К содержимому

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")