wuiynosuy/AntiSpoof

ASVspoof 2019 LA — Evaluation set

Phần evaluation của bộ Logical Access (LA) trong ASVspoof 2019 Challenge, đóng gói lại ở định dạng parquet để dùng trực tiếp với datasets.

Đây là bản đóng gói lại (repackaging), không phải dữ liệu gốc do tôi tạo ra. Xem phần Credits & License bên dưới.

Nội dung

Số mẫu	71.237
bonafide (giọng thật)	7.355
spoof (giọng giả)	63.882
Định dạng audio	FLAC, 16 kHz, mono
Split	eval

Chỉ bao gồm phần eval. Các phần train / dev không có trong repo này.

Các trường dữ liệu

• audio — audio FLAC (datasets tự decode thành waveform + sampling rate)
• label — "bonafide" hoặc "spoof"
• speaker_id — mã người nói, vd LA_0039
• attack_id — thuật toán tấn công (A07–A19); rỗng/- với mẫu bonafide
• filename — tên file gốc, vd LA_E_2834763.flac

Lưu ý: các thuật toán tấn công trong tập eval (A07–A19) không trùng với tập train/dev (A01–A06) — đây là thiết kế cố ý của challenge để đo khả năng tổng quát hoá với kiểu tấn công chưa từng thấy.

Cách dùng

from datasets import load_dataset

ds = load_dataset("wuiynosuy/AntiSpoof", split="eval")
print(ds[0]["label"], ds[0]["audio"]["sampling_rate"])

Lọc theo loại tấn công:

a10 = ds.filter(lambda x: x["attack_id"] == "A10")

Credits & License

Dữ liệu gốc thuộc về ASVspoof 2019 Challenge, phát hành theo Open Data Commons Attribution License (ODC-By 1.0). Việc dùng lại yêu cầu ghi nhận nguồn.

Nguồn gốc: https://www.asvspoof.org/ — bản gốc trên DataShare (Đại học Edinburgh): https://doi.org/10.7488/ds/2555

Trích dẫn:

@article{wang2020asvspoof,
  title   = {ASVspoof 2019: A large-scale public database of synthesized,
             converted and replayed speech},
  author  = {Wang, Xin and Yamagishi, Junichi and Todisco, Massimiliano and
             Delgado, H{\'e}ctor and Nautsch, Andreas and Evans, Nicholas and
             Sahidullah, Md and Vestman, Ville and Kinnunen, Tomi and
             Lee, Kong Aik and others},
  journal = {Computer Speech \& Language},
  volume  = {64},
  pages   = {101114},
  year    = {2020},
  doi     = {10.1016/j.csl.2020.101114}
}