LanceaKing/asvspoof2019

---
annotations_creators:
- other
language_creators:
- other
language:
- en
license:
- odc-by
multilinguality:
- monolingual
size_categories:
- 100K<n<1M
source_datasets:
- extended|vctk
task_categories:
- audio-classification
task_ids: []
pretty_name: asvspoof2019
tags:
- voice-anti-spoofing
---

# Dataset Card for asvspoof2019

## Table of Contents
- [Dataset Description](#dataset-description)
- [Dataset Summary](#dataset-summary)
- [Supported Tasks](#supported-tasks-and-leaderboards)
- [Languages](#languages)
- [Dataset Structure](#dataset-structure)
- [Data Instances](#data-instances)
- [Data Fields](#data-instances)
- [Data Splits](#data-instances)
- [Dataset Creation](#dataset-creation)
- [Curation Rationale](#curation-rationale)
- [Source Data](#source-data)
- [Annotations](#annotations)
- [Personal and Sensitive Information](#personal-and-sensitive-information)
- [Considerations for Using the Data](#considerations-for-using-the-data)
- [Social Impact of Dataset](#social-impact-of-dataset)
- [Discussion of Biases](#discussion-of-biases)
- [Other Known Limitations](#other-known-limitations)
- [Additional Information](#additional-information)
- [Dataset Curators](#dataset-curators)
- [Licensing Information](#licensing-information)
- [Citation Information](#citation-information)

## Dataset Description

- **Homepage:** https://datashare.ed.ac.uk/handle/10283/3336
- **Repository:** [Needs More Information]
- **Paper:** https://arxiv.org/abs/1911.01601
- **Leaderboard:** [Needs More Information]
- **Point of Contact:** [Needs More Information]

### Dataset Summary

This is a database used for the Third Automatic Speaker Verification Spoofing
and Countermeasuers Challenge, for short, ASVspoof 2019 (http://www.asvspoof.org)
organized by Junichi Yamagishi, Massimiliano Todisco, Md Sahidullah, Héctor
Delgado, Xin Wang, Nicholas Evans, Tomi Kinnunen, Kong Aik Lee, Ville Vestman,
and Andreas Nautsch in 2019.

### Supported Tasks and Leaderboards

[Needs More Information]

### Languages

English

## Dataset Structure

### Data Instances

```
{'speaker_id': 'LA_0091',
'audio_file_name': 'LA_T_8529430',
'audio': {'path': 'D:/Users/80304531/.cache/huggingface/datasets/downloads/extracted/8cabb6d5c283b0ed94b2219a8d459fea8e972ce098ef14d8e5a97b181f850502/LA/ASVspoof2019_LA_train/flac/LA_T_8529430.flac',
'array': array([-0.00201416, -0.00234985, -0.0022583 , ..., 0.01309204,
0.01339722, 0.01461792], dtype=float32),
'sampling_rate': 16000},
'system_id': 'A01',
'key': 1}
```

### Data Fields

Logical access (LA):
- `speaker_id`: `LA_****`, a 4-digit speaker ID
- `audio_file_name`: name of the audio file
- `audio`: A dictionary containing the path to the downloaded audio file, the decoded audio array, and the sampling rate. Note that when accessing the audio column: `dataset[0]["audio"]` the audio file is automatically decoded and resampled to `dataset.features["audio"].sampling_rate`. Decoding and resampling of a large number of audio files might take a significant amount of time. Thus it is important to first query the sample index before the `"audio"` column, *i.e.* `dataset[0]["audio"]` should **always** be preferred over `dataset["audio"][0]`.
- `system_id`: ID of the speech spoofing system (A01 - A19), or, for bonafide speech SYSTEM-ID is left blank ('-')
- `key`: 'bonafide' for genuine speech, or, 'spoof' for spoofing speech

Physical access (PA):
- `speaker_id`: `PA_****`, a 4-digit speaker ID

- `audio_file_name`: name of the audio file

- `audio`: A dictionary containing the path to the downloaded audio file, the decoded audio array, and the sampling rate. Note that when accessing the audio column: `dataset[0]["audio"]` the audio file is automatically decoded and resampled to `dataset.features["audio"].sampling_rate`. Decoding and resampling of a large number of audio files might take a significant amount of time. Thus it is important to first query the sample index before the `"audio"` column, *i.e.* `dataset[0]["audio"]` should **always** be preferred over `dataset["audio"][0]`.

