针对目前音频隐写检测方法对基于校验网格编码（STC）的音频隐写检测准确较低的问题，考虑到卷积神经网络（CNN）在抽象特征提取上的优势，提出一种融合深度残差网络（DRN）和极限梯度提升（XGBoost）的音频隐写检测模型。首先，利用固定参数的高通滤波器（HPF）预处理输入的音频，并通过三个卷积层提取特征，其中第一个卷积层使用了截断线性单元（TLU）激活函数，使得模型适应低信噪比（SNR）下的隐写信号分布；其次，通过五个阶段的残差块和池化操作进一步提取抽象特征；最后，经过全连接层和Dropout层将提取的高维特征作为XGBoost模型的输入进行分类。分别对STC隐写和最低有效位匹配（LSBM）隐写进行检测，实验结果表明，所提出的模型在0.5 bps、0.2 bps、0.1 bps三种嵌入率下，即音频每个采样值平均修改的比特数分别为0.5、0.2、0.1时，对子校验矩阵高度为7的STC隐写的平均检测准确率分别为73.27%、70.16%、65.18%，对LSBM隐写的平均检测准确率分别为86.58%、76.08%、72.82%。相较于传统提取手工特征的隐写检测方法和深度学习隐写检测方法，所提模型对两种隐写算法的平均检测准确率均提高了10个百分点以上。