متا ابزار جدیدی را توسعه داده است که از طریق آن می‌توان روی کلیپ‌های صوتی تولیدشده توسط هوش مصنوعی واترمارک گذاشت تا به این طریق تشخیص آن‌ها ساده‌تر باشد. نکته قابل‌توجه اینکه حتی اگر بخشی از صدا توسط هوش مصنوعی ساخته شده باشد نیز این سیستم قابل به تشخیص آن است.
ابزار متا که AudioSeal نام دارد به کاربران کمک خواهد کرد تا بتوانند صداهای جعلی و ساخته‌شده با هوش مصنوعی را از صداهای واقعی متمایز کنند. AudioSeal از دو شبکه عصبی تشکیل شده است، یکی برای برچسب‌گذاری قطعات صوتی که توسط هوش مصنوعی تولید شده‌اند و شبکه دیگر برای تشخیص آن برچسب.
در واقع اولین سیستم سیگنال‌های بسیار کوچکی را روی محتوا قرار می‌دهد که توسط گوش انسان‌ها قابل شنیدن نیستند، اما شبکه عصبی دوم به‌خوبی می‌تواند آن‌ها را دریافت کند.
متا از این ابزار روی هوش مصنوعی خود استفاده نمی‌کند
آزمایش‌های اولیه AudioSeal نشان می‌دهد که این ابزار در تشخیص واترمارک‌های خود 90 درصد دقت دارد. با این حال، متا به MIT Technology Review اعلام کرده که «هنوز برنامه‌ای برای اعمال واترمارک‌ها روی صداهای تولیدشده توسط هوش مصنوعی که با استفاده از ابزارهای آن [مانند AudioCraft و AudioBox] ایجاد می‌شوند، ندارد.»
در نهایت، AudioSeal هم‌اکنون به‌صورت رایگان از طریق GitHub در دسترس است و نمونه‌ها و کلیپ‌های آموزشی نیز برای آن وجود دارد.
متا ابزار جدیدی را توسعه داده است که از طریق آن می‌توان روی کلیپ‌های صوتی تولیدشده توسط هوش مصنوعی واترمارک گذاشت تا به این طریق تشخیص آن‌ها ساده‌تر باشد. نکته قابل‌توجه اینکه حتی اگر بخشی از صدا توسط هوش مصنوعی ساخته شده باشد نیز این سیستم قابل به تشخیص آن است.
ابزار متا که AudioSeal نام دارد به کاربران کمک خواهد کرد تا بتوانند صداهای جعلی و ساخته‌شده با هوش مصنوعی را از صداهای واقعی متمایز کنند. AudioSeal از دو شبکه عصبی تشکیل شده است، یکی برای برچسب‌گذاری قطعات صوتی که توسط هوش مصنوعی تولید شده‌اند و شبکه دیگر برای تشخیص آن برچسب.
در واقع اولین سیستم سیگنال‌های بسیار کوچکی را روی محتوا قرار می‌دهد که توسط گوش انسان‌ها قابل شنیدن نیستند، اما شبکه عصبی دوم به‌خوبی می‌تواند آن‌ها را دریافت کند.
متا از این ابزار روی هوش مصنوعی خود استفاده نمی‌کند
آزمایش‌های اولیه AudioSeal نشان می‌دهد که این ابزار در تشخیص واترمارک‌های خود 90 درصد دقت دارد. با این حال، متا به MIT Technology Review اعلام کرده که «هنوز برنامه‌ای برای اعمال واترمارک‌ها روی صداهای تولیدشده توسط هوش مصنوعی که با استفاده از ابزارهای آن [مانند AudioCraft و AudioBox] ایجاد می‌شوند، ندارد.»
در نهایت، AudioSeal هم‌اکنون به‌صورت رایگان از طریق GitHub در دسترس است و نمونه‌ها و کلیپ‌های آموزشی نیز برای آن وجود دارد.
