在人工智能飛速發(fā)展的今天，深度偽造技術(shù)也日益成熟，這就需要更先進(jìn)的檢測技術(shù)來確保媒體內(nèi)容的真實(shí)性。Resemble AI 推出的 DETECT-2B，采用了創(chuàng)新的 Mamba-SSM 架構(gòu)，為深度偽造檢測領(lǐng)域帶來了突破性的進(jìn)步。

技術(shù)亮點(diǎn)：

• Mamba-SSM 架構(gòu)：通過模擬音頻序列中的隨機(jī)過程，Mamba-SSM 能夠更準(zhǔn)確地捕捉音頻信號的時(shí)間動(dòng)態(tài)，從而提高檢測深度偽造音頻的能力。
• 優(yōu)越的檢測性能：DETECT-2B 能夠識別出傳統(tǒng)分類器難以察覺的微妙異常，例如音調(diào)、時(shí)序或頻譜特性的微小變化。
• 跨語言和口音的泛化能力：得益于多語言訓(xùn)練數(shù)據(jù)和預(yù)訓(xùn)練模型如 Wav2Vec2 的使用，DETECT-2B 在多種語言上都表現(xiàn)出色，學(xué)習(xí)到與語言無關(guān)的音頻操縱特征。

技術(shù)優(yōu)勢：

1. 對微妙痕跡的卓越檢測：DETECT-2B 通過建模音頻幀之間的或然關(guān)系，識別出傳統(tǒng)檢測方法可能忽略的不一致性。
2. 自監(jiān)督學(xué)習(xí)的整合：與 Wav2Vec2 等自監(jiān)督預(yù)訓(xùn)練模型的無縫整合，進(jìn)一步提升了檢測系統(tǒng)的整體性能。
3. 可擴(kuò)展性和效率：Mamba-SSM 的概率框架設(shè)計(jì)為計(jì)算效率高，能夠處理大量音頻數(shù)據(jù)，同時(shí)保持快速的檢測速度。

測試結(jié)果：
DETECT-2B 在包含多種語言、未見過的說話者和深度偽造生成方法的大型測試集上表現(xiàn)卓越，實(shí)現(xiàn)了低誤報(bào)率和高準(zhǔn)確率。

應(yīng)用與集成：
Resemble AI 提供了簡單靈活的 API 和基于 Web 的儀表板界面，方便用戶將 DETECT-2B 集成到自己的音頻處理流程中，無論是單獨(dú)提交還是批量分析音頻片段。

結(jié)語：
Resemble AI 通過 DETECT-2B 的發(fā)布，再次推動(dòng)了深度偽造檢測技術(shù)的邊界。