Entdecken Sie das fortschrittliche Audiomodell von Resemble AI, Detect-2B, das eine Genauigkeit von 94 % in der KI-Analyse erreicht.

Stimmklonierungsunternehmen Resemble AI präsentiert fortschrittliches Deepfake-Detektionsmodell

Resemble AI hat Detect-2B enthüllt, die nächste Generation seines Deepfake-Detektionsmodells, das eine beeindruckende Genauigkeit von etwa 94 % erzielt.

Innovative Modellarchitektur

Detect-2B nutzt eine Reihe vortrainierter Sub-Modelle, die durch Feinabstimmung optimiert wurden, um Audioaufnahmen zu analysieren und zu erkennen, ob sie KI-generiert sind. „Auf der soliden Grundlage unseres ursprünglichen Detektionsmodells aufbauend, stellt DETECT-2B einen bedeutenden Fortschritt in der Modellarchitektur, den Trainingsdaten und der Gesamtleistung dar. Das Ergebnis ist ein äußerst zuverlässiges Deepfake-Detektionstool, das außergewöhnliche Genauigkeit bei einer großen Datenmenge aus echten und gefälschten Audioclips liefert“, erklärte das Unternehmen in einem Blogbeitrag.

Fokus auf Audioartefakte

Laut Resemble integriert Detect-2B ein gefrorenes Audio-Repräsentationsmodell mit einem Anpassungsmodul, das strategisch in seinen Hauptschichten platziert ist. Dieses Modul lenkt die Aufmerksamkeit des Modells auf Artefakte – subtile Klänge, die echtes Audio von künstlichem unterscheiden. Oft wirkt KI-generiertes Audio „zu sauber“, doch Detect-2B kann abschätzen, welcher Anteil eines Clips AI-generiert ist, ohne für jeden neuen Eingang ein Retraining zu benötigen. Die Sub-Modelle werden auf umfangreichen Datensätzen trainiert, um die Zuverlässigkeit zu erhöhen.

Optimierter Vorhersageprozess

Detect-2B aggregiert Vorhersagewerte und vergleicht sie mit einem „sorgfältig abgestimmten Schwellenwert“, um die Authentizität von Aufnahmen zu bestimmen. Resemble hebt hervor, dass die Forscher Detect-2B so gestaltet haben, dass es effizient trainiert werden kann und weniger Rechenleistung benötigt.

Randomisierte Modellarchitektur

Die Architektur des Modells verwendet Mamba-SSM oder Zustandsraummodelle, die nicht auf statischen Daten oder sich wiederholenden Mustern basieren. Stattdessen kommt ein stochastisches Modell zum Einsatz, das sich effektiv an verschiedene Audiobedingungen anpasst. Diese Struktur überzeugt bei der Erfassung von Audiodynamik und liefert auch bei qualitativ minderwertigen Aufnahmen zuverlässige Ergebnisse.

Robuste multilingualen Leistung

Um die Fähigkeiten zu bewerten, wurde Detect-2B einem vielfältigen Testset unterzogen, das unbekannte Sprecher, Deepfake-Audio und mehrere Sprachen umfasste. Das Modell identifizierte Deepfake-Audio in sechs Sprachen mit einer Genauigkeit von mindestens 93 %.

Integration und Zugänglichkeit

Detect-2B wird über eine API verfügbar sein, die eine nahtlose Integration in verschiedene Anwendungen ermöglicht. Diese Veröffentlichung folgt auf den Start der KI-Stimmenplattform Rapid Voice Cloning von Resemble im April.

Bedeutung der Deepfake-Detektion im aktuellen Kontext

Mit den bevorstehenden Präsidentschaftswahlen in den USA 2024 wird die Notwendigkeit, KI-generierte Stimmen und Videos zu identifizieren, immer dringlicher. Das Potenzial von KI-Stimmen, Wähler zu irreführen und Fehlinformationen zu verbreiten, weckt erhebliche Bedenken, insbesondere in Bezug auf Deepfakes von öffentlichen Persönlichkeiten. Die falsche Darstellung in den Medien hat das Verbrauchervertrauen untergraben, weshalb Tools wie Detect-2B entscheidend sind, um Inhalte zu prüfen, bevor sie die Öffentlichkeit erreichen.

Laufende Forschung und Entwicklung

Resemble erkennt an, dass die Reise in der Detektionstechnologie gerade erst begonnen hat. „Da sich die Fähigkeiten generativer KI weiterentwickeln, müssen auch unsere Detektionslösungen Schritt halten. Wir haben mehrere spannende Forschungsrichtungen geplant, um DETECT-2B zu verbessern, mit einem Fokus auf Repräsentationslernen, fortschrittliche Modellarchitekturen und Datenerweiterung,“ bemerkte das Unternehmen.