本文针对说话人脸（Talking-Face, TF）深度伪造检测问题，提出了一种基于生理信号（远程光电容积描记术, rPPG）的取证方法。TF深度伪造技术利用静态源图像和音频信号合成逼真的面部视频，而现有基于图像特征的检测器几乎完全失效。与换脸（face-swap）伪造不同，TF合成没有对应的真实视频，因此无法继承生理特征，这使得rPPG成为该伪造类型独有的检测模态。作者构建了一个检测框架：首先使用RhythmFormer网络从每个视频中提取rPPG波形，然后训练一组轻量级分类器（如1D ResNet）来区分真实与合成的生理信号。在Celeb-DF++数据集的TF子集上，采用严格的与身份无关的评估协议（测试集身份与训练集完全分离），该框架的最佳模型（1D ResNet）取得了AUC 0.806、等错误率27.8%的性能，仅比当前最好的通用检测器Effort（ICML 2025）低2.4个百分点，且完全基于生理通道。此外，作者对代表性先前rPPG检测器DeepFakesON-Phys进行了受控复现研究，发现其在传统换脸数据上AUC高达0.999，但在TF子集上退化至0.622。进一步实验表明，检测难度与生成器高度相关：在7种TF生成器中，AUC范围从0.985（Real3DPortrait）到0.690（IP-LAP），且该排序在所有评估协议下保持稳定。该结果反映了每个生成器可解释的生理属性，而非评估噪声，构成了本文的主要理论贡献。