उपकरण समीक्षाएँ

VeriSpoof वास्तविक या नकली पता लगाने से परे जाने के लिए एक एकल ऑडियो LLM का उपयोग करता है।

VeriSpoof भाषण deepfake फोरेंसिक के लिए एक खुला ऑडियो LLM है, जो 12GB GPU पर स्पैन, सिस्टम, चैनल प्रभाव और साक्ष्य-आधारित निर्णयों की व्याख्या करता है।

VeriSpoof वास्तविक या नकली पता लगाने से परे जाने के लिए एक एकल ऑडियो LLM का उपयोग करता है।

मुख्य जानकारी

  • VeriSpoof भाषण deepfake फोरेंसिक के लिए एक खुला ऑडियो LLM है जो संश्लेषित स्पैन को स्थानीयकृत करके, संभावित स्रोत प्रणालियों की पहचान करके, रिकॉर्डिंगों को जोड़कर और निर्णयों की व्याख्या करके सरल वास्तविक / नकली का पता लगाने से परे जाता है।
  • यह 14 परीक्षण सेटों में 2.14% समान त्रुटि दर के साथ स्पीच-डीएफ-एरेना पर शीर्ष open-weight model के रूप में रिपोर्ट किया गया है, और स्पूफराडार v1.0 पर 4.04% ईईआर के साथ, जहां निचले मान कम त्रुटियों का संकेत देते हैं।
  • इसके निर्णय साक्ष्य से जुड़े होते हैं: पहचाने गए संश्लेषित स्पैन को संपादित करने से परिणाम पलट सकता है, और एक-चरण के उत्तर देने के लिए 78.4% की तुलना में आंशिक रूप से संपादित रिकॉर्डिंग का तर्क 99.6% पकड़ता है।
  • VeriSpoof में 2.9 बिलियन पैरामीटर हैं, एक एकल 12 पर चलता है और केवल 29.7 मिलियन पैरामीटर को प्रशिक्षित करता है, जिसमें प्लस, बेस, डेमो और बेंच वेरिएंट सूचीबद्ध हैं।

मेटा विवरण: VeriSpoof एक खुला ऑडियो LLM है जो भाषण deepfakes का पता लगाता है और बताता है कि संश्लेषण कहां हुआ, किस प्रणाली ने इसे बनाया हो सकता है, और निर्णय क्यों बदलते हैं।

VeriSpoof uses a single audio LLM to go beyond real or fake detection.

टैग: VeriSpoof, ऑडियो LLM, भाषण deepfake फोरेंसिक, खुले वजन, स्पूफ रडार v1.0

चित्र: अमूर्त मैत्रीपूर्ण चित्रण शैली: एक ब्लू ऑडियो वेवफॉर्म जिसे एक आवर्धक ग्लास द्वारा पार किया गया है, जिसमें मृदु ज्यामितीय आकार साक्ष्य और तर्क का सुझाव देते हैं; कोई वास्तविक लोग नहीं, कोई लोगो नहीं, न ही पाठ।

एक मॉडल जो ऑडियो चेक की व्याख्या करता है

VeriSpoof के लेखक ने इसे एकीकृत भाषण deepfake फॉरेंसिक्स के लिए एक खुला ऑडियो LLM के रूप में वर्णित किया है। रिकॉर्ड किए गए भाषण की जांच करने वाले पाठकों के लिए, महत्वपूर्ण बात यह है कि समान मॉडल वजन वास्तविक या नकली लेबल तक सीमित नहीं हैं। वे रिपोर्ट कर सकते हैं जहां एक रिकॉर्डिंग संश्लेषित की गई थी, किस प्रणाली ने इसे बनाया था, क्या दो रिकॉर्डिंग एक स्रोत साझा करते हैं, चैनल ने इसके साथ क्या किया और क्यों, छोटी लाइनों में जिसे ऑडियो के खिलाफ जांचा जा सकता है।

VeriSpoof uses a single audio LLM to go beyond real or fake detection.

बेंचमार्क दावे और समान त्रुटि दर

VeriSpoof को स्पीच-डीएफ-एरेना पर नंबर एक open-weight model के रूप में प्रस्तुत किया गया है, जिसमें 14 परीक्षण सेटों में 2.14% बराबर त्रुटि दर है। यह स्पूफराडार v1.0 पर 4.04% पर शीर्ष खुले वजन परिणाम का दावा भी करता है। इस सेटिंग में, समान त्रुटि दर गलत स्वीकृति और झूठी अस्वीकृति के बीच एक सामान्य संतुलन बिंदु है, और कम प्रतिशत कम त्रुटियों को इंगित करते हैं। ओपन वेट का मतलब है कि मॉडल भार उपयोग के लिए उपलब्ध हैं, न कि JUST होस्ट किए गए उत्तर।

लेबल पर साक्ष्य

मॉडल का निर्णय इसके घोषित साक्ष्य से जुड़ा हुआ है। यदि पहचाने गए संश्लेषित अवधि को संपादित किया जाता है, तो निर्णय पलटता है। लेखक की रिपोर्ट है कि तर्क 99.6% आंशिक रूप से संपादित रिकॉर्डिंग पकड़ लेता है, जब एक चरण में उत्तर देने के लिए 78.4% की तुलना में। यह अंतराल बताता है कि स्पष्टीकरण, बजाय एकल लेबल, विधि के लिए केंद्रीय है। यह भी इंगित करता है कि आंशिक संपादन केवल वास्तविक या नकली लौटने वाले प्रणालियों के लिए कठिन क्यों हो सकते हैं।

आकार, hardware, और पहुँच

VeriSpoof में 2.9 बिलियन पैरामीटर हैं और एक एकल 12 पर चलता है, जबकि केवल 29.7 मिलियन मापदंडों को प्रशिक्षित किया जाता है। यह भेद इसलिए महत्वपूर्ण है क्योंकि पूर्ण मॉडल आकार और प्रशिक्षित पैरामीटर गणना समान नहीं होती है। घोषणा में VeriSfoof-Plus, VeriSvoof-Base, Demo और VeriSboof-Bench की सूची दी गई है। लेखक का कहना है कि वे सवालों के जवाब देने के लिए खुश हैं।

Comments (0)

  1. No comments yet. Be the first to share what worked for you.

Leave a comment

Comments are reviewed before they appear. Your email address is not published.