/ Модель

Характеристики

Лицензия
Своя лицензия
Архитектура
antispoofing · dense
Опубликована
25 июн 2026

DF_Arena_500M_V_1

Классификация аудиоАудио → label3 профессии

Модель классифицирует аудиозаписи речи как подлинные или поддельные для обнаружения голосовых дипфейков и спуфинга.

59скачиваний за 30 дней0лайковвеса обновлены26 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 500M — модель RAPTOR для выявления поддельной или синтетически сгенерированной речи. Её разработала команда Speech Anti-Spoofing Arena; карточка указывает официальный чекпойнт Speech-Arena-2025/DF_Arena_500M_V_1. Модель использует фронтенд wav2vec 2.0 XLS-R 300M и четырёхблочную голову Conformer с двухклассовым классификатором; всего 436 млн параметров.

Модель принимает аудио и определяет, является ли речь подлинной (bonafide) или поддельной (spoof). На вход подают аудио с частотой 16 кГц; для классификации берётся фиксированное окно длиной около 4,04 секунды, короткие записи повторяются до нужной длины. README сообщает о среднем EER 5,09% на 24 наборах данных. Модель распространяется под лицензией other; конкретные условия лицензии следует проверять в карточке репозитория.

Сценарии применения

  • проверка подлинности голосовой записи
  • обнаружение синтетической речи и голосовых дипфейков
  • выявление подмены голоса в аудиозаписях
  • классификация речи как настоящей или поддельной

Ограничения

Модель рассчитана на входное аудио с частотой 16 кГц и анализирует только фиксированное окно около 4,04 секунды: длинные записи не охватываются целиком, а короткие повторяются. Показатель EER 5,09% усреднён по 24 наборам данных и не гарантирует такую же точность на новых условиях записи или типах подделок.

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 500M — Speech Anti-Spoofing Arena results

RAPTOR universal anti-spoofing model. A wav2vec 2.0 XLS-R 300M 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_500M_V_1 checkpoint.

Paper: arXiv:2603.06164 · Params: 436M · Checkpoint: SpeechAntiSpoofingBenchmarks/DF_Arena_500M_V_1

Arena standing

EER% 0 on J-SPAW_LA EER% 9.01 on ArAD EER% 0 on DFADD EER% 2.11 on SONAR EER% 9.71 on DeepVoice EER% 2.63 on EmoFake_test EER% 0.11 on LibriSeVoc EER% 2.46 on CD-ADD EER% 8.4 on ODSS EER% 1.87 on InTheWild EER% 4.33 on DECRO EER% 8 on CFAD EER% 1.19 on ASVspoof2019_LA EER% 3.27 on HABLA EER% 7.9 on CVoiceFake_small EER% 5.78 on ASVspoof2021_LA EER% 15.96 on PyAra EER% 2.83 on XMAD EER% 3.5 on ASVspoof2021_DF EER% 13.43 on ASVspoof5 EER% 1.97 on ADD22_eval_31 EER% 7.44 on ADD2023_track12_test_r1 1-SRR% 3.1 on EmoSpoofTTS 1-SRR% 1.61 on LRLspoof arena tier arena rank

Live leaderboard: DF Arena 500M on the Speech Anti-Spoofing Arena

Per-dataset results (24 datasets, mean EER 5.09%)

DatasetMetricScore
J-SPAW_LAEER0%
ArADEER9.01%
DFADDEER0%
SONAREER2.11%
DeepVoiceEER9.71%
EmoFake_testEER2.63%
LibriSeVocEER0.11%
CD-ADDEER2.46%
ODSSEER8.4%
InTheWildEER1.87%
DECROEER4.33%
CFADEER8%
ASVspoof2019_LAEER1.19%
HABLAEER3.27%
CVoiceFake_smallEER7.9%
ASVspoof2021_LAEER5.78%
PyAraEER15.96%
XMADEER2.83%
ASVspoof2021_DFEER3.5%
ASVspoof5EER13.43%
ADD22_eval_31EER1.97%
ADD2023_track12_test_r1EER7.44%
EmoSpoofTTS1-SRR3.1%
LRLspoof1-SRR1.61%

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_500M_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-500M-V0.1
Ревизия весов
b1fec79

0 моделей