- `environment_id`: a triplet (S,R,D_s), which take one letter in the set {a,b,c} as categorical value, defined as

| | a | b | c |
| -------------------------------- | ------ | ------- | -------- |
| S: Room size (square meters) | 2-5 | 5-10 | 10-20 |
| R: T60 (ms) | 50-200 | 200-600 | 600-1000 |
| D_s: Talker-to-ASV distance (cm) | 10-50 | 50-100 | 100-150 |

- `attack_id`: a duple (D_a,Q), which take one letter in the set {A,B,C} as categorical value, defined as

| | A | B | C |
| ----------------------------------- | ------- | ------ | ----- |
| Z: Attacker-to-talker distance (cm) | 10-50 | 50-100 | > 100 |
| Q: Replay device quality | perfect | high | low |

for bonafide speech, `attack_id` is left blank ('-')

- `key`: 'bonafide' for genuine speech, or, 'spoof' for spoofing speech

### Data Splits

| | Training set | Development set | Evaluation set |
| -------- | ------------ | --------------- | -------------- |
| Bonafide | 2580 | 2548 | 7355 |
| Spoof | 22800 | 22296 | 63882 |
| Total | 25380 | 24844 | 71237 |

## Dataset Creation

### Curation Rationale

[Needs More Information]

### Source Data

#### Initial Data Collection and Normalization

[Needs More Information]

#### Who are the source language producers?

[Needs More Information]

### Annotations

#### Annotation process

[Needs More Information]

#### Who are the annotators?

[Needs More Information]

### Personal and Sensitive Information

[Needs More Information]

## Considerations for Using the Data

### Social Impact of Dataset

[Needs More Information]

### Discussion of Biases

[Needs More Information]

### Other Known Limitations

[Needs More Information]

## Additional Information

### Dataset Curators

[Needs More Information]

### Licensing Information

This ASVspoof 2019 dataset is made available under the Open Data Commons Attribution License: http://opendatacommons.org/licenses/by/1.0/

### Citation Information

```
@InProceedings{Todisco2019,
Title = {{ASV}spoof 2019: {F}uture {H}orizons in {S}poofed and {F}ake {A}udio {D}etection},
Author = {Todisco, Massimiliano and
Wang, Xin and
Sahidullah, Md and
Delgado, H ́ector and
Nautsch, Andreas and
Yamagishi, Junichi and
Evans, Nicholas and
Kinnunen, Tomi and
Lee, Kong Aik},
booktitle = {Proc. of Interspeech 2019},
Year = {2019}
}
```

---
annotations_creators:
- 其他
language_creators:
- 其他
language:
- 英语
license:
- 开放数据 Commons 署名许可（odc-by）
multilinguality:
- 单语言
size_categories:
- 100K<n<1M
source_datasets:
- 扩展|vctk
task_categories:
- 音频分类
task_ids: []
pretty_name: asvspoof2019
tags:
- 语音反欺骗
---

# ASVspoof 2019 数据集卡片

## 目录
- [数据集描述](#dataset-description)
- [数据集摘要](#dataset-summary)
- [支持任务与排行榜](#supported-tasks-and-leaderboards)
- [语言](#languages)
- [数据集结构](#dataset-structure)
- [数据实例](#data-instances)
- [数据字段](#data-fields)
- [数据划分](#data-splits)
- [数据集构建](#dataset-creation)
- [数据集构建初衷](#curation-rationale)
- [源数据](#source-data)
- [注释信息](#annotations)
- [个人与敏感信息](#personal-and-sensitive-information)
- [数据集使用注意事项](#considerations-for-using-the-data)
- [数据集的社会影响](#social-impact-of-dataset)
- [偏差讨论](#discussion-of-biases)
- [其他已知局限](#other-known-limitations)
- [附加信息](#additional-information)
- [数据集维护者](#dataset-curators)
- [许可信息](#licensing-information)
- [引用信息](#citation-information)

