Аудиоwasitaigeneratedcom
tropa-voice-mini
открытый детектор AI-голоса
1 мин чтенияобновлено
tropa-voice-mini — открытая модель от wasitaigenerated.com для определения AI-сгенерированной и клонированной речи. Построена на wav2vec2-XLS-R-300M (0,32 млрд параметров), весит 1,26 ГБ, работает на CPU и распространяется под Apache-2.0.
✅ Ключевые особенности
- ✅ Лучший открытый результат на коммерческих AI-голосах: 0.19% EER на 14 TTS-системах, у следующей открытой модели — 2.0%.
- 🔥 13.5% EER на Deepfake-Eval-2024 — реальные соцсетевые дипфейки.
- 📍 Возвращает не только общий score, но и таймлайн по 6-секундным окнам с шагом 3 с.
- 💻 Быстро на CPU: 30-секундный клип ~10 с на 4 ядрах, ~0.06 с на GPU.
- 📚 Apache-2.0, коммерческое использование разрешено.
💻 Пример
from huggingface_hub import hf_hub_download
import importlib.util
repo = 'wasitaigeneratedcom/ai-voice-detector-small'
spec = importlib.util.spec_from_file_location('detector', hf_hub_download(repo, 'detector.py'))
detector = importlib.util.module_from_spec(spec); spec.loader.exec_module(detector)
det = detector.VoiceDetector.from_pretrained(repo)
result = det('suspicious_clip.mp3')
print(result['ai_score'], result['verdict'])Подробнее
EER: 0.98% In-the-Wild, 13.5% Deepfake-Eval-2024, 0.19% на Commercial-Voices-2026-mini.На MLAAD-tiny слабее Spectra-AASIST: 2.33% против 0.71%.
Клипы короче ~2 с, громкая музыка и телефонное качество снижают точность.
Порог ai выставлен на 0.5% false-positive на отложенной человеческой речи.
Комментарии