XNews

音频人工智能:Suno数据泄露与ASR工具发展

音频人工智能:Suno数据泄露与ASR工具发展

Suno的训练数据和用户信息遭到泄露。

Key insights

Suno遭到攻击;训练代码和大量抓取的音频内容被访问

Suno的安全事件涉及一名攻击者使用名为Shai-Hulud的蠕虫获取员工凭证并访问公司系统。入侵者检索了与训练相关的源代码和抓取的音频内容清单,包括来自YouTube音乐的113,879小时、Pond5的62,117小时和Deezer的12,287小时。报告显示,Suno计划下载大约1,000,000小时的播客。此次泄露还暴露了用户的联系方式和与支付相关的记录。

泄露的数据包括用户电子邮件、电话和支付信息

Suno的入侵事件 reportedly 泄露了用户的电子邮件地址和电话号码,以及与Stripe相关的支付详情。报告指出,数十万用户受到影响,并且在泄露材料中出现了一些卡信息。

Qwen3 ASR与ForcedAligner结合产生精确的时间戳

使用Qwen3-ForcedAligner模型测试Qwen3自动语音识别(ASR)产生了准确的单词级时间戳。评估者报告称,0.6b的Qwen3模型在本地以适度的资源使用下提供了良好的转录和强制对齐准确性。该配置解决了以前工具中常见的时间戳不对齐问题。

语音识别和云服务被视为互补解决方案

开源语音识别工具Pyannote和WeSpeaker被列为识别说话者的选项,但在多个说话者重叠时存在局限性。报告指出,通过付费云服务可以获得更高质量的转录和更快的处理速度,举例说明了在火山引擎上使用的Doubao识别模型作为商业替代方案。

Source posts