Датасет · sendfuze
Бенчмарк восприятия голоса и дипфейков человеком
sendfuze/vipbench
Около 125 тысяч человеческих оценок схожести голосов на парах из реальных записей, ИИ-клонов и морфинга для проверки систем распознавания дикторов.
Что внутри
В наборе собраны 124 876 оценок («один или разные люди») от 1 290 англоязычных слушателей для 9 800 пар аудиозаписей от 100 дикторов. Пары включают три типа записей: реальные голоса, ИИ-клоны от современной TTS-модели и плавно морфированные голоса. Помимо аудио, в датасете есть табличные данные и текст на английском языке.
Что можно сделать
- Оценка устойчивости моделей speaker-embedding к современным TTS-клонам голоса
- Калибровка детекторов аудиодипфейков под человеческое восприятие
- Задачи
- Классификация аудио, Другое
- Языки
- Английский
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 613
- Лайков
- 2
Как загрузить
from datasets import load_dataset
ds = load_dataset("sendfuze/vipbench")