LucasJaqq/iforensics-voice-models

iForensics 聲紋模型

voice_analysis 的 run 目錄原樣打包，每個資料夾 = src/voice_analysis/runs/<name>/。 控制台第一次啟動時由 python -m voice_analysis pull-models 下載（.env 的 VOICE_MODELS_REPO／HF_TOKEN）。

資料夾	任務	說明
full_data_weaker_aug_freeze_encoder_v3__cal_asvspoof5_full	deepfake 偵測（cm）	WavLM-base-plus（凍結）+ ASP，ASVspoof5 全量（asvspoof5_full，約 100 萬句）訓 3 epoch；門檻在 asvspoof5_full 重新校準。含母 run 的 history／train.log／FoR、In the Wild 的 eval 結果。dev EER 0.038
sv_full_fbank_ecapa	說話者驗證（sv）	fbank80 + ECAPA-TDNN + ASP，CN-Celeb 1＋2（2,993 人、65 萬句）訓 8 epoch。dev EER 0.101、eval 0.106
multi_a5full_cnceleb_wavlm	deepfake 偵測＋說話者驗證共用（multi）	WavLM-base-plus（凍結）共用，deepfake 與說話者各一個分支（ASP）。deepfake 用 ASVspoof5 全量；說話者用 ASVspoof5 真音＋CN-Celeb（每人最多 60 句，共 3,133 人；假音不訓說話者）。3 epoch。ASVspoof5 eval：deepfake EER 0.047；In the Wild：deepfake 0.156；CN-Celeb eval：說話者 EER 0.119
sv_pretrained_cnceleb	說話者驗證（sv）	microsoft/wavlm-base-plus-sv 預訓練 x-vector，零訓練，門檻在 CN-Celeb dev 校準。CN-Celeb eval EER 0.229（對照用的開源基準）

訓練資料全部是公開語料（ASVspoof5、CN-Celeb），權重檔只含參數與說話者編號表，不含音檔。 用到 WavLM 的資料夾裡的 hf_config/ 是對應 HuggingFace 底模的設定檔（不含權重），讓載入時不用再連 huggingface.co。