Тест, свързан с ръководство · Среден Ниво

Тест за откриване на аудио Deepfake

Прегледайте ограниченията за откриване на аудио-фалшификация, обобщаването на бенчмарка, ефектите на компресия и какъв знак за произход може и не може да се установи.

Свързани ръководни пътекиОткриване на аудио Deepfake
Въпрос 1 на 8

Каква е основната цел на детектор за аудио дълбоки фалшиви?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Каква е основната цел на детектор за аудио дълбоки фалшиви?
    • За да решите дали речта е реална или синтезирана от AI
    • За да подобрите качеството на звука на запис
    • За транскрибиране на реч в текст
    • За компресиране на аудио файлове
  2. In “Does Audio Deepfake Detection Generalize?”, which feature comparison improved performance in the authors’ controlled evaluation?
    • Raw transcript tokens instead of audio
    • CQT or log-spectrogram features instead of mel-spectrogram features
    • A larger waveform file instead of a smaller one
    • Video frames instead of speech features
  3. Защо откриването на аудио deepfake се описва като „надпревара във въоръжаването“?
    • Детекторите работят на военна техника
    • Аудио файловете стават все по-големи
    • Новите методи за синтез избягват детектори, обучени на по-стари фалшификати
    • Необходими са двама души за работа
  4. Какво оценява добре познатият бенчмарк ASVspoof?
    • Качество на препоръките за музика
    • Точност на превода на текста
    • Реализъм при генериране на изображения
    • Анти-спуфинг/откриване на дълбоки фалшиви речи
  5. What can a valid C2PA Content Credential help a verifier check?
    • A signed record of an asset’s provenance and edit history
    • That every spoken claim in the audio is true
    • The speaker’s real-world identity in all cases
    • That a recording has never been compressed
  6. What input type did the ASVspoof 2021 Deepfake task target?
    • Uncompressed music recordings from a studio
    • Manipulated, compressed speech posted online
    • Images altered by face-swapping systems
    • Only live telephone conversations with known speakers
  7. How large was the real-world dataset collected in the cited audio deepfake generalization study?
    • 3.79 hours total, all authentic speech
    • 37.9 hours of deepfakes with no authentic audio
    • 37.9 hours total, including 17.2 hours of deepfakes
    • 172 hours total, including 17.2 hours of deepfakes
  8. What does the absence of a C2PA credential establish?
    • That the recording is necessarily a deepfake
    • That the recording has no edits
    • That the speaker is verified
    • Nothing by itself about whether the media is authentic or synthetic