محققان در مطالعه جدید خود به سراغ شناسایی نقاط ضعف مدلهای تشخیص «دیپفیک صوتی» (Deepfake Audio) رفتهاند. با اینکه این مدلها در محیطهای آزمایشگاهی عالی عمل میکنند، اما در دنیای واقعی به راحتی فریب میخورند.
این چارچوب جدید با تحلیل «میانبرهای صوتی» (Shortcuts) نشان میدهد که مدلها اغلب به جای محتوای کلامی، بر روی نویزها و فرکانسهای غیرگفتاری تمرکز میکنند که باعث خطای آنها میشود. این پیشرفت گام بزرگی برای افزایش امنیت و دقت سیستمهای تشخیص جعل در دنیای واقعی است. 🎙️🤖
منبع: arXiv Machine Learning