Вікторина, пов’язана з посібником · Середній Рівень

Тест на виявлення аудіо Deepfake

Ознайомтеся з обмеженнями виявлення аудіосигналів, узагальненням тестів, ефектами стиснення та тим, що можна встановити, а що не можна встановити.

Пов'язані напрямні шляхиВиявлення аудіо Deepfake
Питання 1 з 8

Яка основна мета детектора звукових глибоких фейків?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Яка основна мета детектора звукових глибоких фейків?
    • Вирішити, чи є мова справжньою чи синтезованою ШІ
    • Щоб покращити якість звуку запису
    • Транскрибувати мовлення в текст
    • Для стиснення аудіофайлів
  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. Чому виявлення аудіопідробок називають «гонкою озброєнь»?
    • Детектори працюють на військовій техніці
    • Аудіофайли постійно збільшуються
    • Нові методи синтезу уникають детекторів, навчених на старих підробках
    • Для роботи потрібні дві людини
  4. Що оцінює відомий тест ASVspoof?
    • Якість музичних рекомендацій
    • Точність перекладу тексту
    • Реалістичність генерації зображення
    • Виявлення антиспуфінгу/діпфейку для мовлення
  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
    • Що мовця верифіковано
    • Nothing by itself about whether the media is authentic or synthetic