本文提出了一种名为 SafeSpeech 的防御框架，旨在保护用户上传的语音免受恶意语音合成技术的滥用。研究背景是：语音合成技术（如 deepfake 音频）已广泛用于电信诈骗等非法活动，攻击者可未经授权收集受害者语音并克隆相似声音。现有防御方法（如添加对抗扰动）在面临鲁棒训练技术时容易失效，且缺乏通用性。为此，SafeSpeech 的核心组件是语音扰动隐藏（SPEC）技术，它利用一个替代生成模型来产生对多种合成模型都有效的通用扰动，并将扰动嵌入到原始音频中，使得合成模型生成的语音质量显著下降。此外，该框架优化了扰动在时域和频域上的人耳感知效果，使扰动几乎不可察觉。实验评估覆盖了多个先进的语音合成模型和数据集，包括主观和客观测试。结果表明：SafeSpeech 在保护效果、可迁移性和对自适应攻击者的鲁棒性上均达到当前最优水平（SOTA），且在实际测试中具备实时处理能力。源代码已公开。该研究为语音数据的安全共享提供了一种主动防御方案。