美国密歇根大学 发布 Famous Figures Dataset 数据集, 应用在 音频反欺骗、语音合成 领域

美国密歇根大学 本次发布的数据集 Famous Figures Dataset, Famous Figures数据集由美国密歇根大学电气与计算机工程系创建，旨在为政治人物提供高质量的语音合成数据，用于研究和开发音频反欺骗检测系统。数据集包含10位知名政治人物的26,500条真实语音样本和265,000条合成语音样本，平均时长约为8秒。数据集的创建过程涉及从YouTube视频收集高质量音频，使用Assembly AI进行说话人分割，OpenAI Whisper Large Turbo进行转录，并基于转录进行音频分割。合成语音生成采用了多种文本到语音（TTS）系统，包括单说话人模型、少量样本微调和零样本合成。该数据集可用于解决音频欺骗检测问题，保护公众人物免受语音伪造攻击。

查看Famous Figures Dataset

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。