A Resemble AI új modellje 98,2 százalékos videós pontosságot ért el

A modell nem csak a generátorok nyomait keresi

A Resemble AI október 14-i beszámolója szerint a DETECT-World fejlesztésének egyik célja az volt, hogy a rendszer akkor is működőképes maradjon, amikor új generátor jelenik meg, amelynek kimeneteivel korábban nem találkozott. A vállalat korábbi DETECT-3B Omni modellje az audio-, kép- és videótartalmakat is támogatta 51 nyelven, és a DFBench rangsorában első helyen végzett.

A korábbi megközelítés jelentős részben a már ismert generátorok által hagyott jellemzőkre támaszkodott. A Resemble AI szerint ez nehezebbé válik, ahogy nő a generátorok száma, mivel az új rendszerek kimeneteihez újra kell tanítani a felismerőt. A DETECT-World ezzel párhuzamosan azt is vizsgálja, hogy a tartalom megfelel-e a valóság belső szabályainak. Ilyen jel lehet az arc megvilágításának következetessége, az árnyékok iránya, a háttér mozgása vagy a beszéd és a szájmozgás egyezése.

A vállalat által közölt eredmények szerint a videós deepfake-felismerés pontossága 80,96 százalékról 98,2 százalékra, a képfelismerésé pedig 86,70 százalékról 95,8 százalékra nőtt. A hangfelismerés pontossága 99,47 százalék volt, 0,66 százalékos téves pozitív arány mellett. A késleltetés 66 százalékkal, 399 milliszekundumra csökkent.

Ismeretlen arccserét is felismert

A DETECT-World a Resemble AI által ismertetett, független Podonos hangalapú deepfake-felismerési tesztben 2026 augusztusában 18 vizsgált rendszer közül első lett. A közlés szerint ez volt az egyetlen olyan rendszer a ranglistán, amelynél a téves pozitív és a téves negatív arány is 1 százalék alatt maradt. A korábbi DETECT-3B Omni második helyen végzett.

A vállalat egy Haotian AI által készített, valós idejű arccserélő eszközzel is tesztelte a modellt. A rendszer a Resemble AI szerint körülbelül 95 százalékos pontossággal azonosította a generált tartalmat úgy, hogy korábban nem találkozott az adott generátorral, és nem kapott újratanítást vagy finomhangolást.

A cég a GMI Summer Signal konferencián San Franciscóban egy Model Behavior nevű bemutatót is ismertetett. Ez azokat az UMAP-vizualizációkat használta, amelyeket a modellek belsőleg állítanak elő, és a médiaelemek közötti hasonlóságokat, illetve különbségeket klaszterekben jelenítette meg.

A felismerés után az okokat is feltárná

A Resemble AI a negyedévben elindította az Investigatort is. Ez hat, API-n keresztül elérhető, kezelt igazságügyi vizsgálati rendszert jelent, amelyek különböző ellenőrzési folyamatokra készültek. A területek között szerepel a közösségi platformok moderációja, a biztosítási káranyagok, a friss hírekben megjelenő videók, a dokumentumok és nyugták, a törvényszéki bizonyítékok, valamint a személyazonosító okmányok és a bemutatott személyek vizsgálata.

A vállalat szerint az eszköz több igazságügyi elemzési réteget kapcsol össze, és az eredmény mellett bizonyítékokat, magyarázatokat és ajánlásokat ad. Ez a megközelítés azoknak a felhasználóknak lehet fontos, akiknek egy manipuláció valószínűségénél többre van szükségük ahhoz, hogy eldöntsék, milyen intézkedés indokolt.

A Resemble AI az Agent Detection nevű új termékével a webhelyek és alkalmazások forgalmát is vizsgálja. A szolgáltatás egyetlen kódsor beillesztésével indítható, és a felhasználói ügynökazonosítók helyett többek között a kurzormozgást, a gépelés ritmusát és az interakciós mintákat elemzi. Az eredmény szerint a látogató ember, AI-ügynök vagy további vizsgálatot igénylő szereplő lehet. A cég szerint az ilyen információ alapján a szervezetek az ügynököket API-khoz vagy MCP-szerverekhez irányíthatják, illetve korlátozhatják hozzáférésüket érzékeny területekhez, például a számlázáshoz vagy a hitelesítő adatok kezeléséhez.