ऑडियो डीपफेक डिटेक्शन

It matters because cheap voice cloning now powers scam calls, fake political audio, and fraud against voice-authentication systems.

आधुनिक वॉयस क्लोनिंग किसी व्यक्ति की आवाज़ को केवल कुछ सेकंड के ऑडियो से कॉपी कर सकती है, इसलिए डिटेक्शन सिस्टम सूक्ष्म उंगलियों के निशान की तलाश करते हैं जो सिंथेसाइज़र पीछे छोड़ देते हैं। डिटेक्टर आमतौर पर वास्तविक और नकली भाषण के बड़े डेटासेट (जैसे एएसवीस्पूफ चैलेंज कॉर्पोरा) पर प्रशिक्षित क्लासिफायर होते हैं। वे ध्वनिक विशेषताओं और सीखे गए स्पेक्ट्रोग्राम पैटर्न का विश्लेषण करते हैं, कलाकृतियों की तलाश करते हैं: अप्राकृतिक पिच चिकनाई, गायब सांस और मुंह का शोर, विषम चरण संबंध, या उच्च आवृत्तियों में वोकोडर 'बज़'। कुछ प्रणालियाँ यह भी जाँचती हैं कि ऑडियो का दावा किया गया स्रोत उपकरण और कमरे की ध्वनिकी सुसंगत हैं या नहीं। क्योंकि जनरेटर में सुधार होता रहता है, पहचान करना एक हथियारों की दौड़ है: कल के डीपफेक पर प्रशिक्षित एक मॉडल अक्सर एक नई संश्लेषण विधि पर विफल रहता है जो उसने पहले कभी नहीं देखा है।