/ Модель

Характеристики

Лицензия
Своя лицензия
Архитектура
antispoofing · dense
Опубликована
25 июн 2026

DF_Arena_1B_V_1

Классификация аудиоАудио → label3 профессии

DF Arena 1B — аудиоклассификатор для выявления синтезированной и поддельной речи по короткому фрагменту записи.

76скачиваний за 30 дней1лайквеса обновлены25 июн 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

DF Arena 1B — модель RAPTOR для обнаружения поддельной и синтезированной речи, разработанная командой Speech Anti-Spoofing Benchmarks. Она использует фронтенд wav2vec 2.0 XLS-R на 1 млрд параметров, объединяет скрытые состояния его слоёв обучаемым вниманием и обрабатывает результат четырёхблочной Conformer-головой с классификатором двух классов. Всего модель содержит 1,148 млрд параметров и выдаёт оценки классов bonafide и spoof для аудиозаписи.

Модель предназначена для проверки подлинности речи и выявления аудиоспуфинга в наборах данных и прикладных системах. На вход подаётся аудио с частотой дискретизации 16 кГц; для классификации используется детерминированное окно длиной около 4,04 секунды: короткие записи повторяются до нужной длины, а длинные обрезаются. В README приведены результаты на 24 наборах данных со средним EER 3,66%.

Для работы требуется PyTorch и, согласно примеру в README, CUDA; в примере используется Transformers с trust_remote_code. Лицензия обозначена как other, поэтому условия использования следует сверить с лицензией репозитория. Ограничение фиксированным окном означает, что модель не оценивает всю длинную запись целиком; README также указывает, что ресэмплинг не выполняется автоматически.

Сценарии применения

  • проверка, является ли голосовая запись подлинной
  • обнаружение синтезированной речи в аудиопотоке
  • выявление подмены голоса в телефонных записях
  • оценка аудиозаписей на предмет речевого спуфинга

Ограничения

Модель обрабатывает фиксированное окно около 4,04 секунды при 16 кГц: длинные записи обрезаются, а короткие повторяются; автоматического ресэмплинга нет. Для использования требуется учитывать условия лицензии other и необходимость trust_remote_code.

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

DF Arena 1B — Speech Anti-Spoofing Arena results

RAPTOR universal anti-spoofing model. A wav2vec 2.0 XLS-R 1B self-supervised front-end whose per-layer hidden states are combined by learnable attention pooling (a layer-wise sigmoid gate over an attention-pooled summary), then passed through a 4-block Conformer head with a class token to a 2-way classifier. FP32, deterministic first-64600-sample (~4.04 s @ 16 kHz) window, tile-repeat if shorter (no random crop, no resampling). score = softmax(logits)[bonafide]; higher = more bona fide. Official Speech-Arena-2025/DF_Arena_1B_V_1 checkpoint.

Paper: arXiv:2603.06164 · Params: 1148M · Checkpoint: SpeechAntiSpoofingBenchmarks/DF_Arena_1B_V_1

Arena standing

EER% 0 on J-SPAW_LA EER% 3.72 on ArAD EER% 0 on DFADD EER% 1.06 on SONAR EER% 8.29 on DeepVoice EER% 1.9 on EmoFake_test EER% 0.15 on LibriSeVoc EER% 1.72 on CD-ADD EER% 6.03 on ODSS EER% 0.91 on InTheWild EER% 4.41 on DECRO EER% 8.32 on CFAD EER% 1.06 on ASVspoof2019_LA EER% 0.86 on HABLA EER% 5.84 on CVoiceFake_small EER% 4.81 on ASVspoof2021_LA EER% 4.19 on PyAra EER% 1.86 on XMAD EER% 1.88 on ASVspoof2021_DF EER% 17.34 on ASVspoof5 EER% 1.12 on ADD22_eval_31 EER% 5.09 on ADD2023_track12_test_r1 1-SRR% 0.39 on EmoSpoofTTS 1-SRR% 0.45 on LRLspoof arena tier arena rank

Live leaderboard: DF Arena 1B on the Speech Anti-Spoofing Arena

Per-dataset results (24 datasets, mean EER 3.66%)

DatasetMetricScore
J-SPAW_LAEER0%
ArADEER3.72%
DFADDEER0%
SONAREER1.06%
DeepVoiceEER8.29%
EmoFake_testEER1.9%
LibriSeVocEER0.15%
CD-ADDEER1.72%
ODSSEER6.03%
InTheWildEER0.91%
DECROEER4.41%
CFADEER8.32%
ASVspoof2019_LAEER1.06%
HABLAEER0.86%
CVoiceFake_smallEER5.84%
ASVspoof2021_LAEER4.81%
PyAraEER4.19%
XMADEER1.86%
ASVspoof2021_DFEER1.88%
ASVspoof5EER17.34%
ADD22_eval_31EER1.12%
ADD2023_track12_test_r1EER5.09%
EmoSpoofTTS1-SRR0.39%
LRLspoof1-SRR0.45%

EER = Equal Error Rate (lower better). 1-SRR = spoof-only complement of the Spoof Recall Rate at the model's own DeepVoice EER operating point (lower better). All rows scoring-verified (reproduce --scoring, Δ 0.0) and computed with the TensorRT engine (parity-verified vs PyTorch).

Usage

from transformers import pipeline
import librosa
pipe = pipeline("antispoofing", model="SpeechAntiSpoofingBenchmarks/DF_Arena_1B_V_1", trust_remote_code=True, device="cuda")
audio, sr = librosa.load("sample.wav", sr=16000)
print(pipe(audio))   # {'label': 'bonafide'|'spoof', 'all_scores': {...}}

Citation

@misc{kulkarni2026compactsslbackbonesmatter,
  title={Do Compact SSL Backbones Matter for Audio Deepfake Detection? A Controlled Study with RAPTOR},
  author={Ajinkya Kulkarni and Sandipana Dowerah and Atharva Kulkarni and Tanel Alumäe and Mathew Magimai Doss},
  year={2026},
  eprint={2603.06164},
  archivePrefix={arXiv},
  primaryClass={cs.SD},
  url={https://arxiv.org/abs/2603.06164}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · audio-classification

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
DF-Arena-1B-V0.1
Ревизия весов
5ee4fec

0 моделей