Deepfake-audio-detection開源模型 - 高效識別合成語音，準確率達99.64%

首頁

Deepfake Audio Detection

由MelodyMachine開發

基於音頻文件夾數據集微調的Deepfake音頻檢測模型，能夠高效識別合成語音，評估準確率達99.64%

音頻分類

Transformers

開源協議:Apache-2.0 #高精度音頻分類 #深度偽造檢測 #語音真實性驗證

下載量 107

發布時間 : 5/31/2024

模型概述

該模型專門用於檢測Deepfake合成音頻，通過分析音頻特徵區分真實與合成語音，適用於內容安全驗證場景

模型特點

高精度檢測

在測試集上達到99.64%的準確率和99.67%的F1值，ROC曲線下面積達1.0

低誤報率

召回率99.9%，僅6例合成音頻被誤判為真實語音

高效訓練

僅需2個訓練輪次即可達到最優性能，支持混合精度訓練

模型能力

音頻真實性鑑別

Deepfake語音檢測

二進制音頻分類

使用案例

內容安全

社交媒體內容審核

自動識別平臺上的合成語音內容

可減少99.9%的漏檢率

司法取證

語音證據驗證

鑑別錄音證據是否經過AI合成篡改

準確率99.6%的司法級檢測

🚀 深度偽造音頻檢測

本項目的深度偽造音頻檢測模型，基於特定數據集微調，能精準識別音頻是否為深度偽造，在評估集上展現出高準確率、精確率和召回率，為音頻真實性驗證提供可靠支持。

🚀 快速開始

此模型是 motheecreator/Deepfake-audio-detection 在 audiofolder 數據集上的微調版本。它在評估集上取得了以下結果：

損失值：0.0192
準確率：0.9964
精確率：0.9944
召回率：0.9990
F1值：0.9967
Auc Roc值：1.0000
混淆矩陣：[[4974, 34], [6, 6033]]
分類報告：{'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}}

🔧 技術細節

訓練超參數

訓練過程中使用了以下超參數：

學習率：3e-05
訓練批次大小：16
評估批次大小：16
隨機種子：42
梯度累積步數：2
總訓練批次大小：32
優化器：Adam（β1=0.9，β2=0.999，ε=1e-08）
學習率調度器類型：餘弦
學習率調度器預熱比例：0.1
訓練輪數：2
混合精度訓練：Native AMP

訓練結果

訓練損失	輪數	步數	驗證損失	準確率	精確率	召回率	F1值	Auc Roc值	混淆矩陣	分類報告
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}}