متا ابزار جدیدی را توسعه داده است که از طریق آن می‌توان روی کلیپ‌های صوتی تولیدشده توسط هوش مصنوعی واترمارک گذاشت تا به این طریق تشخیص آن‌ها ساده‌تر باشد. نکته قابل‌توجه اینکه حتی اگر بخشی از صدا توسط هوش مصنوعی ساخته شده باشد نیز این سیستم قابل به تشخیص آن است.
ابزار متا که AudioSeal نام دارد به کاربران کمک خواهد کرد تا بتوانند صداهای جعلی و ساخته‌شده با هوش مصنوعی را از صداهای واقعی متمایز کنند. AudioSeal از دو شبکه عصبی تشکیل شده است، یکی برای برچسب‌گذاری قطعات صوتی که توسط هوش مصنوعی تولید شده‌اند و شبکه دیگر برای تشخیص آن برچسب.
در واقع اولین سیستم سیگنال‌های بسیار کوچکی را روی محتوا قرار می‌دهد که توسط گوش انسان‌ها قابل شنیدن نیستند، اما شبکه عصبی دوم به‌خوبی می‌تواند آن‌ها را دریافت کند.
متا از این ابزار روی هوش مصنوعی خود استفاده نمی‌کند
آزمایش‌های اولیه AudioSeal نشان می‌دهد که این ابزار در تشخیص واترمارک‌های خود 90 درصد دقت دارد. با این حال، متا به MIT Technology Review اعلام کرده که «هنوز برنامه‌ای برای اعمال واترمارک‌ها روی صداهای تولیدشده توسط هوش مصنوعی که با استفاده از ابزارهای آن [مانند AudioCraft و AudioBox] ایجاد می‌شوند، ندارد.»
در نهایت، AudioSeal هم‌اکنون به‌صورت رایگان از طریق GitHub در دسترس است و نمونه‌ها و کلیپ‌های آموزشی نیز برای آن وجود دارد.
متا ابزار جدیدی را توسعه داده است که از طریق آن می‌توان روی کلیپ‌های صوتی تولیدشده توسط هوش مصنوعی واترمارک گذاشت تا به این طریق تشخیص آن‌ها ساده‌تر باشد. نکته قابل‌توجه اینکه حتی اگر بخشی از صدا توسط هوش مصنوعی ساخته شده باشد نیز این سیستم قابل به تشخیص آن است.
ابزار متا که AudioSeal نام دارد به کاربران کمک خواهد کرد تا بتوانند صداهای جعلی و ساخته‌شده با هوش مصنوعی را از صداهای واقعی متمایز کنند. AudioSeal از دو شبکه عصبی تشکیل شده است، یکی برای برچسب‌گذاری قطعات صوتی که توسط هوش مصنوعی تولید شده‌اند و شبکه دیگر برای تشخیص آن برچسب.
در واقع اولین سیستم سیگنال‌های بسیار کوچکی را روی محتوا قرار می‌دهد که توسط گوش انسان‌ها قابل شنیدن نیستند، اما شبکه عصبی دوم به‌خوبی می‌تواند آن‌ها را دریافت کند.
متا از این ابزار روی هوش مصنوعی خود استفاده نمی‌کند
آزمایش‌های اولیه AudioSeal نشان می‌دهد که این ابزار در تشخیص واترمارک‌های خود 90 درصد دقت دارد. با این حال، متا به MIT Technology Review اعلام کرده که «هنوز برنامه‌ای برای اعمال واترمارک‌ها روی صداهای تولیدشده توسط هوش مصنوعی که با استفاده از ابزارهای آن [مانند AudioCraft و AudioBox] ایجاد می‌شوند، ندارد.»
در نهایت، AudioSeal هم‌اکنون به‌صورت رایگان از طریق GitHub در دسترس است و نمونه‌ها و کلیپ‌های آموزشی نیز برای آن وجود دارد.
