回到音訊與來源證據核實。