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 für synthetische Sprache mit Verteilungsverschiebungen“. Ziel ist es, die Generalisierungsfähigkeit von Modellen zur Erkennung synthetischer Sprache in realen Situationen zu untersuchen, wenn diese mit „Verteilungsverschiebungen“ (einschließlich Änderungen der Sprache, des Sprechers, des Generierungsmodells und der 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.