Quiz lié à un guide · Moyen Niveau

Quiz sur la détection des deepfakes audio

Passez en revue les limites de détection d’usurpation audio, la généralisation des références, les effets de compression et ce que la provenance signée peut et ne peut pas établir.

Chemins de guidage associésDétection des deepfakes audio
Question 1 de 8

Quel est l’objectif principal d’un détecteur de deepfake audio ?

Prévisualisez chaque question8 des questions

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

  1. Quel est l’objectif principal d’un détecteur de deepfake audio ?
    • Pour décider si la parole est réelle ou synthétisée par l’IA
    • Pour améliorer la qualité sonore d'un enregistrement
    • Pour transcrire la parole en texte
    • Pour compresser des fichiers audio
  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. Pourquoi la détection des deepfakes audio est-elle décrite comme une « course aux armements » ?
    • Les détecteurs fonctionnent sur du matériel militaire
    • Les fichiers audio ne cessent de grossir
    • De nouvelles méthodes de synthèse échappent aux détecteurs formés sur des contrefaçons plus anciennes
    • Il faut deux personnes pour fonctionner
  4. Qu’évalue le célèbre benchmark ASVspoof ?
    • Qualité des recommandations musicales
    • Précision de la traduction du texte
    • Réalisme de la génération d'images
    • Détection anti-spoofing/deepfake pour la parole
  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