Los deepfakes se refieren a videos, audios u otros tipos de datos manipulados utilizando técnicas de deep learning. Pueden ser una fuente de desinformación y manipulación, y es por esto que en este trabajo se ha elaborado un modelo para detectar deepfakes a partir de datos audio-visuales. Con este propósito, se han entrenado dos modelos, uno de audio y otro de video, con datos procedentes de diversos datasets, buscando ante todo mejorar la capacidad de generalización, que escasea en los modelos existentes de detección de deepfakes. Se ha conseguido una capacidad de generalización relativamente buena comparada con el estado del arte. Además, se han combinado los dos modelos en una sencilla interfaz para que usuarios no expertos puedan detectar videos falsos.