伪造语音检测数据集

已于 2024-02-23 01:32:51 修改
阅读量4.2k 收藏 47
点赞数 13
分类专栏： 语音 文章标签： 语音识别 人工智能
于 2022-05-21 20:58:20 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_35576225/article/details/124901714
版权
年份名称伪造类型数据集
2015ASVspoof2015语音合成、语音转换https://datashare.ed.ac.uk/handle/10283/853
2016

BTAS2016

语音合成、语音转换、重放https://www.idiap.ch/en/dataset/avspoof
2017ASVspoof2017语音重放https://datashare.ed.ac.uk/handle/10283/3055
2019ASVspoof2019语音合成、语音转换、重放https://datashare.ed.ac.uk/handle/10283/3336
2020ReMASC语音重放https://ieee-dataport.org/open-access/remasc-realistic-replay-attack-corpus-voice-controlled-systems
2020VSDC语音重放http://www.secs.oakland.edu/~mahmood/datasets/audiospoof.html
2020POCO语音重放GitHub - aurtg/poco
2021

Asvspoof2021

语音重放https://www.asvspoof.org/
2022

ADD2022

语音合成、语音转换http://addchallenge.cn/add2022
2022SASV2022语音合成https://sasv-challenge.github.io/
2023ADD2023语音合成http://addchallenge.cn/add2023​​​​​​​​​​​​​​
2024HAD语音合成Half-Truth: A Partially Fake Audio Detection Dataset (HAD)

