AIbase
JA
ホーム
Wav2vec2 Large Xlsr Deepfake Audio Classification
W

Wav2vec2 Large Xlsr Deepfake Audio Classification

Gustkingによって開発
wav2vec2アーキテクチャに基づく音声分類モデルで、ディープフェイク音声検出タスク向けにファインチューニングされており、性別認識と偽造音声検出において優れた性能を発揮します。
音声分類
Transformers
オープンソースライセンス:Apache-2.0#ディープフェイク音声検出#高精度声紋認識#ASVspoof2019最適化
ダウンロード数 345
リリース時間 : 5/15/2024

モデル概要

このモデルはwav2vec2アーキテクチャに基づく音声分類モデルで、特にディープフェイク音声検出タスク向けにファインチューニングされています。主に音声中の性別特徴の識別や偽造音声の検出に使用され、ASVspoof2019などのデータセットで優れた性能を示します。

モデル特徴

高精度偽造音声検出
ASVspoof2019評価サブセットでF1スコア0.9363、等誤り率はわずか0.0401
優れた性別識別能力
元の評価データでF1スコア0.95、損失値はわずか0.4056
wav2vec2アーキテクチャ採用
強力なwav2vec2-large-xlsr-53アーキテクチャを採用し、優れた音声特徴抽出能力を備えています

モデル能力

音声分類
性別識別
ディープフェイク音声検出

使用事例

セキュリティ検出
偽造音声識別
音声合成や音声変換などの偽造音声を検出するために使用
ASVspoof2019データセットで精度92.86%
音声分析
話者性別識別
音声中の話者の性別特徴を識別
F1スコア0.95
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル Transformers 複数言語対応
L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2％です。
対話システム Transformers 英語
C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98
AIbase
未来を切り開く、あなたのAIソリューション知識ベース
English简体中文繁體中文にほんご
© 2025AIbase