KI-Audio-Detektor — Erkennen Sie KI-generierte Tracks

Ehrlich: rein heuristische Erkennung (Quick-Modus) hat Mühe, moderne KI-Frontier-Generatoren zuverlässig von sauberen Studioaufnahmen zu unterscheiden. Deshalb geben wir "Nicht eindeutig" zurück, wenn die Heuristiken keinen sicheren Schluss zulassen — statt 40 % zu raten. Der Deep-Modus verbessert die Genauigkeit, indem Vocal und Instrumental separat analysiert werden, und der ML-Klassifikator der Phase C wird sie weiter erhöhen. Wir veröffentlichen unsere Grenzen offen.

Der Deep-Modus trennt Ihren Track in Vocal- und Instrumental-Stems (gleicher UVR-Motor wie /vocal-remover) und analysiert jeden unabhängig. Das fängt KI-geklonte Vocals auf echten Instrumentalen (und umgekehrt) ab — eine Signatur, die Single-Mix-Detektoren komplett verpassen. Stem-Diskrepanz selbst ist ein positives Signal, das wir als "Mixed"-Urteil zeigen.

Weil falsche Präzision schlechter ist als zugegebene Unsicherheit. Wenn die 12 Heuristiken weit streuende Stimmen liefern ODER der Mittelwert nahe der Grenze liegt, sagen wir das explizit. Das war ein Fix nach Nutzerfeedback: frühere Versionen lieferten ~40 % für alles, was irreführend war. "Nicht eindeutig" sagt Ihnen, Ihrem Ohr zu vertrauen oder Deep-Modus zu nutzen.

Heuristische Muster, die bei allen modernen KI-Musik- und Stimmen-Generatoren üblich sind — Song-Generierungs- und Stimm-Klon-Systeme gleichermaßen. Erkennung basiert auf akustischen Eigenschaften (Regularität, spektrale Signaturen, Trainings-Korpus-Cutoffs) plus einer separaten Wasserzeichen-/Metadaten-Schicht, die Generatoren erfasst, die ihre Ausgabe freiwillig taggen. Die Architektur bleibt gültig, wenn neue Generatoren entstehen.

Verarbeitung läuft in Ihrem Browser über WebAssembly — die Analyse selbst erfordert keinen Upload. Standard-Server-Telemetrie (Seitenaufrufe, Fehlerereignisse) gilt wie auf jeder Webseite; siehe Datenschutzerklärung.

Ja — die Vocal-Stem-Analyse im Deep-Modus ist das richtige Werkzeug. Geklonte Stimmen zeigen typischerweise KI-Anzeichen im Vocal-Stem, während die umgebende Musik sowohl KI als auch menschlich sein kann. Das "Mixed"-Urteil zeigt das direkt an.