Perché i rilevatori AI ottengono falsi positivi sui file MP3

Se ti è mai capitato di eseguire un file MP3 attraverso un rilevatore AI e ottenere un punteggio AI sospettosamente alto per una traccia che sai essere creata dall'uomo, non sei il solo. Questo è uno dei problemi più comuni nel rilevamento audio AI e ha tutto a che fare con il funzionamento della compressione MP3.

Come funziona la compressione MP3

MP3 è un formato di compressione "con perdita", il che significa che elimina permanentemente i dati audio per ridurre le dimensioni del file. Nello specifico, utilizza un modello psicoacustico per identificare le frequenze che l'orecchio umano ha meno probabilità di notare e le rimuove. L'effetto più significativo è che la codifica MP3 taglia le alte frequenze – in genere tutto ciò che è superiore a 16kHz a bitrate standard – e uniforma i restanti dati di frequenza.

Perché assomiglia all'intelligenza artificiale

Ecco il problema: i primi generatori musicali basati sull'intelligenza artificiale producevano audio con caratteristiche molto simili. Le reti neurali che generano la musica dell’intelligenza artificiale tendono anche a produrre output con alte frequenze troncate e profili spettrali innaturalmente uniformi. Pertanto, quando un rilevatore AI esamina un file MP3, gli artefatti di compressione sembrano matematicamente identici agli artefatti di generazione AI. Il rilevatore non è in grado di distinguere tra "questo è stato compresso" e "questo è stato generato".

L'effetto di sbavatura spettrale

La compressione MP3 provoca ciò che gli ingegneri del suono chiamano "sbavatura spettrale": le frequenze che erano nitide e distinte nella registrazione originale diventano sfocate e mescolate insieme. Questa sbavatura si presenta come gradienti uniformi nello spettrogramma, che è esattamente il tipo di modello che i rilevatori di intelligenza artificiale sono addestrati a segnalare. Maggiore è la compressione (bitrate inferiore), più pronunciato diventa questo effetto.

Cosa puoi fare al riguardo

La soluzione più semplice è utilizzare formati audio non compressi o compressi senza perdita di dati. I file WAV e FLAC preservano i dati audio originali senza perdite, offrendo ai rilevatori AI il quadro completo con cui lavorare. Se sei un musicista e invii il tuo lavoro per la verifica, utilizza sempre l'esportazione WAV o FLAC originale dalla tua DAW anziché un MP3 compresso.

Quando l'MP3 è tutto ciò che hai

A volte hai solo l'MP3, forse è una traccia da una piattaforma di streaming o un file che qualcuno ti ha inviato. In questi casi, un buon rilevatore di intelligenza artificiale dovrebbe tenere conto degli artefatti di compressione nella sua analisi. La pipeline di decodifica MP3 avanzata di SUS IT estrae i dati audio PCM dai file MP3 e tiene conto delle caratteristiche di compressione nel suo modello di analisi, riducendo significativamente i falsi positivi rispetto agli approcci ingenui.

Il bitrate è importante

Non tutti gli MP3 sono uguali. Un MP3 a 320 kbps conserva molti più dati audio originali rispetto a un file a 128 kbps. Gli MP3 con bitrate più elevato producono meno artefatti di compressione e hanno meno probabilità di generare falsi positivi. Se devi utilizzare MP3, utilizza il bitrate più alto disponibile. La differenza nella precisione di rilevamento tra un MP3 a 128 kbps e 320 kbps può essere sostanziale.

In sintesi

I falsi positivi sui file MP3 sono una limitazione nota del rilevamento dell'IA audio, non un difetto di uno strumento specifico. Derivano da una somiglianza fondamentale tra gli artefatti di compressione e gli artefatti di generazione dell'intelligenza artificiale. La procedura migliore è analizzare i file non compressi quando possibile. Quando lavori con MP3, utilizza file ad alto bitrate e scegli un rilevatore come SUS IT che ha una gestione specifica per i formati audio compressi.