DETECT-AI-Dataset

DETECT-AI 多模态 AI 内容检测数据集是一个用于检测 AI 生成内容的大规模数据集，涵盖文本、图像、视频和音频四种模态，支持包括英语、中文、阿拉伯语等在内的 19 种语言。数据集每月从 19 个全球来源爬取超过 10 亿条经过验证的样本，并通过 8 个专业 AI 检测模型的加权集成进行标注。数据标注分为三类：AI_GENERATED（AI 生成，置信度 ≥ 0.75）、HUMAN（人类创作，置信度 ≤ 0.35）和 UNCERTAIN（不确定，置信度 0.35–0.75）。数据集采用 CC-BY-4.0 许可，允许研究和商业用途。数据组织结构清晰，包含元数据、样本内容和处理日志等，适用于文本分类、图像分类、视频分类和音频分类等多种任务。