압축된 오디오에서도 작동하는 AI 생성 음악 탐지를 위한 듀얼 엔진 접근 방식

작성자의 하이브리드 접근 방식에 대해 흥미롭다는 반응이며, 특히 물리적 녹음 특성을 이용한 아이디어가 신선하다는 평가가 주를 이룬다.

• 오디오 탐지 모델 설계 시 WAV 데이터뿐만 아니라 MP3/AAC 압축 데이터를 포함하여 견고성을 테스트해야 한다.
• 추론 비용을 줄이기 위해 신뢰도 점수를 기준으로 고비용 모델의 실행 여부를 결정하는 게이트 구조를 도입하라.

• CNN 기반 오디오 탐지 모델은 MP3/AAC 압축 과정에서 발생하는 정보 손실에 취약하므로 실무 적용 시 추가적인 검증 계층이 필요하다.
• 인간 녹음물의 물리적 특성(마이크 간섭 및 공간 음향)과 AI 합성물의 독립적 생성 특성 차이를 이용한 재구성 분석이 견고한 식별 지표가 된다.
• 고비용 모델(Demucs)과 저비용 모델(CNN)을 결합한 계층적 추론 구조를 통해 정확도 유지와 연산 효율성 확보라는 두 가지 목표를 동시에 달성했다.