语音合成技术的快速发展使深度伪造音频达到高度逼真的水平，对语音身份验证和数字取证构成日益严峻的威胁。早期研究曾报道人类对深度伪造语音的检测准确率可达70%-80%，但这些研究主要基于较老的合成器，难以反映当前生成语音的真实攻击能力。本研究针对这一差距，选取了分别于2019年（RTVC）、2022年（YourTTS）和2024年（ElevenLabs）发布的三种代表性语音合成工具，邀请82名IT专业人员参与听辨实验，同时使用六个预训练的深度伪造检测器对相同材料进行基准测试，以系统评估人类和自动检测器对现代合成语音的识别能力。实验涵盖完全合成语音（全文伪造）和部分伪造（仅篡改语句中的某一个句子）两种场景。结果显示：对于完全合成语音，人类检测的F1分数从RTVC和YourTTS的约90%急剧下降到ElevenLabs的48%，且参与者事先已被明确警告音频中可能存在深度伪造；对于部分伪造，严格判断的准确率仅为9%，听众有77%的概率将合成句子误判为真实语音。研究进一步发现，人类与自动检测器的错误模式互补，两者均无法可靠定位短篡改片段。此外，听众在识别合成语音时，越来越多地将真实语音误标记为伪造，导致对未操纵音频的信任度不断下降。这些发现表明，人类感知对于现代合成器和部分伪造条件已不可靠，必须依靠程序化验证、来源证明、水印技术和片段级检测等多层次防御手段来应对。该研究为语音伪造检测领域提供了新的实证数据，对设计和评估鲁棒的音频取证系统具有重要参考价值。