/ Модель

Характеристики

Лицензия
MIT
Опубликована
4 сен 2026

auralguard-checkpoints

Классификация аудиоАудио → label

Контрольные точки AuralGuard предназначены для классификации аудио и обнаружения речи, сгенерированной ИИ, и речевых дипфейков.

0скачиваний за 30 дней0лайковвеса обновлены1 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

MoshinAli/auralguard-checkpoints — репозиторий контрольных точек AuralGuard, разработанной Мохсином Ибна Хоссейном, Мд. Муттакином, Садманом Хасаном Мираджем и Мохаммадом Махмудулом Хасаном из American International University-Bangladesh. Это исследовательская система для обнаружения синтетической речи и дипфейков в аудио; репозиторий содержит версии AuralGuard, а также варианты на основе LFCC-LCNN, RawNet2, AASIST и WavLM.

AuralGuard v2 сочетает несколько представлений аудио, механизм Gated Cross-Attention, AASIST, обучение с одним классом и supervised contrastive learning. Модель обучали на ASVspoof 2019 LA, а затем оценивали без дообучения на данных In-the-Wild и WaveFake. Она предназначена для классификации аудио на подлинную и сгенерированную речь, но результаты на внешних наборах заметно различаются между вариантами и не гарантируют надёжного обобщения для произвольных реальных записей. Контрольные точки доступны по лицензии MIT.

Сценарии применения

  • проверка аудиозаписи на синтетическую речь
  • обнаружение речевых дипфейков
  • оценка подлинности голосовых сообщений
  • исследование обобщения детекторов синтетической речи на новые датасеты

Ограничения

Качество обобщения на внешние данные ограничено и зависит от варианта модели: README приводит существенно различающиеся результаты на In-the-Wild и WaveFake. Модель обучалась на ASVspoof 2019 LA, поэтому точность на других источниках и условиях записи не гарантируется.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

AuralGuard: Multi-View One-Class Learning for Generalizable and Calibrated Detection of AI-Generated Speech in the Wild

Official checkpoint repository and benchmark artifacts for the paper:
"AuralGuard: Multi-View One-Class Learning for Generalizable and Calibrated Detection of AI-Generated Speech in the Wild"
Target: Elsevier Computer Speech & Language / IEEE Transactions on Information Forensics and Security (IEEE TIFS)

  • 📄 Camera-Ready Manuscript (17 Pages): paper/main.pdf
  • 💻 Official Code Repository: github.com/MIHMahmudEli/auralguardv2
  • 👥 Authors: Mohsin Ibna Hossain, Md. Muttakin, Sadman Hasan Miraj, and Mohammad Mahmudul Hasan (Corresponding Author)
  • 🏛️ Affiliation: Department of Computer Science, American International University-Bangladesh (AIUB)

📊 Empirical Benchmark Results

Trained strictly once on ASVspoof 2019 LA and evaluated zero-shot out-of-domain across all benchmarks. Metrics report point estimates with 95% non-parametric bootstrap confidence intervals ($B=1,000$).

ArchitectureIn-Domain (19LA) EER (%)min t-DCFZero-Shot (In-the-Wild) EER (%)ITW AUROCITW ECE (↓)Zero-Shot (WaveFake) EER (%)
B1 (LFCC-LCNN)16.29 [15.97, 16.63]0.613150.62 [49.72, 51.49]0.49790.429245.32 [44.82, 45.82]
B2 (RawNet2)8.99 [8.72, 9.23]0.344438.08 [37.28, 38.89]0.66710.576150.37 [49.88, 50.88]
B3 (AASIST)10.63 [10.36, 10.92]0.392142.33 [41.52, 43.14]0.61220.555249.89 [49.39, 50.39]
B5 (WavLM+OCS)2.86 [2.73, 3.00]0.104116.55 [16.12, 16.98]0.91030.232047.43 [46.93, 47.93]
AuralGuard (v1)7.30 [7.12, 7.50]0.249423.47 [23.03, 23.89]0.83450.096548.72 [48.22, 49.22]
AuralGuard v26.81 [6.61, 7.00]0.239819.19 [18.78, 19.61]0.88200.171645.19 [44.69, 45.71]

📈 Actual Manuscript Figures

1. Cross-Domain Generalization (Fig. 6)

Cross Domain Comparison

2. Detection Error Tradeoff (DET) Curves (Fig. 7)

DET Curve

3. Non-Parametric 95% Bootstrap Confidence Intervals (Fig. 8)

CI Forest Plot

4. Discrimination vs. Probability Calibration (Fig. 9)

Calibration vs Discrimination

5. Out-of-Domain Reliability Diagram on In-the-Wild (Fig. 10)

Reliability Diagram


📦 Checkpoint Directory

ModelPath in RepoDescription
AuralGuard v2checkpoints/auralguard_v2/best.ckptMulti-view + Gated Cross-Attention + AASIST + OCS + SupCon
AuralGuard (v1)checkpoints/auralguard/best.ckptMulti-view + AASIST + OCS
B5 (WavLM+OCS)checkpoints/b5_wavlm_ocs/best.ckptSingle-view WavLM-Large + AASIST + OCS
B3 (AASIST)checkpoints/b3_aasist/best.ckptSinc-conv raw waveform + Graph attention network
B2 (RawNet2)checkpoints/b2_rawnet2/best.ckptSinc-conv raw waveform + residual blocks + GRU
B1 (LFCC-LCNN)checkpoints/b1_lcnn/best.ckpt60-dim LFCC + Max-Feature-Map CNN

🚀 Quick Usage

from huggingface_hub import hf_hub_download
import torch

# Download AuralGuard v2 checkpoint
ckpt_path = hf_hub_download(
    repo_id="MoshinAli/auralguard-checkpoints",
    filename="checkpoints/auralguard_v2/best.ckpt"
)
print(f"Downloaded checkpoint to: {ckpt_path}")

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
b4a4070

0 моделей