误报与漏检
误报是将人类创作的录音标记为 AI 生成。漏检是未能识别生成的音乐。两者属于不同类型的错误,因此单一的总体准确率数值无法解释每个结果。
Suno Checker 公布了如下性能报告,展示各个来源中被正确识别的歌曲比例。这些是我们自己的测量,并非独立审计。
为什么结果会变化
提交的音频、取样片段以及检测工具当前使用的模型都会影响结果。重新编码、编辑,以及检测工具评估数据之外的生成工具,都可能改变呈现给检测工具的模式。
所引用的研究讨论了对音频处理的稳健性和对未见模型的泛化能力,并未评估本网站。我们的分析方法页面另行记录了本工具实际发送和返回的内容。
结合检测范围解读评分
评分来自歌曲 20%、50% 和 75% 位置的三个十秒样本。当判定结果为 AI 时,还会以相互重叠的十秒窗口扫描整首歌曲,定位信号区间。检测到的区间是所有含 AI 信号窗口的并集;其占比衡量的是被标记的时长,并非音乐中由 AI 创作的比例。
不要将 AI 检测信号 1 和 2 理解为分离后的人声和器乐。它们是不同的检测输出。两者一致可能提供有用的参考,但并不会因此得出经过验证的概率。
实际评估步骤
首先确认提交的是你要检测的录音,且文件格式受支持。然后查看总体结果、各项信号和注明的取样范围。最后将结果与工程文件、原始录音、署名信息和创作者的说明进行对照。
如果这些来源相互矛盾,应保留不确定性。避免仅凭检测结果指责音乐人、否定权利主张,或承诺发行商会接受某首歌曲。
当各项信号不一致时
请将每项信号作为结果的一部分来解读。以下解读示例描述的是评估流程,并非准确率测量结果。