Kvíz spojený s průvodcem · Střední úroveň

Audio Deepfake detekční kvíz

Přezkoumejte limity detekce falšování zvuku, zobecnění benchmarků, efekty komprese a to, co může a co nemůže stanovit podepsaná provenience.

Související vodicí cestyAudio Deepfake Detekce
Otázka 1 z 8

Co je hlavním cílem zvukového detektoru deepfake?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Co je hlavním cílem zvukového detektoru deepfake?
    • Rozhodnout, zda je řeč skutečná nebo syntetizovaná umělou inteligencí
    • Pro zlepšení kvality zvuku nahrávky
    • Přepis řeči do textu
    • Ke kompresi zvukových souborů
  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. Proč je zvuková detekce deepfake popisována jako „závod ve zbrojení“?
    • Detektory jsou provozovány na vojenském hardwaru
    • Zvukové soubory se stále zvětšují
    • Nové metody syntézy se vyhýbají detektorům vyškoleným na starších padělcích
    • K provozu jsou potřeba dva lidé
  4. Co hodnotí známý benchmark ASVspoof?
    • Kvalita doporučení hudby
    • Přesnost překladu textu
    • Realismus generování obrazu
    • Anti-spoofing/deepfake detekce řeči
  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