La rilevazione di musica generata dall'IA affronta la sfida dei negativi difficili da audio modificato

Un recente articolo pubblicato su arXiv (2608.14916) affronta un problema significativo nella rilevazione di musica generata dall'IA: i caricamenti nel mondo reale subiscono spesso modifiche, remix o ricodifiche, dando origine a una classe di negativi difficili che può ingannare i sistemi di rilevazione. La ricerca, intitolata 'Distinguere la musica generata dall'IA dall'audio modificato come compito di robustezza ai negativi difficili', assembla un dataset da YouTube con versioni generate dall'IA, modificate e originali delle stesse canzoni. I ricercatori sviluppano un classificatore binario per distinguere tra audio generato dall'IA e audio modificato, utilizzando le tracce originali esclusivamente come punti di riferimento. L'audio viene analizzato in segmenti di 10 secondi e processato come forme d'onda grezze attraverso un trasformatore di spettrogrammi PaSST pre-addestrato. Per prevenire la dispersione dei dati, le suddivisioni sono organizzate per canzone ancorante. Il sistema finale a livello video raggiunge un'accuratezza bilanciata di 0,811 sul set di test escluso. Questo studio sottolinea la necessità di robustezza nella rilevazione di musica generata dall'IA, poiché l'audio modificato può produrre artefatti spettrali che imitano le impronte sintetiche, rendendo cruciale per la moderazione dei contenuti, l'applicazione del diritto d'autore e la sfida più ampia di identificare i media generati dall'IA in scenari del mondo reale.