橙子AI科技 Logo 橙子AI科技 需求咨询
菜单
数据集

MLAAD

mueller91/MLAAD

查看上游原文 ↗
上游访问：需要申请 本站服务：可咨询 内容检查：AI 辅助整理并检查 许可证：cc-by-nc-4.0 上游版本：d853198b7404

中文简介

mueller91/MLAAD 是 mueller91 在 Hugging Face 发布的数据集仓库，当前卡片主要关联上游卡片所列任务。本站固定记录上游版本 d853198b7404，同步到 99489 个文件，文件元数据合计 155.19 GB；访问状态为“需要申请”，许可证字段为“cc-by-nc-4.0”。

UPSTREAM README

上游模型卡 / 数据集卡

在 Hugging Face 查看原文 ↗

【README 卡片中文译介】

以下内容依据上游仓库 mueller91/MLAAD 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息，完整技术细节、代码示例和许可文本请同时查看上游原文。

【资源概览】
mueller91/MLAAD 是 mueller91 在 Hugging Face 发布的数据集仓库，当前卡片主要关联上游卡片所列任务。本站固定记录上游版本 d853198b7404，同步到 99489 个文件，文件元数据合计 155.19 GB；访问状态为“需要申请”，许可证字段为“cc-by-nc-4.0”。

【适用方向】
适合在明确数据字段、拆分和许可证后，用于上游卡片所列任务相关的训练、评测或研究。 正式使用前应先抽样检查字段、语言、重复项、敏感信息和训练/测试划分，避免只依据仓库名称判断数据质量。

【版本与规格】
固定版本：d853198b7404。 任务标签：上游卡片所列任务。 语言字段：en, de, fr, es, uk, pl, ru, it。 数据集卡名称：MLAAD: The Multi-Language Audio Anti-Spoofing Dataset。 规模分类：100K<n<1M。 上游页面记录的最近更新时间：2026-06-12。

【文件信息】
上游 API 返回 99489 个文件，文件元数据合计 155.19 GB。 已保存文件清单中的主要扩展名：.wav 98 个、无扩展名 2 个。 当前较大的文件包括：fake/am/Edge-TTS/hunters_space_02_f000048.wav（2.26 MB）；fake/am/Edge-TTS/hunters_space_02_f000075.wav（1.66 MB）；fake/am/Edge-TTS/dorothy_and_wizard_oz_10_f000040.wav（1.49 MB）。 仓库文件较多，本站仅保存前 100 条文件元数据；完整清单请查看上游仓库。

【运行或处理环境】
仓库文件元数据合计 155.19 GB。仅按下载、解压和临时文件估算，建议至少预留约 186.23 GB 可用磁盘；实际需求还取决于压缩率、缓存、数据转换和训练副本，正式处理前应以完整文件清单重新测算。

【使用边界】
许可证显示为“cc-by-nc-4.0”，具体用途限制、附加政策和归属要求仍以上游原文为准。 该仓库需要由用户本人按上游要求申请访问，是否批准及何时批准由资源权利方决定。 数据集还需核对样本来源、隐私与个人信息、标签质量、地域偏差及下游模型的合规要求。

已有简体中文译文 · Codex 基于固定版本 README 与上游元数据生成中文结构化译介 · 2026-07-26 00:51

Introduction Welcome to MLAAD: The Multi-Language Audio Anti-Spoofing Dataset -- a dataset to train, test and evaluate audio deepfake detection. See the paper for more information. License MLAAD is published strictly for non-commercial academic research use, under the CC-BY-NC 4.0 license. Commercial use is not permitted. Download the dataset Option 1: Hugging Face datasets library Install the datasets package: pip install datasets Login with your Hugging Face account: huggingface-cli login Then load the dataset in Python: from datasets import load_dataset Download from HF and cache ds = load_dataset("mueller91/MLAAD") Optionally: Save the dataset to your own directory ds.save_to_disk("MLAAD_local") This will automatically handle authentication and download. Option 2: Git + git-lfs If you prefer to clone with git, you must first login via Hugging Face: huggingface-cli login Then clone: git lfs install git clone https://huggingface.co/datasets/mueller91/MLAAD Structure The dataset is based on the M-AILABS dataset. MLAAD is structured as follows: fake |-language_1 |-language_2 |- .... |- language_K | - model_1_K | - model_2_K | - .... | - model_L_K | - meta.csv | - audio_L_K_1.wav | - audio_L_K_2.wav | - audio_L_K_3.wav | - .... | - audio_L_K_1000.wav The file 'meta.csv' contains the following identifiers. For more in these, please see the paper and our website. path|original_file|language|is_original_language|duration|training_data|model_name|architecture|transcript|reference_speaker where reference_speaker may or not be present - this key has been introduced only in v8. Proposed Usage We suggest to use MLAAD either as new out-of-domain test data for existing anti-spoofing models, or as additional training resource. We urge to complement the fake audios in MLAAD with the corresponding authentic ones from M-AILABS, in order to obtain a balanced dataset. M-AILABS can be downloaded here. An antispoofing model trained on (among others) the MLAAD dataset is available here