Deep Fake Detection (DFD) Entire Original Dataset数据集下载
网易搬砖头
11-18 1万+
关于数据集点击DeepFake Detection大部分是以视频分类任务为主要任务目标，目标是通过模型辨识某段视频是否为伪造图像。
生成式伪造语音安全问题与解决方案（下）
qq_41432686的博客
04-11 1123
生成式人工智能的运用也存在一些风险，例如可能生成不准确或不合适的内容，或者被用于恶意目的。在语音领域，生成式伪造语音在人机交互中的不当使用带来的安全威胁同样令人担忧。因此，针对正在发展的生成式伪造语音技术，需要同时发展伪造语音检测技术，加强治理体系建设，对技术应用进行充分评估和监管，以保证技术发展朝着正确的道路前进，确保技术应用的安全性和合法性。
SH-SSS丨跨年龄声纹识别：学习年龄不变的说话人特征
weixin_48827824的博客
08-11 1181
SH Symposium Series on Speech (SH SSS 2022) SH SSS 是由语音之家打造的AI语音技术相关的前沿论文成果分享平台。 来自AI语音技术领域的优秀论文作者、专家学者，用最精炼的表达来解读最新的高质量论文。......
TL-SEJ 方法：有效对抗语音伪造攻击
声纹感知 洞察芯声
07-31 1116
为了应对噪声和混响等更具挑战性的场景，本文探索了数据增强、语音增强和预训练模型等技术，提出了一种基于迁移学习的语音增强前端联合优化 (TL-SEJ) 方法。
复现 ASVspoof 2021 baseline RawNet2
Haulyn5的博客
06-24 7438
RawNet2 是 ASVspoof 2021 的几种基线方法之一。记录复现过程。复现成功。在 21 LA eval 上得到 9.5%的 EER。官方 repo：2021/LA/Baseline-RawNet2 at main · asvspoof-challenge/2021 · GitHubASVspoof 2021 Baseline Systems.
深度伪造语音检测（Deepfake Speech Detection, DSD）全面概述
声纹感知 洞察芯声
09-27 3507
本文专注于人类语音，提供了深度伪造语音检测（DSD）任务全面概述。
语音伪造检测、定位的论文
岁月如歌
04-05 1902
语音伪造检测、定位论文
深度伪造音频普遍检测的Codecfake数据集和对策
声纹感知 洞察芯声
05-10 2731
有效检测基于ALM的深度伪造音频，我们从以下三个维度进行优化：专注于ALM基于音频生成方法的机制、构建Codecfake数据集、采用CSAM策略。
AST-VoxCelebSpoof-Synthetic-Voice-Detection：语音伪造检测的新篇章
最新发布
gitblog_02296的博客
12-05 753
AST-VoxCelebSpoof-Synthetic-Voice-Detection：语音伪造检测的新篇章 AST-VoxCelebSpoof-Synthetic-Voice-Detection 项目地址: https://g...
基于深度学习的音频伪造检测
weixin_42605076的博客
08-09 1616
基于深度学习的音频伪造检测是一个旨在利用深度学习技术识别和检测伪造音频内容的研究领域。随着生成对抗网络（GAN）等技术的发展，伪造音频（如深伪音频）变得越来越逼真，对社会、法律和安全构成了严重威胁。
Diffusion Deepfake Speech ：利用扩散模型生成的深度伪造语音数据集
u011559552的博客
10-25 1074
2024-10-09，由捷克布尔诺理工大学的研究人员创建了Diffusion Deepfake Speech，一个基于扩散模型的深度伪造语音数据集，对于评估和改进现有的深度伪造检测系统具有重要意义。
异常检测常用的一些数据集
01-02
3. **speech-unsupervised-ad.csv**：语音异常检测数据集，用于识别不正常的语音模式，可能应用于语音识别系统中的噪声检测或语音病理学研究，帮助识别疾病或异常发音。 4. **shuttle-unsupervised-ad.csv**：航天...
gmm的matlab代码-ReMASC_Exp:ReMASC数据集的基准实验
05-26
gmm的matlab代码ReMASC实验 该存储库描述了ReMASC的实验设计和Matlab代码，ReMASC是语音控制系统的逼真的重放攻击语料库。 可以在以下出版物中找到数据收集过程： 袁恭，简阳，雅各布·胡贝尔，米歇尔·麦克奈特，克里斯蒂安·波拉鲍尔（（：语音控制系统的逼真重放攻击语料库*“，arXiv预印本，2019年4月。 等级制度： 在运行实验之前，请下载数据集并根据以下所示的文件层次结构将其拆分。 元数据目录包含所有.wav文件的元数据描述。 . +-- Env1_meta | +-- Env1_meta_aligned.csv | +-- Env1_meta.csv ... +-- all_meta.csv +-- gender.txt 数据目录包含所有以.wav格式的数据文件 . +-- ASVspoof2017_eval | +-- ****.wav +-- ASVspoof2017_protocol | +-- ****.txt | +-- ... +-- ASVspoof2017_train | +-- ****.wav +-- ASVspoof2017_trai
matlab特征点代码-ASSERT:JHU向ASVspoof2019挑战赛提交的系统文件：挤压激励和残余网络反欺骗（ASSERT）
05-24
