К содержимому
Аудио

ishiki-deepfake-0.5

компактный детектор аудиодипфейков

1 мин чтенияобновлено

Модель ishiki-labs/ishiki-deepfake-0.5 создана для поиска поддельных и сгенерированных голосов (аудиодипфейков) в потоке аудио. Она базируется на архитектуре facebook/wav2vec2-xls-r-300m, но уменьшена в размере за счет сжатия параметров до 86.75 млн. Инструмент анализирует 16kHz аудиозаписи и выдает числовую оценку вероятности подделки. Модель пригодится разработчикам и исследователям безопасности для фильтрации голосовых сообщений и защиты систем от спуфинга.

Ключевые особенности

  • Основана на базовой модели wav2vec2 с уменьшением параметров на 72.5%
  • Работает за один проход (One-Forward-Pass Optimization) без обратного распространения
  • Протестирована на множестве датасетов, включая ASVspoof 2019 и 2021
  • Весит всего 353.6 МБ в формате .safetensors

Что можно сделать

  • Встроить в систему верификации звонков для защиты от голосового мошенничества
  • Проверять аудиофайлы в ботах или сервисах на наличие искусственной генерации
  • Тестировать устойчивость систем распознавания речи к спуфингу

Пример

import numpy as np
from huggingface_hub import snapshot_download
import sys

repo_dir = snapshot_download("ishiki-labs/ishiki-deepfake-0.5")
sys.path.insert(0, repo_dir)
from inference import create_predictor

predict = create_predictor(repo_dir, device="cuda:0", batch_size=32)
wavs_16khz = np.random.randn(4, 64600).astype(np.float32) * 0.2
scores = predict(wavs_16khz)
print("Spoof scores:", scores)
ПодробнееПараметры: 86.75M
ASVspoof 2019 LA EER: 0.1630%
ASVspoof 2021 LA EER: 1.5133%
Требования: GPU (cuda:0) для быстрого запуска batch-обработки
Обсудить Telegram 1 17

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 0.3 GB · готовые файлы0.9 GB
  • BF16веса 0.2 GB0.7 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB0.6 GB
  • 4-bitвеса 0.0 GB0.6 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F32 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # ishiki-labs/ishiki-deepfake-0.5
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download ishiki-labs/ishiki-deepfake-0.5 --local-dir ~/models/ishiki-deepfake-0.5
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к ishiki-deepfake-0.5
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

facebook/wav2vec2-xls-r-300m

Новые посты про версии wav2vec2-xls-r-300m — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 9Все на Hugging Face
Дообучения 12Все на Hugging Face

О модели

ishiki-labs/ishiki-deepfake-0.5
Автор
ishiki-labs
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

171

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Аудио

Ishiki-ASR-0.5

Ishiki-ASR-0.5