公开页仅展示原文摘录；完整模型卡或数据集卡请前往上游仓库查看。

适用场景

适合在明确数据字段、拆分和许可证后，用于上游卡片所列任务相关的训练、评测或研究。 正式使用前应先抽样检查字段、语言、重复项、敏感信息和训练/测试划分，避免只依据仓库名称判断数据质量。

规模与格式

固定版本：d853198b7404。 任务标签：上游卡片所列任务。 语言字段：en, de, fr, es, uk, pl, ru, it。 数据集卡名称：MLAAD: The Multi-Language Audio Anti-Spoofing Dataset。 规模分类：100K<n<1M。 上游页面记录的最近更新时间：2026-06-12。

文件说明

上游 API 返回 99489 个文件，文件元数据合计 155.19 GB。 已保存文件清单中的主要扩展名：.wav 98 个、无扩展名 2 个。 当前较大的文件包括：fake/am/Edge-TTS/hunters_space_02_f000048.wav（2.26 MB）；fake/am/Edge-TTS/hunters_space_02_f000075.wav（1.66 MB）；fake/am/Edge-TTS/dorothy_and_wizard_oz_10_f000040.wav（1.49 MB）。 仓库文件较多，本站仅保存前 100 条文件元数据；完整清单请查看上游仓库。

上游文件元数据

以下仅为 Hugging Face 官方 API 返回的文件名与大小元数据，官网没有下载或托管这些文件。

  • .gitattributes2.40 KB
  • .gitignore90 B
  • fake/am/Edge-TTS/dorothy_and_wizard_oz_01_f000004.wav471.36 KB
  • fake/am/Edge-TTS/dorothy_and_wizard_oz_02_f000115.wav231.57 KB
  • fake/am/Edge-TTS/dorothy_and_wizard_oz_02_f000154.wav281.18 KB
  • fake/am/Edge-TTS/dorothy_and_wizard_oz_03_f000032.wav338.03 KB
  • fake/am/Edge-TTS/dorothy_and_wizard_oz_04_f000035.wav1.42 MB
  • fake/am/Edge-TTS/dorothy_and_wizard_oz_04_f000066.wav127.18 KB
  • fake/am/Edge-TTS/dorothy_and_wizard_oz_05_f000058.wav281.18 KB
  • fake/am/Edge-TTS/dorothy_and_wizard_oz_05_f000063.wav138.54 KB
  • fake/am/Edge-TTS/dorothy_and_wizard_oz_05_f000080.wav147.85 KB
  • fake/am/Edge-TTS/dorothy_and_wizard_oz_05_f000094.wav616.07 KB

文件较多，本页只展示前 12 项；完整信息以上游仓库为准。

硬件建议

仓库文件元数据合计 155.19 GB。仅按下载、解压和临时文件估算，建议至少预留约 186.23 GB 可用磁盘；实际需求还取决于压缩率、缓存、数据转换和训练副本，正式处理前应以完整文件清单重新测算。

注意事项

许可证显示为“cc-by-nc-4.0”，具体用途限制、附加政策和归属要求仍以上游原文为准。 该仓库需要由用户本人按上游要求申请访问，是否批准及何时批准由资源权利方决定。 数据集还需核对样本来源、隐私与个人信息、标签质量、地域偏差及下游模型的合规要求。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件，并在合法访问权限、许可证及平台规则允许的前提下，协助海内外下载、完整性校验及网盘或硬盘交付；本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明，不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。