## 数据集描述

- **主页**: https://datashare.ed.ac.uk/handle/10283/3336
- **代码仓库**: [待补充]
- **论文**: https://arxiv.org/abs/1911.01601
- **排行榜**: [待补充]
- **联系人**: [待补充]

### 数据集摘要

本数据集用于第三届自动语音验证欺骗与对抗挑战赛事（简称ASVspoof 2019，http://www.asvspoof.org），该赛事由Junichi Yamagishi、Massimiliano Todisco、Md Sahidullah、Héctor Delgado、Xin Wang、Nicholas Evans、Tomi Kinnunen、Kong Aik Lee、Ville Vestman及Andreas Nautsch于2019年组织。

### 支持任务与排行榜

[待补充]

### 语言

英语

## 数据集结构

### 数据实例

{'speaker_id': 'LA_0091',
'audio_file_name': 'LA_T_8529430',
'audio': {'path': 'D:/Users/80304531/.cache/huggingface/datasets/downloads/extracted/8cabb6d5c283b0ed94b2219a8d459fea8e972ce098ef14d8e5a97b181f8529430/LA/ASVspoof2019_LA_train/flac/LA_T_8529430.flac',
'array': array([-0.00201416, -0.00234985, -0.0022583 , ..., 0.01309204,
0.01339722, 0.01461792], dtype=float32),
'sampling_rate': 16000},
'system_id': 'A01',
'key': 1}

### 数据字段

#### 逻辑访问（LA）子集：
- `speaker_id`: 格式为`LA_****`，为4位说话人标识符
- `audio_file_name`: 音频文件名
- `audio`: 包含音频文件路径、解码后的音频数组及采样率的字典。请注意，当访问音频列时：`dataset[0]["audio"]`会自动对音频文件进行解码并重采样至`dataset.features["audio"].sampling_rate`指定的采样率。解码与重采样大量音频文件可能耗费较长时间，因此建议优先通过样本索引访问音频列，即**始终优先使用`dataset[0]["audio"]`而非`dataset["audio"][0]`**。
- `system_id`: 语音欺骗系统的标识符（取值范围为A01至A19）；对于真实语音样本，该字段留空（值为`'-'`）
- `key`: 真实语音样本标注为`bonafide`，欺骗语音样本标注为`spoof`

#### 物理访问（PA）子集：
- `speaker_id`: 格式为`PA_****`，为4位说话人标识符

- `audio_file_name`: 音频文件名

- `audio`: 包含音频文件路径、解码后的音频数组及采样率的字典。请注意，当访问音频列时：`dataset[0]["audio"]`会自动对音频文件进行解码并重采样至`dataset.features["audio"].sampling_rate`指定的采样率。解码与重采样大量音频文件可能耗费较长时间，因此建议优先通过样本索引访问音频列，即**始终优先使用`dataset[0]["audio"]`而非`dataset["audio"][0]`**。

- `environment_id`: 三元组`(S,R,D_s)`，取值为集合`{a,b,c}`中的单字符类别值，定义如下：

| | a | b | c |
| -------------------------------- | ------ | ------- | -------- |
| S: 房间面积（平方米） | 2-5 | 5-10 | 10-20 |
| R: 混响时间T60（毫秒） | 50-200 | 200-600 | 600-1000 |
| D_s: 说话人与自动语音验证系统的距离（厘米） | 10-50 | 50-100 | 100-150 |

- `attack_id`: 二元组`(D_a,Q)`，取值为集合`{A,B,C}`中的单字符类别值，定义如下：

| | A | B | C |
| ----------------------------------- | ------- | ------ | ----- |
| Z: 攻击者与说话人的距离（厘米） | 10-50 | 50-100 | > 100 |
| Q: 回放设备质量 | 完美 | 高 | 低 |

