发帖
雷达卡
ShiftySpeech 是由约翰霍普金斯大学于 2025 年发布的一个大规模合成语音检测基准，相关论文成果为「ShiftySpeech: A Large-Scale Synthetic Speech Dataset with Distribution Shifts」，旨在研究语音合成检测模型在真实世界中面对「分布漂移」（包括语言、说话人、生成模型、录音条件变化）时的泛化能力。
该数据集包含超过 3,000 小时的合成语音，覆盖 7 个源域，包括阅读风格、播客、 YouTube 等带有背景噪声或非标准录音条件的场景，以及语言差异、说话人年龄、口音、性别等变化。数据涵盖 3 种语言（英文、中文、日文），使用 6 种 TTS（文本转语音）系统和 12 种 vocoder（声码器/波形生成器）生成语音，以构造不同程度的系统分布漂移。
京公网安备 11010802022788号
