/ Модель

Характеристики

Параметры
403 млн
Лицензия
MIT
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-xls-r-300m
Библиотека
transformers
Опубликована
15 апр 2026

voice-fake-detector-v1

Классификация текстаТекст → label3 профессии

Модель анализирует аудиозаписи и классифицирует голос как человеческую речь или синтетический дипфейк.

175скачиваний за 30 дней0лайковвеса обновлены20 апр 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

Voice Fake Detector v1 — модель классификации аудио от автора репозитория Shanmugapriya6. Она определяет, является ли запись человеческой речью или речью, созданной ИИ, и возвращает метку с оценкой уверенности. Модель построена на Wav2Vec2ForSequenceClassification и дообучена на facebook/wav2vec2-xls-r-300m; содержит около 402,7 млн параметров и распространяется в формате safetensors для Transformers.

Модель принимает аудиозаписи WAV и предназначена для выявления синтетической речи при проверке голосовых материалов и анализе медиаконтента. В README приведены результаты оценки на подмножестве ASVspoof2019. В карточке указаны тамильский, английский и хинди; среди обучающих данных названы Svarah, Kathbath и синтетическая речь, созданная системами TTS. Лицензия — MIT.

Качество может снижаться на шумных или низкокачественных записях; модель оценивалась не для всех языков и акцентов и может пропускать продвинутые методы генерации поддельной речи. Она не предназначена для юридических или криминалистических выводов и не рекомендуется для высокорисковой аутентификации.

Сценарии применения

  • проверка голосовых сообщений на синтетическую речь
  • выявление аудиодипфейков в медиаматериалах
  • предварительная оценка подлинности голосовой записи
  • фильтрация синтетической речи в аудиоархивах

Ограничения

Качество может снижаться на шумных и низкокачественных записях; модель не проверялась для всех языков и акцентов и может не выявлять продвинутые дипфейки. Не предназначена для судебно-криминалистических решений или высокорисковой аутентификации.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Voice Fake Detector v1

This model detects whether an audio clip is real human speech or AI-generated (deepfake). It is based on a fine-tuned Wav2Vec2 architecture and designed for robust audio deepfake detection.


Overview

The model performs binary classification:

  • Real (human voice)
  • Fake (AI-generated voice)

It is suitable for deepfake detection, voice verification, and media authenticity applications.


Model Details

  • Task: Audio Classification
  • Architecture: Wav2Vec2 (Transformer-based)
  • Base Model: facebook/wav2vec2-xls-r-300m
  • Framework: PyTorch (Transformers)
  • Input: .wav audio
  • Output: Label with confidence score

Usage

from transformers import pipeline

classifier = pipeline("audio-classification", model="Shanmugapriya6/voice-fake-detector-v1")

result = classifier("audio.wav")
print(result)

Example

Input: audio.wav Output: Fake (confidence: 0.91)


Training Data

The model was trained on a combination of real and synthetic speech data.

Real Speech Datasets

Synthetic (Fake) Audio

  • AI-generated speech samples created using text-to-speech (TTS) systems

Preprocessing

  • Audio resampling
  • Silence trimming
  • Normalization
  • Temporal chunking

Performance

Evaluation results on ASVspoof2019 subset:

  • Accuracy: 0.9286
  • Precision: 0.9999
  • Recall: 0.9205
  • F1 Score: 0.9363
  • Equal Error Rate (EER): 0.0401

Note: Performance may vary depending on dataset and audio conditions.


Limitations

  • Performance may degrade on noisy or low-quality audio
  • Not evaluated across all languages and accents
  • May not detect highly advanced deepfake techniques

Out-of-Scope Use

  • Not intended for legal or forensic decisions
  • Not recommended for high-risk authentication systems

License

MIT

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Нельзя запустить

Для архитектуры wav2vec2 нет загрузчика под задачу text-classification.

Класс архитектуры
Wav2Vec2ForSequenceClassification
Ревизия весов
29c5749

0 моделей