对于真实语音样本，`attack_id`字段留空（值为`'-'`）

- `key`: 真实语音样本标注为`bonafide`，欺骗语音样本标注为`spoof`

### 数据划分

| | 训练集 | 开发集 | 评估集 |
| -------- | ------ | ------ | ------ |
| 真实语音 | 2580 | 2548 | 7355 |
| 欺骗语音 | 22800 | 22296 | 63882 |
| 总计 | 25380 | 24844 | 71237 |

## 数据集构建

### 数据集构建初衷

[待补充]

### 源数据

#### 初始数据收集与归一化

[待补充]

#### 源语言生成者是谁？

[待补充]

### 注释信息

#### 注释流程

[待补充]

#### 注释人员是谁？

[待补充]

### 个人与敏感信息

[待补充]

## 数据集使用注意事项

### 数据集的社会影响

[待补充]

### 偏差讨论

[待补充]

### 其他已知局限

[待补充]

## 附加信息

### 数据集维护者

[待补充]

### 许可信息

本ASVspoof 2019数据集采用开放数据 Commons 署名许可（odc-by）发布，详情见：http://opendatacommons.org/licenses/by/1.0/

### 引用信息

@InProceedings{Todisco2019,
Title = {{ASV}spoof 2019: {F}uture {H}orizons in {S}poofed and {F}ake {A}udio {D}etection},
Author = {Todisco, Massimiliano and
Wang, Xin and
Sahidullah, Md and
Delgado, H ́ector and
Nautsch, Andreas and
Yamagishi, Junichi and
Evans, Nicholas and
Kinnunen, Tomi and
Lee, Kong Aik},
booktitle = {Proc. of Interspeech 2019},
Year = {2019}
}

原始信息汇总

数据集概述

数据集摘要

该数据集用于第三届自动说话人验证欺骗与对策挑战赛（ASVspoof 2019），由Junichi Yamagishi等人组织于2019年。

支持的任务和排行榜

[需要更多信息]

语言

英语

数据集结构

数据实例

json { "speaker_id": "LA_0091", "audio_file_name": "LA_T_8529430", "audio": { "path": "D:/Users/80304531/.cache/huggingface/datasets/downloads/extracted/8cabb6d5c283b0ed94b2219a8d459fea8e972ce098ef14d8e5a97b181f850502/LA/ASVspoof2019_LA_train/flac/LA_T_8529430.flac", "array": array([-0.00201416, -0.00234985, -0.0022583 , ..., 0.01309204, 0.01339722, 0.01461792], dtype=float32), "sampling_rate": 16000 }, "system_id": "A01", "key": 1 }

数据字段

逻辑访问（LA）：

• speaker_id: LA_****，4位说话人ID
• audio_file_name: 音频文件名
• audio: 包含下载音频文件路径、解码音频数组和采样率的字典
• system_id: 语音欺骗系统ID（A01 - A19），或真实语音的SYSTEM-ID为空（-）
• key: bonafide表示真实语音，spoof表示欺骗语音

物理访问（PA）：

• speaker_id: PA_****，4位说话人ID
• audio_file_name: 音频文件名
• audio: 包含下载音频文件路径、解码音频数组和采样率的字典
• environment_id: 三元组（S,R,D_s），取集合{a,b,c}中的一个字母作为分类值
• attack_id: 二元组（D_a,Q），取集合{A,B,C}中的一个字母作为分类值
• key: bonafide表示真实语音，spoof表示欺骗语音

数据分割

	训练集	开发集	评估集
真实语音	2580	2548	7355
欺骗语音	22800	22296	63882
总计	25380	24844	71237

数据集创建

策划理由

[需要更多信息]

源数据

初始数据收集和规范化

[需要更多信息]

源语言生产者

[需要更多信息]

标注

标注过程

[需要更多信息]

标注者

[需要更多信息]

个人和敏感信息

[需要更多信息]

使用数据的注意事项

数据集的社会影响

[需要更多信息]

偏见的讨论

[需要更多信息]

其他已知限制

[需要更多信息]

附加信息

数据集策展人

[需要更多信息]

许可信息

该ASVspoof 2019数据集在Open Data Commons Attribution License下发布：http://opendatacommons.org/licenses/by/1.0/

