Informar dun erro / Solicitar unha funcionalidade

Detector de falsificacións profundas de voz de IA

Detecte fala xerada por IA, clonada e sintética en calquera clip de son. Obteña unha puntuación de probabilidade máis unha puntuación de confianza en segundos, o inverso de TTS, construído sobre os mesmos modelos.

Non o facemos. Vender a túa voz

Enviar o son para verificalo

200 caracteres

Arrastre e solte o ficheiro aquí, ou navegar

Máximo 50 MB por ficheiro. Os primeiros 60 segundos son contados, os clipes longos son truncados.

ficheiro.mp3

0 MB
— ou gravar co seu micrófono —
00:00
Gratuito — 10 deteccións por día, non é preciso rexistrarse
A analizar o son...

A analizar o son contra o clasificador de deepfake...

Usando o clasificador baseado en HuBERT (MIT)
Verdict
—

Probabilidade de que o clip sexa xerado por IA

Verdict —
Confianza —
Áudio puntuado —
Custo —
Mostrar as puntuacións en bruto da clase

                    

Como funciona

O detector é un clasificador baseado en HuBERT (Meta AI, licenciado polo MIT) afinado en FoR, ASVspoof, e WaveFake — tres dos maiores corpora públicos de fala humana vs. sintética.

Devolve a probabilidade de que o clip fose xerado por un modelo TTS, un clon de voz ou outro sistema de IA, máis unha puntuación de confianza. Trate a puntuación como un sinal forte, non como proba legal.

Quen usa isto

  • Xornalistas que revisan gravacións filtradas ou anónimas
  • Os compradores do mercado verifican que as mostras de voz son humanas antes de pagar
  • Equipos de confianza e seguridade que denuncian acoso por clonación de voz
  • Investigadores etiquetando conxuntos de datos a escala
  • Os creadores proban que o seu propio son é orixinal

Formatos soportados

MP3, WAV, FLAC, OGG, M4A

Máximo 50 MB por ficheiro. Os primeiros 60 segundos son contados, os clipes longos son truncados.

Plans de detección de falsificacións profundas

Comece de balde, actualice cando precise máis

Libre
  • 10 deteccións por día
  • Clips de ata 60 segundos
  • Probabilidade + puntuación de confianza
  • Non se require conta
Máis popular
Conta libre
  • 15. 000 caracteres libres ao rexistrarse
  • 200 caracteres por detección
  • Historial de detección
  • Todos os detalles da saída (puntuacións das clases en bruto)
Inscríbete gratis
Pro
  • Fila de prioridade da GPU
  • Detección masiva mediante API
  • Alertas de webhook sobre veredictos falsos
  • Integración co mercado
Actualizar

Preguntas frecuentes

Analiza un clip de son e indica a probabilidade de que a voz sexa xerada por IA, clonada ou sintética. Obtén unha puntuación de 0 a 100% máis unha puntuación de confianza, para que poida decidir se a gravación é fiable dabondo para publicación, pagamento ou proba.

Un clasificador baseado en HuBERT (Meta AI, con licenza MIT) afinado en tres dos maiores corpus públicos de fala sintética humana: FoR (Fake- or- Real), ASVspoof e WaveFake. O axuste fino publicouse como MelodyMachine/Deepfake- audio- detection- V2 en Hugging Face.

No conxunto público de probas de FoR, o modelo subxacente informa de precisión superior ao 95%, e nos ataques ao estilo de ASVspoof marca consistentemente a saída de TTS e de clonación de voz. A precisión nos modelos novos que o clasificador nunca viu é menor; trate a puntuación como un sinal forte, non como proba legal.

Pode enviar clips de ata 50 MB e aproximadamente 60 segundos de fala. As gravacións máis longas son truncadas automaticamente ao primeiro minuto, o que é abondo para que o clasificador tome unha decisión estable.

Non. O clip é procesado en memoria no servidor da GPU, o resultado é devolto e o directorio de envío é borrado inmediatamente. Nunca rexistramos, compartimos ou usamos o seu son para adestramento.

A detección custa 200 caracteres por clip, a operación de pago máis pequena da plataforma. As contas gratuítas poden executar algunhas deteccións ao día; os usuarios de pago que teñan iniciada a sesión poden executalas a toda velocidade con acceso prioritario á fila.

A confianza importa máis, non menos, nun mundo cheo de voces sintéticas. O mercado permite aos compradores verificar que unha mostra enviada polo creador é humana antes de pagar. Os xornalistas poden verificar a autenticidade das gravacións filtradas. Os equipos de seguridade da plataforma poden detectar acoso por voz clonada. O detector é o inverso do TTS: a mesma experiencia, o obxectivo oposto.

Aínda non, o detector v1 só mostra a saída real vs sintética. A atribución de modelos (que motor TTS fixo isto?) está no mapa unha vez que teñamos mostras etiquetadas de abondo por modelo.
5.0/5 (1)

Que podemos mellorar? Os seus comentarios axúdannos a corrixir os problemas.

Listo para comezar?

Inscríbase de balde e obtén 15.000 caracteres. Non se require tarxeta de crédito.