Technische Audio-Integritätsprüfung

KI-Analyse von Spektraleigenschaften und prosodischen Mustern zur Erkennung von Audiomanipulationen.

Die verify-audio-technical-Pipeline bewertet, ob eine Audioaufnahme technisch mit authentischer, unveränderter Sprache oder unverändertem Klang übereinstimmt. Sie analysiert das Frequenzspektrum auf Schnittartefakte und Synthesekennzeichen und wertet prosodische Muster — Rhythmus, Tonhöhe und Betonung — auf Merkmale aus, die mit synthetischem oder bearbeitetem Audio assoziiert werden. Diese Pipeline eignet sich besonders für Triage-Workflows, den Eingang in Nachrichtenredaktionen und alle Situationen, in denen Sie ein schnelles automatisiertes Signal zu einer Sprachaufnahme benötigen, bevor Sie in eine umfassende, durch Crowd-Überprüfung gestützte Deepfake-Analyse investieren.

Die Pipeline versucht nicht, die sprechende Person zu identifizieren oder den Inhalt des Gesagten zu verifizieren. Ihr Fokus liegt auf der technischen Integrität der Aufnahme selbst: ob es sich um eine einzelne, kontinuierliche, authentische Aufzeichnung handelt oder ob Hinweise darauf bestehen, dass sie zusammengestellt, verändert oder erzeugt wurde.

Pipeline-Details

Eigenschaft	Wert
Pipeline-ID	`verify-audio-technical`
Stufe	1 — Nur KI
Geschätzte Dauer	~1–3 Min.
Kosten	900 Credits pro Run
Crowd-Stufen	Nein
Erforderliche Dateien	Ja — angereichertes Audio (MP3, WAV, FLAC, OGG oder M4A)

Erforderliche Eingaben

Dateien

Eine angereicherte Audiodatei. Die Datei muss die Anreicherung abgeschlossen haben, bevor der Durchlauf erstellt wird (enrichmentStatus: "completed"). Weitere Informationen finden Sie unter Dateien & Anreicherung.

Kontextschlüssel

Beide Schlüssel sind optional, helfen der KI jedoch dabei, ihre Analyse zu kontextualisieren — insbesondere die Prosodieauswertung, die aussagekräftiger ist, wenn die KI weiß, welche Art von Sprecherin oder Sprecher bewertet wird.

Schlüssel	Erforderlich	Beschreibung
`claimed_speaker`	Optional	Name oder Rolle der angeblichen Sprecherin oder des angeblichen Sprechers (z. B. `"Pressesprecherin Jane Doe"`, `"Senator John Smith"`). Dient zur Kontextualisierung prosodischer Erwartungen.
`claimed_date`	Optional	Behauptetes Aufnahmedatum im ISO-8601-Format (z. B. `"2024-10-03"`). Wird, soweit verfügbar, mit den Kodierungsmetadaten abgeglichen.

Stufen

Spektralanalyse (KI)

Analysiert das vollständige Frequenzspektrum der Audiodatei auf technische Artefakte, die mit Manipulationen in Verbindung stehen. Die KI sucht nach Diskontinuitäten in der Spektralhüllkurve — abrupten Änderungen des Rauschpegels, Frequenzabschnitten, die mitten in der Datei auftreten, oder phasischen Inkonsistenzen, die darauf hindeuten, dass Inhalte aus verschiedenen Aufnahmen zusammengefügt wurden. Außerdem werden Muster geprüft, die für die Audiosynthese charakteristisch sind, wie die unnatürlich flache Frequenzverteilung einiger Text-to-Speech-Systeme oder die typischen Formantstrukturen von Stimmkonvertierungsmodellen.

Prosodie-Analyse (KI)

Bewertet Rhythmus, Tonhöhenverlauf und Betonungsmuster jeglicher in der Aufnahme vorhandener Sprache. Menschliche Sprache weist natürliche Mikrovariationen in Timing und Intonation auf, die sich mit Syntheseverfahren nur schwer vollständig reproduzieren lassen. Die KI bewertet, ob die prosodischen Muster mit spontaner authentischer Sprache, gelesener Sprache oder maschinell erzeugter Sprache übereinstimmen. Ungewöhnliche Flachheit in der Tonhöhenvarianz, zu regelmäßige Pausen zwischen Wörtern oder Betonungsmuster, die nicht zum semantischen Inhalt der Äußerung passen, werden als Signale gekennzeichnet. Diese Stufe schreibt einen syntheticLikelihood-Wert (0–100) und eine Liste von syntheticIndicators in ihre Artefakte und setzt ihr Urteil auf synthetic, wenn starke Hinweise auf TTS/Voice-Cloning vorliegen — siehe Erkennung synthetischer Inhalte.

Urteilssynthese (KI)

Fasst die spektralen und prosodischen Signale zu einem einheitlichen Abschlussurteil zusammen. Jedes Signal wird nach Konfidenz gewichtet — starke spektrale Schnittevidenz trägt beispielsweise mehr Gewicht als leichte prosodische Unregelmäßigkeit — und die KI liefert ein Urteil mit einem Konfidenzwert sowie einer Erläuterung der bedeutendsten beitragenden Faktoren.

Durchlauf starten

curl -X POST https://api.crowdee.ai/v2/projects/{projectId}/verification-runs \
  -H "X-API-Key: crw_YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "pipeline_id": "verify-audio-technical",
    "file_ids": ["{fileId}"],
    "context": {
      "claimed_speaker": "Press Secretary Jane Doe",
      "claimed_date": "2024-10-03"
    }
  }'

Beispielantwort

{
  "id": "run_01j9x...",
  "status": "completed",
  "verdict": "authentic",
  "confidence": 82,
  "pipeline_id": "verify-audio-technical",
  "scorecard": {
    "spectral_continuity": "pass",
    "noise_floor_consistency": "pass",
    "prosody_naturalness": "pass"
  },
  "explanation": "Spectral analysis shows a consistent noise floor with no detectable splice points. Prosodic patterns are consistent with authentic spontaneous speech. No synthesis signatures detected."
}

Für Deepfake-Erkennung mit muttersprachlicher Crowd-Überprüfung und Abzeichnung durch Audio-Fachleute — was die Erkennungszuverlässigkeit bei hochwertigen Stimmklonen deutlich erhöht — siehe verify-audio-deepfake.