AIbase
JA
ホーム
VIT VoxCelebSpoof Mel Spectrogram Synthetic Voice Detection
V

VIT VoxCelebSpoof Mel Spectrogram Synthetic Voice Detection

MattyB95によって開発
ディープラーニングに基づく合成音声検出モデルで、事前学習モデルの微調整により、効率的かつ正確な合成音声検出を実現します。
話者の処理
Transformers
 英語オープンソースライセンス:MIT#高精度音声検出#合成音声認識#音声セキュリティ保護
ダウンロード数 788
リリース時間 : 1/23/2024

モデル概要

このモデルは、Vision Transformer (ViT)アーキテクチャに基づく合成音声検出モデルで、Melスペクトログラムの合成音声特徴を識別するために特別に設計されており、音声セキュリティ分野に技術的なサポートを提供します。

モデル特徴

高い正確率での検出
評価セットで100%の正確率、F1値、適合率、再現率を達成します。
事前学習モデルの微調整に基づく
google/vit-base-patch16-224-in21kをベースに微調整を行い、事前学習モデルの視覚的特徴抽出能力を十分に活用します。
効率的なMelスペクトログラム分析
音声信号のMelスペクトログラムの特徴に対して特別に最適化された処理を行います。

モデル能力

合成音声検出
オーディオ分類
Melスペクトログラム分析

使用事例

音声セキュリティ
音声認証システムの強化
音声認証システムにおける合成音声攻撃を検出するために使用されます。
合成音声を効果的に識別し、詐欺攻撃を防止することができます。
オーディオコンテンツの審査
オーディオコンテンツに合成音声が含まれているかどうかを検出します。
プラットフォームが潜在的なAI生成音声コンテンツを識別するのに役立ちます。
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