Questionário vinculado ao guia · Médio Nível

Questionário de detecção de deepfake de áudio

Revise os limites de detecção de falsificação de áudio, generalização de benchmark, efeitos de compressão e o que a proveniência assinada pode ou não estabelecer.

Caminhos de guia relacionadosDetecção de Deepfake de Áudio
Pergunta 1 de 8

Qual é o objetivo principal de um detector de áudio deepfake?

Visualize cada pergunta8 perguntas

As respostas e explicações aparecem conforme você responde ao teste.

  1. Qual é o objetivo principal de um detector de áudio deepfake?
    • Para decidir se a fala é real ou sintetizada por IA
    • Para melhorar a qualidade do som de uma gravação
    • Para transcrever a fala em texto
    • Para compactar arquivos de áudio
  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. Por que a detecção de deepfake de áudio é descrita como uma ‘corrida armamentista’?
    • Os detectores são executados em hardware militar
    • Os arquivos de áudio ficam cada vez maiores
    • Novos métodos de síntese evitam detectores treinados em falsificações mais antigas
    • Requer duas pessoas para operar
  4. O que avalia o conhecido benchmark ASVspoof?
    • Qualidade de recomendação de música
    • Precisão da tradução de texto
    • Realismo de geração de imagem
    • Detecção anti-spoofing/deepfake para fala
  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