ترجمه فارسی مقاله SONICS: مصنوعی یا غیر مصنوعی - شناسایی آهنگ های تقلبی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی SONICS: Synthetic Or Not -- Identifying Counterfeit Songs
عنوان مقاله به فارسی SONICS: مصنوعی یا غیر مصنوعی - شناسایی آهنگ های تقلبی
نویسندگان Md Awsafur Rahman, Zaber Ibn Abdul Hakim, Najibul Haque Sarker, Bishmoy Paul, Shaikh Anowarul Fattah
فرمت مقاله انگلیسی PDF
تعداد صفحات 22
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Sound,Artificial Intelligence,Computer Vision and Pattern Recognition,Machine Learning,Audio and Speech Processing,صدا , هوش مصنوعی , چشم انداز رایانه و تشخیص الگوی , یادگیری ماشین , پردازش صوتی و گفتار ,
توضیحات Submitted 27 August, 2024; v1 submitted 26 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 27 اوت 2024 ؛V1 ارسال شده 26 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

The recent surge in AI-generated songs presents exciting possibilities and challenges. While these tools democratize music creation, they also necessitate the ability to distinguish between human-composed and AI-generated songs for safeguarding artistic integrity and content curation. Existing research and datasets in fake song detection only focus on singing voice deepfake detection (SVDD), where the vocals are AI-generated but the instrumental music is sourced from real songs. However, this approach is inadequate for contemporary end-to-end AI-generated songs where all components (vocals, lyrics, music, and style) could be AI-generated. Additionally, existing datasets lack lyrics-music diversity, long-duration songs, and open fake songs. To address these gaps, we introduce SONICS, a novel dataset for end-to-end Synthetic Song Detection (SSD), comprising over 97k songs with over 49k synthetic songs from popular platforms like Suno and Udio. Furthermore, we highlight the importance of modeling long-range temporal dependencies in songs for effective authenticity detection, an aspect overlooked in existing methods. To capture these patterns, we propose a novel model, SpecTTTra, that is up to 3 times faster and 6 times more memory efficient compared to popular CNN and Transformer-based models while maintaining competitive performance. Finally, we offer both AI-based and Human evaluation benchmarks, addressing another deficiency in current research.

چکیده به فارسی (ترجمه ماشینی)

افزایش اخیر آهنگ های تولید شده توسط AI ، امکانات و چالش های هیجان انگیز را نشان می دهد.در حالی که این ابزارها ایجاد موسیقی را دموکراتیک می کنند ، آنها همچنین به توانایی تمایز بین ترانه های انسانی و تولید شده توسط AI برای محافظت از یکپارچگی هنری و محتوا نیاز دارند.تحقیقات و مجموعه داده های موجود در تشخیص آهنگ جعلی فقط روی آواز خواندن Deepfake Detection (SVDD) متمرکز شده است ، جایی که آوازها تولید شده اند اما موسیقی ساز از آهنگ های واقعی تهیه می شود.با این حال ، این رویکرد برای آهنگ های معاصر پایان به پایان AI ناکافی است که در آن همه مؤلفه ها (آواز ، اشعار ، موسیقی و سبک) می توانند تولید شوند.علاوه بر این ، مجموعه داده های موجود فاقد تنوع موسیقی متن ترانه ، آهنگ های طولانی مدت و آهنگ های جعلی باز است.برای پرداختن به این شکاف ها ، ما Sonics را معرفی می کنیم ، یک مجموعه داده جدید برای تشخیص آهنگ مصنوعی پایان به پایان (SSD) ، که شامل بیش از 97K آهنگ با بیش از 49K آهنگ مصنوعی از سیستم عامل های محبوب مانند Suno و Udio است.علاوه بر این ، ما اهمیت مدل سازی وابستگی های زمانی دوربرد در آهنگ ها را برای تشخیص اصالت مؤثر ، جنبه ای که در روشهای موجود نادیده گرفته می شود ، برجسته می کنیم.برای ضبط این الگوهای ، ما یک مدل جدید ، SPECTTTRA را پیشنهاد می کنیم ، که حداکثر 3 برابر سریعتر و 6 برابر حافظه بیشتر در مقایسه با مدل های محبوب CNN و مبتنی بر ترانسفورماتور و در عین حال عملکرد رقابتی است.سرانجام ، ما هم معیارهای ارزیابی مبتنی بر هوش مصنوعی و هم انسانی را ارائه می دهیم و به نقص دیگری در تحقیقات فعلی می پردازیم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.