Deepfake-audio-detectionオープンソースモデル - 合成音声を効率的に識別、精度は99.64%に達する

ホーム

Deepfake Audio Detection

MelodyMachineによって開発

音声フォルダデータセットでファインチューニングされたDeepfake音声検出モデルで、合成音声を効率的に識別でき、評価精度は99.64%に達します

音声分類

Transformers

オープンソースライセンス:Apache-2.0 #高精度音声分類 #ディープフェイク検出 #音声真正性検証

ダウンロード数 107

リリース時間 : 5/31/2024

モデル概要

このモデルはDeepfake合成音声の検出に特化しており、音声特徴を分析して本物と合成音声を区別し、コンテンツセキュリティ検証シナリオに適用できます

モデル特徴

高精度検出

テストセットで99.64%の精度と99.67%のF1値を達成し、ROC曲線下面積は1.0です

低誤検出率

再現率99.9%、合成音声の誤判定はわずか6例のみ

効率的なトレーニング

わずか2トレーニングエポックで最適性能に到達、混合精度トレーニングをサポート

モデル能力

音声真正性鑑定

Deepfake音声検出

バイナリ音声分類

使用事例

コンテンツセキュリティ

ソーシャルメディアコンテンツ審査

プラットフォーム上の合成音声コンテンツを自動識別

99.9%の見逃し率を削減可能

司法科学

音声証拠検証

録音証拠がAI合成による改ざんを受けているか鑑定

99.6%精度の司法レベル検出

🚀 ディープフェイク音声検出

このモデルは、audiofolderデータセット上でmotheecreator/Deepfake-audio-detectionをファインチューニングしたバージョンです。評価セットでは以下の結果を達成しています。

損失: 0.0192
正解率: 0.9964
適合率: 0.9944
再現率: 0.9990
F1値: 0.9967
Auc Roc: 1.0000
混合行列: [[4974, 34], [6, 6033]]
分類レポート: {'0': {'precision': 0.9987951807228915, 'recall': 0.9932108626198083, 'f1-score': 0.9959951942330797, 'support': 5008}, '1': {'precision': 0.9943959123125103, 'recall': 0.9990064580228515, 'f1-score': 0.9966958532958864, 'support': 6039}, 'accuracy': 0.9963791074499864, 'macro avg': {'precision': 0.996595546517701, 'recall': 0.9961086603213298, 'f1-score': 0.996345523764483, 'support': 11047}, 'weighted avg': {'precision': 0.9963902579447351, 'recall': 0.9963791074499864, 'f1-score': 0.9963782194960733, 'support': 11047}}

🚀 クイックスタート

このモデルは、ディープフェイク音声検出タスクに使用できます。評価セットでの高い精度を持ち、損失、正解率、適合率、再現率などの指標が良好です。

📚 ドキュメント

モデルの説明

詳細情報は後日提供予定です。

想定される用途と制限

詳細情報は後日提供予定です。

学習と評価データ

詳細情報は後日提供予定です。

学習手順

学習ハイパーパラメータ

学習中に以下のハイパーパラメータが使用されました。

学習率: 3e-05
学習バッチサイズ: 16
評価バッチサイズ: 16
シード: 42
勾配累積ステップ: 2
総学習バッチサイズ: 32
オプティマイザ: Adam (betas=(0.9,0.999), epsilon=1e-08)
学習率スケジューラの種類: cosine
学習率スケジューラのウォームアップ比率: 0.1
エポック数: 2
混合精度学習: Native AMP

学習結果

学習損失	エポック	ステップ	検証損失	正解率	適合率	再現率	F1値	Auc Roc	混合行列	分類レポート
0.1006	0.3621	1000	0.1897	0.9651	0.9424	0.9972	0.9690	0.9989	[[4640, 368], [17, 6022]]	{'0': {'precision': 0.9963495812754992, 'recall': 0.9265175718849841, 'f1-score': 0.9601655457837558, 'support': 5008}, '1': {'precision': 0.9424100156494523, 'recall': 0.9971849643980791, 'f1-score': 0.969024056641725, 'support': 6039}, 'accuracy': 0.9651489092061193, 'macro avg': {'precision': 0.9693797984624757, 'recall': 0.9618512681415317, 'f1-score': 0.9645948012127403, 'support': 11047}, 'weighted avg': {'precision': 0.9668627489395077, 'recall': 0.9651489092061193, 'f1-score': 0.9650081770023017, 'support': 11047}}
0.07	0.7241	2000	0.0333	0.9916	0.9914	0.9932	0.9923	0.9997	[[4956, 52], [41, 5998]]	{'0': {'precision': 0.9917950770462277, 'recall': 0.9896166134185304, 'f1-score': 0.9907046476761618, 'support': 5008}, '1': {'precision': 0.991404958677686, 'recall': 0.993210796489485, 'f1-score': 0.9923070560013236, 'support': 6039}, 'accuracy': 0.9915814248212185, 'macro avg': {'precision': 0.9916000178619568, 'recall': 0.9914137049540077, 'f1-score': 0.9915058518387427, 'support': 11047}, 'weighted avg': {'precision': 0.9915818132798093, 'recall': 0.9915814248212185, 'f1-score': 0.9915806270258181, 'support': 11047}}
0.016	1.0862	3000	0.1018	0.9841	0.9727	0.9988	0.9856	0.9998	[[4839, 169], [7, 6032]]	{'0': {'precision': 0.9985555096987206, 'recall': 0.9662539936102237, 'f1-score': 0.9821392327988635, 'support': 5008}, '1': {'precision': 0.9727463312368972, 'recall': 0.9988408676933267, 'f1-score': 0.9856209150326798, 'support': 6039}, 'accuracy': 0.9840680727799402, 'macro avg': {'precision': 0.985650920467809, 'recall': 0.9825474306517752, 'f1-score': 0.9838800739157716, 'support': 11047}, 'weighted avg': {'precision': 0.9844465544410985, 'recall': 0.9840680727799402, 'f1-score': 0.9840425440154849, 'support': 11047}}
0.0209	1.4482	4000	0.0212	0.9957	0.9950	0.9972	0.9961	0.9999	[[4978, 30], [17, 6022]]	{'0': {'precision': 0.9965965965965966, 'recall': 0.9940095846645367, 'f1-score': 0.9953014095771269, 'support': 5008}, '1': {'precision': 0.9950429610046265, 'recall': 0.9971849643980791, 'f1-score': 0.9961128111818707, 'support': 6039}, 'accuracy': 0.995745451253734, 'macro avg': {'precision': 0.9958197788006116, 'recall': 0.995597274531308, 'f1-score': 0.9957071103794988, 'support': 11047}, 'weighted avg': {'precision': 0.9957472795566846, 'recall': 0.995745451253734, 'f1-score': 0.9957449738290548, 'support': 11047}}
0.0233	1.8103	5000	0.0192	0.9964	0.9944	0.9990	0.9967	1.0000	[[4974, 34], [6, 6033]]	{'0': {'precision': 0.9987951807228915, 'recall': 0.9932108626198083, 'f1-score': 0.9959951942330797, 'support': 5008}, '1': {'precision': 0.9943959123125103, 'recall': 0.9990064580228515, 'f1-score': 0.9966958532958864, 'support': 6039}, 'accuracy': 0.9963791074499864, 'macro avg': {'precision': 0.996595546517701, 'recall': 0.9961086603213298, 'f1-score': 0.996345523764483, 'support': 11047}, 'weighted avg': {'precision': 0.9963902579447351, 'recall': 0.9963791074499864, 'f1-score': 0.9963782194960733, 'support': 11047}}