英式发音：/ˈdiːp.feɪk/
美式发音：/ˈdiːp.feɪk/
Deepfake 是由“深度学习”（deep learning）和“伪造”（fake）组合而成的合成词，指通过人工智能技术生成或篡改的音视频内容，其核心特征是将某人的面部或声音替换为他人，且效果高度逼真，难以通过肉眼辨别真伪 。这类技术既可以指具体的伪造作品（如视频、音频），也可指代生成此类内容的系统或方法 。
Deepfake 主要依赖深度学习算法（如生成对抗网络 GAN），通过分析大量目标人物的音视频数据，模拟其面部表情、语音语调及肢体动作，进而生成全新内容。常见应用包括影视后期换脸、虚拟试衣、外语影片配音等合法场景，但也可能被用于制作虚假新闻、恶意诽谤或欺诈内容 。
若大量人群将这些 deepfake 误认为真实内容，我们将面临严重问题。（指伪造视频）
当不良分子开始使用 deepfake 传播虚假信息时，其危害将难以遏制。（指生成技术）
这部电影通过 deepfake 技术实现了已故演员的“复活演出”。
专家警告，深度伪造的政治演讲视频可能影响选举公正。
社交媒体平台正加强对 deepfake 内容的检测与标注。
该公司开发的反 deepfake 工具可识别 95% 的伪造视频。
黑客利用 deepfake 模仿 CEO 声音实施电信诈骗。
艺术家用 deepfake 将古典画作中的人物“动态化”，引发热议。
学校通过 deepfake 技术让历史人物“开口”授课，提升教学趣味性。
法律界正探讨如何界定 deepfake 创作的版权与责任。
动词搭配：create deepfake（制作深度伪造内容）、detect deepfake（检测深度伪造）、spread deepfake（传播深度伪造）
名词搭配：deepfake video（深度伪造视频）、deepfake technology（深度伪造技术）、deepfake disinformation（深度伪造虚假信息）
形容词搭配：realistic deepfake（逼真的深度伪造）、malicious deepfake（恶意深度伪造）、AI-generated deepfake（人工智能生成的深度伪造）
Deepfake 技术的双面性引发广泛争议：一方面，它推动了影视制作、虚拟现实等领域的创新；另一方面，也带来信息真实性危机与伦理风险。目前，多国已出台法规限制其滥用，科技公司亦在研发更精准的检测工具。如何在技术进步与风险防控间取得平衡，仍是社会面临的重要课题。