Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο

Κουίζ Ανίχνευσης Deepfake ήχου

Ελέγξτε τα όρια ανίχνευσης πλαστών ήχου, τη γενίκευση σημείων αναφοράς, τα εφέ συμπίεσης και τι μπορεί και τι δεν μπορεί να καθορίσει η υπογεγραμμένη προέλευση.

Σχετικές διαδρομές οδηγώνΗχητική ανίχνευση Deepfake
Ερώτηση 1 του 8

Ποιος είναι ο βασικός στόχος ενός ανιχνευτή βαθιάς ψευδούς ήχου;

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. Ποιος είναι ο βασικός στόχος ενός ανιχνευτή βαθιάς ψευδούς ήχου;
    • Για να αποφασίσετε εάν η ομιλία είναι πραγματική ή συνθετική με AI
    • Για να βελτιώσετε την ποιότητα ήχου μιας εγγραφής
    • Για τη μεταγραφή του λόγου σε κείμενο
    • Για συμπίεση αρχείων ήχου
  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. Γιατί η ανίχνευση ψεύτικο ήχου περιγράφεται ως «αγώνας εξοπλισμών»;
    • Οι ανιχνευτές λειτουργούν με στρατιωτικό υλικό
    • Τα αρχεία ήχου μεγαλώνουν συνεχώς
    • Οι νέες μέθοδοι σύνθεσης αποφεύγουν τους ανιχνευτές που έχουν εκπαιδευτεί σε παλαιότερα ψεύτικα
    • Απαιτεί δύο άτομα για να λειτουργήσει
  4. Τι αξιολογεί το γνωστό σημείο αναφοράς ASVspoof;
    • Ποιότητα πρότασης μουσικής
    • Ακρίβεια μετάφρασης κειμένου
    • Ρεαλισμός δημιουργίας εικόνας
    • Anti-spoofing/deepfake ανίχνευση για ομιλία
  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