matlab特征点代码断言：利用挤压激励和残留网络进行反欺骗 该存储库包含用于重现我们Interspeech 2019论文的核心结果的代码： 如果您发现该代码很有用，请引用 @article{lai2019assert, title={ASSERT: Anti-Spoofing with Squeeze-Excitation and Residual neTworks}, author={Lai, Cheng-I and Chen, Nanxin and Villalba, Jes{\'u}s and Dehak, Najim}, journal={arXiv preprint arXiv:1904.01120}, year={2019} } 抽象的 我们将向JHU的系统提交ASVspoof 2019挑战赛的内容：挤压激励和残留网络（ASSERT）进行反欺骗。 自ASVspoof Challenges揭幕以来，反欺骗已引起越来越多的关注，而ASVspoof 2019致力于解决来自以下三种主要类型的攻击：文本到语音，语音转换和重播。 ASSERT建立在先前有关深度神经网络（DNN）的研究
dns_spoof
02-20
dns_spoof
第九届信也科技杯全球AI算法大赛——语音深度鉴伪识别参赛A榜 0.968961分
weixin_43509698的博客
06-19 956
简单的说一下本次比赛方案的想法，首先明确是语音深度鉴伪识别任务，于是发动互联网的强大的搜索功能，尽可能多的搜索到更多的语音深度鉴伪识别算法。也相应的搜索对应的数据集，在看到此帖子[深度伪造音频普遍检测的Codecfake数据集和对策]，同时在github上找到相应的。通过将网络结构修改成ResNet等实验，提出Codecfake_ResNet模型，让语音鉴别模型的分类指标达到0.968961。遗憾没有进复赛，也遗憾不知道复赛对应的成绩。A榜的前三十名晋级，个个都是99分的大佬，
CFPRF：一种用于音频时间伪造检测和定位的框架
声纹感知 洞察芯声
07-24 1642
本文引入了一种新颖的两阶段框架，称为粗到细的提议细化框架（CFPRF），用于音频时间伪造检测和定位（TFDL）。与现有的音频PFD方法不同，作者利用第一阶段的帧级检测网络（FDN）来学习鲁棒的表示，以更好地指示大致的伪造区域，并在第二阶段使用提议细化网络（PRN）来产生细粒度的提议。
复现 SSL_Anti-spoofing， 使用 wav2vec 2.0 和数据增强的自动说话人认证的欺骗攻击与深度伪造检测
Haulyn5的博客
07-22 5360
​论文工作的 GitHub 代码复现。 H. Tak, M. Todisco, X. Wang, J. Jung, J. Yamagishi, and N. Evans, “Automatic speaker verification spoofing and deepfake detection using wav2vec 2.0 and data augmentation.” arXiv, Feb. 28, 2022. Accessed: Jul. 01, 2022. ......
音频DF检测之RawGAT-ST代码部分(一)——数据集处理
sleepinghm的博客
11-13 1254
RAWGAT-ST代码部分
ASVspoof模型如何使用
05-31
ASVspoof是一个基于深度卷积神经网络（DCNN）的伪造语音检测器，可以用于检测伪造语音攻击。如果你想使用ASVspoof模型，可以下载和使用ASVspoof2021 Challenge提供的模型和数据集。以下是使用ASVspoof2021 Challenge提供的模型进行伪造语音检测的步骤： 1. 下载和安装ASVspoof2021 Challenge提供的工具包。ASVspoof2021 Challenge提供了一个完整的工具包，包括数据集、模型和评估工具等。你可以从ASVspoof2021 Challenge官网（https://www.asvspoof.org/）下载并安装这个工具包。 2. 获取测试数据。ASVspoof2021 Challenge提供了测试数据集，你可以从Challenge官网下载并解压缩这个数据集。 3. 运行ASVspoof2021 Challenge提供的模型。在ASVspoof2021 Challenge工具包中，有一个名为“baseline”的模型，它是一个基于DCNN的伪造语音检测器。你可以使用该模型对测试数据进行检测。在终端中，进入ASVspoof2021 Challenge工具包目录，运行以下命令： ``` python baseline.py --checkpoint /path/to/checkpoint --input /path/to/test/data --output /path/to/output ``` 其中，`/path/to/checkpoint`是模型文件的路径，`/path/to/test/data`是测试数据集的路径，`/path/to/output`是输出文件的路径。运行该命令后，程序会对测试数据进行检测，并将结果输出到`/path/to/output`文件中。 4. 分析检测结果。检测结果文件包含每个测试样本的检测结果和得分。你可以使用ASVspoof2021 Challenge提供的评估工具来分析和评估检测结果的准确率和性能。在终端中，进入ASVspoof2021 Challenge工具包目录，运行以下命令： ``` python asvspoof2021_evaluation.py --trial /path/to/trial/file --output /path/to/output ``` 其中，`/path/to/trial/file`是检测结果文件的路径，`/path/to/output`是输出文件的路径。运行该命令后，程序会对检测结果进行评估，并将评估结果输出到`/path/to/output`文件中。 需要注意的是，ASVspoof2021 Challenge提供的工具包和模型是用于研究和评估伪造语音检测算法的，只能用于非商业用途。如果你需要在商业环境中使用伪造语音检测算法，建议使用商业化的软件或服务。
评论 9
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值