گائیڈ سے منسلک کوئز · درمیانہ سطح

آڈیو ڈیپ فیک ڈیٹیکشن کوئز

آڈیو سپوف کا پتہ لگانے کی حدود، بینچ مارک جنرلائزیشن، کمپریشن اثرات، اور کیا دستخط شدہ ثبوت قائم کر سکتا ہے اور نہیں کیا جا سکتا کا جائزہ لیں۔

متعلقہ گائیڈ کے راستےآڈیو ڈیپ فیک کا پتہ لگانا
سوال 1 کی 8

آڈیو ڈیپ فیک ڈیٹیکٹر کا بنیادی مقصد کیا ہے؟

ہر سوال کا جائزہ لیں۔8 سوالات

جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔

  1. آڈیو ڈیپ فیک ڈیٹیکٹر کا بنیادی مقصد کیا ہے؟
    • یہ فیصلہ کرنے کے لیے کہ آیا تقریر حقیقی ہے یا AI کی ترکیب سے
    • ریکارڈنگ کی آواز کے معیار کو بہتر بنانے کے لیے
    • تقریر کو متن میں نقل کرنا
    • آڈیو فائلوں کو کمپریس کرنے کے لیے
  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. آڈیو ڈیپ فیک کا پتہ لگانے کو 'اسلحے کی دوڑ' کیوں کہا جاتا ہے؟
    • ڈیٹیکٹر ملٹری ہارڈویئر پر چلائے جاتے ہیں۔
    • آڈیو فائلیں بڑی ہوتی جارہی ہیں۔
    • نئے ترکیب کے طریقے پرانے جعلی پر تربیت یافتہ ڈٹیکٹروں سے بچ جاتے ہیں۔
    • اسے چلانے کے لیے دو افراد کی ضرورت ہوتی ہے۔
  4. معروف ASVspoof بینچ مارک کیا تشخیص کرتا ہے؟
    • موسیقی کی سفارش کا معیار
    • متن کے ترجمہ کی درستگی
    • تصویری نسل کی حقیقت پسندی۔
    • تقریر کے لیے اینٹی سپوفنگ/ڈیپ فیک کا پتہ لگانا
  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