对39个深度伪造语音数据集的新审计揭示了其在伦理和技术方面存在的重大局限性。研究人员发现，大多数数据集缺乏关键的人口统计学元数据，使得公平性评估几乎不可能，并阻碍了亚组分析。此外，这些数据集中使用的源音频语料库存在大量重叠，可能导致对泛化能力的夸大宣传，并破坏跨数据集评估。 AI
影响 强调了可能阻碍AI语音技术开发和公平评估的关键数据局限性。
排序理由 该集群包含一篇详细介绍数据集审计的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
深度伪造语音数据集缺乏公平性数据，重叠度高
报道来源 [2]
-
Ethical and Technical Limits of Deepfake Speech Datasets
arXiv:2606.10911v1 Announce Type: cross Abstract: Claims about the robustness and fairness of deepfake speech detectors are only as credible as the datasets used to train and evaluate those systems. We present a dataset-level audit of the deepfake speech landscape. We compile and…
-
深度伪造语音数据集的伦理与技术局限性
Claims about the robustness and fairness of deepfake speech detectors are only as credible as the datasets used to train and evaluate those systems. We present a dataset-level audit of the deepfake speech landscape. We compile and analyze 39 deepfake speech datasets, examining ke…