KI-Deepfake-Audioerkennung mit CNNs (Echte Gespräche)

Mit dem rasanten Fortschritt der Generativen KI ist die Sprachklonung als bedeutende Bedrohung aufgetaucht, die oft als primäres Werkzeug für finanzielle Betrügereien und Fehlinformationen genutzt wird. Mein Projekt mit dem Titel "Echte Gespräche" beschreibt die Entwicklung eines KI-gesteuerten Systems, das darauf ausgelegt ist, zwischen authentischer menschlicher Sprache und gefälschten Sprachmustern zu unterscheiden. Das System verwendet Faltende Neuronale Netzwerke (CNNs), um Audiodaten durch die Analyse digitaler Abweichungen zu klassifizieren. Mit Signalverarbeitungstechniken wie der MFCC-Extraktion und der Spektrogrammvisualisierung über Librosa wurde das Modell an branchenüblichen Datensätzen, einschließlich ASVspoof und LibriSpeech, trainiert. Die technische Implementierung erfolgte mit Python unter Verwendung der Frameworks TensorFlow, Keras und PyTorch. Zu den Hauptfunktionen der Anwendung gehören die Unterstützung mehrerer Formate (.wav, .mp3, .m4a), die Verarbeitung in Echtzeit und ein prozentualer Vertrauensindikator zur Berichterstattung über die Authentizität. Experimentelle Ergebnisse zeigen eine Erkennungsrate von über 85 % bei einer Analyseverzögerung von weniger als 10 Sekunden und bieten eine zugängliche und effiziente Lösung für nicht-technische Benutzer, um die Integrität von Audio zu überprüfen. Diese Arbeit wurde an der Arabischen Internationalen Universität (AIU) in Syrien durchgeführt. Die offizielle Website der Universität lautet: https://www.aiu.edu.sy