引用信息

@InProceedings{Todisco2019, Title = {{ASV}spoof 2019: {F}uture {H}orizons in {S}poofed and {F}ake {A}udio {D}etection}, Author = {Todisco, Massimiliano and Wang, Xin and Sahidullah, Md and Delgado, H ́ector and Nautsch, Andreas and Yamagishi, Junichi and Evans, Nicholas and Kinnunen, Tomi and Lee, Kong Aik}, booktitle = {Proc. of Interspeech 2019}, Year = {2019} }

搜集汇总

数据集介绍

构建方式

该数据集是为第三届自动说话人验证欺骗与反制挑战赛（ASVspoof 2019）构建的，由多个研究机构合作完成。数据集包含逻辑访问（LA）和物理访问（PA）两种模式，分别涵盖了不同的音频特征和环境参数。LA模式主要关注说话人ID和系统ID，而PA模式则引入了环境ID和攻击ID，以模拟不同的录音环境和攻击手段。数据集的构建旨在提供一个全面的测试平台，用于评估和提升语音反欺骗技术。

特点

ASVspoof 2019数据集的显著特点在于其多维度的数据结构和丰富的环境模拟。数据集不仅包含了大量的真实语音样本，还涵盖了多种欺骗语音样本，涵盖了从低质量到高质量的多种攻击手段。此外，数据集还提供了详细的环境参数和攻击参数，使得研究者能够更精确地模拟和分析不同的语音欺骗场景。

使用方法

使用该数据集时，研究者可以通过访问数据实例中的音频文件和相关元数据，进行语音分类和反欺骗技术的开发与评估。数据集提供了训练集、开发集和评估集，分别用于模型训练、调优和最终评估。建议在使用音频数据时，优先访问样本索引以提高处理效率。此外，数据集的许可证为Open Data Commons Attribution License，使用时需遵守相关条款。

背景与挑战

背景概述

ASVspoof 2019数据集是由Junichi Yamagishi、Massimiliano Todisco等研究人员于2019年创建，旨在支持第三届自动说话人验证欺骗与反制措施挑战赛。该数据集的核心研究问题集中在语音反欺骗技术，即识别和区分真实语音与合成或伪造语音。通过提供大量标注的音频数据，ASVspoof 2019数据集为语音识别和安全领域的研究提供了宝贵的资源，推动了相关技术的进步与应用。

当前挑战

ASVspoof 2019数据集在构建过程中面临多重挑战。首先，数据集需涵盖多种语音合成和伪造技术，以确保模型的泛化能力。其次，标注过程需精确区分真实语音与各种伪造语音，这对标注质量和一致性提出了高要求。此外，数据集的规模和多样性也带来了存储和处理上的挑战，特别是在音频文件的解码和重采样过程中，处理大量数据可能耗费大量时间和计算资源。

常用场景

经典使用场景

在语音反欺骗领域，LanceaKing/asvspoof2019数据集被广泛用于训练和评估自动说话人验证系统的抗欺骗能力。该数据集包含了大量的真实语音和各种欺骗语音样本，使得研究人员能够开发和测试新的反欺骗算法。通过分析这些样本，研究者可以识别和区分真实语音与合成、重放或转换的欺骗语音，从而提高系统的安全性。

实际应用

在实际应用中，LanceaKing/asvspoof2019数据集被用于改进和验证语音识别系统的安全性。例如，在金融交易、门禁系统和远程身份验证等场景中，使用该数据集训练的模型能够有效识别和防御各种语音欺骗攻击，确保系统的可靠性和用户的安全。此外，该数据集还促进了语音识别技术在安全敏感领域的广泛应用。

衍生相关工作

基于LanceaKing/asvspoof2019数据集，许多研究工作得以展开，包括但不限于深度学习模型的改进、特征提取方法的创新以及多模态融合技术的应用。例如，一些研究通过引入更复杂的神经网络结构来提高欺骗检测的准确性，而另一些研究则探索了结合音频和文本信息的多模态方法。这些工作不仅丰富了语音反欺骗领域的研究内容，也为实际应用提供了更多可能性。