SplitSafe - Audio ML Leakage Auditor

SplitSafe - Audio ML Leakage Auditor

用不需要 GPU 的音频指纹，检查音频数据集的训练、验证和测试划分里有没有泄漏的副本和重复的说话人。适合构建音频机器学习模型的人。

由 boobalanit 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：SplitSafe 审核音频机器学习数据集的训练、验证和测试划分。它查找泄漏，也就是同一段录音出现在划分的两侧，还查找同一个说话人出现在两侧的情况。及早发现这些问题，可以省下原本会花在误导性基准分数上的 GPU 时间。

适合谁：它适合构建或评估音频模型、想信任自己基准数字的人，也适合在数据集投入使用前审查它们的人。

行业 | 谁在用 | 怎么用 | 例子
机器学习 | 音频模型构建者 | 在开始训练之前检查划分 | 审核一个语音数据集里有没有重复的片段
研究 | 基准作者 | 确认测试音频不在训练集里 | 在发布之前检查新的测试划分
语音技术 | 数据集整理者 | 查找同时出现在划分两侧的说话人 | 找出训练集和测试集共有的一个声音
软件 | 开发者 | 阅读 splitsafe 文件夹里的指纹代码 | 把这个思路用到自己的流程里

如果你的数据不是音频，或者没有可供比较的训练、验证和测试划分，可以跳过它。

用在哪里：

• 网页浏览器：在 Hugging Face 上打开这个 Space 页面，它在那里运行在 zero-a10g 硬件上。
• Windows、macOS 或 Linux：用 Python 运行一份副本。

使用场景 | 谁用 | 能得到什么
找出泄漏的音频 | 数据集所有者 | 对训练、验证和测试之间副本的检查
发现共有的说话人 | 语音研究者 | 对同一说话人出现在划分两侧的检查
私下运行 | 开发者 | 用 python app.py 启动的本地副本

如何设置：使用托管页面不需要你做任何准备。本地副本需要先备好下面两样东西。

• Windows、macOS 或 Linux 上的 Python。
• pip，用来安装各个包。

1. 用 pip 安装 huggingface_hub 包。
2. 用 hf 命令把这个 Space 的文件下载到一个文件夹里。
3. 进入这个文件夹。
4. 安装 Gradio 5.20.0，再安装 requirements.txt 里列出的包。
5. 用 Python 启动应用。

pip install -U huggingface_hub
hf download boobalanit/splitsafe --repo-type space --local-dir splitsafe
cd splitsafe
pip install gradio==5.20.0
pip install -r requirements.txt
python app.py

如何使用：在线使用时，打开 Space 页面。在自己的电脑上，进入下载好的文件夹运行上面最后一条命令。然后把你的音频划分交给应用，再看它报告的泄漏片段和共有说话人。

工具 | 作用
音频指纹 | 按声音的模式匹配片段，不需要 GPU
泄漏检查 | 找出训练、验证和测试之间的副本
说话人检查 | 找出同时出现在划分两侧的说话人

示例：你有一个语音数据集，分成训练、验证和测试。你把这些划分交给应用。它的设计是标出被重新编码或调低音量、却仍同时出现在训练集和测试集里的片段，这样你就能在花 GPU 时间训练之前把它删掉。

新手与专家：如果你是新手，可以把它当作音频数据的重复项查找器。先从一个小数据集开始，看它标出什么。一个干净的划分应该什么都不会被标出。

如果你熟悉这个领域，它使用确定性的地标星座指纹，所以匹配中没有学习得到的模型，也没有 GPU。它仍然能抓到被重新编码、重采样、音量调低、裁剪或截成短片段的副本。另有一个单独的检查，查找同时出现在划分两侧的说话人。

你提供音频划分
每段音频生成一个指纹
跨划分比较指纹
报告泄漏和共有的说话人

注意事项：指纹完全是信号处理，所以结果可重复。README 没有描述输入格式或输出的布局。

• License: mit
• Cost to run: none named
• Data it reaches: 你交给它的音频

Hugging Face 上的数据（2026年11月13日）

• 点赞：1
• 构建方式：gradio
• 许可证：mit

链接

• Space：https://huggingface.co/spaces/boobalanit/splitsafe
• 文件：https://huggingface.co/spaces/boobalanit/splitsafe/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。