ShiftySpeech ist ein umfangreicher Benchmark für die Erkennung synthetischer Sprache, der 2025 von der Johns Hopkins University veröffentlicht wurde. Die zugehörige Veröffentlichung trägt den Titel „ShiftySpeech: Ein umfangreicher Datensatz synthetischer Sprache mit VerteilungsverschiebungenZiel der Studie ist es, die Generalisierungsfähigkeit von Sprachsynthese-Erkennungsmodellen in der realen Welt zu untersuchen, wenn sie mit einer „Verteilungsdrift“ (einschließlich Änderungen in Sprache, Sprecher, Generierungsmodell und Aufnahmebedingungen) konfrontiert werden.

Dieser Datensatz umfasst über 3.000 Stunden synthetische Sprache aus sieben verschiedenen Quellenbereichen, darunter Lesestile, Podcasts, YouTube-Aufnahmen und andere Szenarien mit Hintergrundgeräuschen oder nicht standardisierten Aufnahmebedingungen sowie Variationen in Sprache, Sprecheralter, Akzent und Geschlecht. Die Daten decken drei Sprachen ab (Englisch, Chinesisch und Japanisch). Die Sprachgenerierung erfolgte mithilfe von sechs TTS-Systemen (Text-to-Speech) und zwölf Vocodern (Vocoder/Wellenformgeneratoren), um unterschiedliche Grade an Systemverteilungsdrift zu erzeugen.