Quiz collegato alla guida · Medio Livello

Quiz sul rilevamento dei deepfake audio

Esaminare i limiti di rilevamento dello spoofing audio, la generalizzazione dei benchmark, gli effetti di compressione e ciò che la provenienza firmata può e non può stabilire.

Percorsi guida correlatiRilevamento deepfake audio
Domanda 1 di 8

Qual è l'obiettivo principale di un rilevatore di deepfake audio?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Qual è l'obiettivo principale di un rilevatore di deepfake audio?
    • Per decidere se il parlato è reale o sintetizzato dall'intelligenza artificiale
    • Per migliorare la qualità del suono di una registrazione
    • Trascrivere il discorso in testo
    • Per comprimere file 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. Perché il rilevamento dei deepfake audio viene descritto come una "corsa agli armamenti"?
    • I rilevatori funzionano con hardware militare
    • I file audio continuano a diventare più grandi
    • Nuovi metodi di sintesi eludono i rilevatori addestrati sui falsi più vecchi
    • Richiede due persone per funzionare
  4. Cosa valuta il noto benchmark ASVspoof?
    • Qualità dei consigli musicali
    • Precisione della traduzione del testo
    • Realismo nella generazione delle immagini
    • Rilevamento anti-spoofing/deepfake per il parlato
  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