Inteligência
Explicações de fácil compreensão acompanhadas de resultados de detecção determinísticos.
RESULTADO: Contexto estruturado e auditável
SAIBA MAIS APRESENTAMOS UMA NOVA FORMA DE AVALIAR MÍDIAS SINTÉTICAS
Deepfakes estão por toda parte. assemelhar ajuda a detectá-los.
Analise áudio, vídeo e imagens com uma detecção projetada para embasar decisões explicáveis.
Detecte áudio, vídeo e imagens gerados por IA com resultados que as equipes conseguem entender. Verifique conteúdos, responda a fraudes e tome decisões com confiança, sem perder tempo.
Modelos de detecção que podem ser usados onde quer que ocorram deepfakes.
Fraudes em centrais de atendimento
Integre a detecção a um fluxo de revisão. Dê contexto à sua equipe antes que uma decisão seja tomada.
Começar Chamada de áudio recebida
Análise da Resemble
◎ Identidade
▥ Detectar
◉ Sinal
Alerta ilustrativo
Chamada sinalizada para análise
Um analista recebe o contexto e uma recomendação sobre o próximo passo.
Resposta sugerida
Pause a transação e analise a chamada.
EXEMPLO DE FLUXO DE TRABALHO · NÃO É UM RESULTADO EM TEMPO REAL
Implemente a detecção onde sua equipe já trabalha.
Explore maneiras de integrar um fluxo de detecção a chamadas, reuniões e análises de conteúdo.
Explore as integrações
Implemente a detecção com uma API.
Comece com um arquivo, solicite uma análise e examine uma resposta estruturada.
detection-example.py
# Examine an audio file
from resemble import Resemble
with open("sample.wav", "rb") as audio:
response = Resemble.detect(audio)
print(response["assessment"])Desenvolvido para equipes que atuam em mídia, comunicação e segurança
EQUIPES DE MÍDIA◈ ComunicaçãoEMPRESAS◎ Confiança e SegurançaSEGURANÇA✳ Desenvolvedores
MODELOS DE DETECÇÃO
A IA generativa avança rapidamente rumo ao realismo. A detecção precisa acompanhar esse ritmo.
Modelos para áudio, imagem, vídeo e texto ajudam as equipes a avaliar o conteúdo de mídia que encontram, com resultados que podem ser contextualizados.
LANÇAMENTO MAIS RECENTE
▥ DETECT-World
Avalie áudios, vídeos e imagens gerados por IA. O DETECT-World combina análise de padrões com uma abordagem baseada em modelo de mundo para examinar desvios da realidade física.
SAÍDA: Pontuação estruturada, avaliação e contexto de fácil compreensão
PRECISÃO DE REFERÊNCIA: Áudio 99.5% | Vídeo 98% | Imagem 96%
Três gerações de detecção
■ ÁUDIO■ IMAGEM■ VÍDEO
O áudio é apresentado nas três gerações; imagem e vídeo foram introduzidos posteriormente. Os valores de referência variam conforme o benchmark e as condições de teste.
Signal
Alerte um revisor quando o conteúdo se assemelhar a um padrão de fraude conhecido.
RESULTADO: Alerta e notificação que podem ser revisados
EXPLORE O SIGNALPerTh Multimodal
Marcas d’água imperceptíveis em diferentes formatos de mídia.
RESULTADO: Informações de procedência para revisão
SAIBA MAISIdentity
Cadastre uma voz ou imagem e avalie uma correspondência de identidade posterior.
RESULTADO: Pontuação, avaliação e contexto compreensível
SAIBA MAISBENCHMARKS
Benchmarks validados por terceiros
Um benchmark é mais útil quando seus métodos são transparentes. Rankings públicos, fontes e condições de teste ajudam a contextualizar os resultados da detecção.
Explore os benchmarks99.5%
Precisão da detecção de áudio
95.8%
Precisão da detecção de imagem
98.2%
Precisão da detecção de vídeo
| # | Modelo | RTF | Precisão |
|---|---|---|---|
| 1 | DETECT-World | 0.03 | 99.5 |
| 2 | DETECT-3B Omni | 0.08 | 98.2 |
| 3 | Whispeak | 0.39 | 97.70 |
| 4 | Aurigin AI | 0.33 | 96.75 |
| 5 | Pella Research | 0.021 | 95.82 |
| 6 | Pindrop | 0.076 | 95.05 |
| 7 | Corsound AI | 0.035 | 87.79 |
| 8 | Hive | 0.34 | 83.53 |
| 9 | Reality Defender | 1.52 | 71.27 |
| 10 | Wav2Vec2 (2019 LA) | 0.14 | 62.89 |
| 11 | AASIST | 0.017 | 56.83 |
| 12 | Wav2Vec2 (2024 mix) | 0.056 | 55.55 |
| 13 | Deepfake-V2 | 0.027 | 53.03 |
| 14 | AST | 0.003 | 50.99 |
| 15 | RawNet2 | 0.035 | 50.66 |
| 16 | LCNN-LFCC | 0.0056 | 50.00 |
| 17 | AASIST (2019 LA) | 0.11 | 48.17 |
| 18 | AASIST3 | 0.13 | 47.63 |
“
A IA responsável precisa de uma ponte entre ferramentas poderosas de criação e a confiança de que as pessoas precisam para usá-las.
Perspectiva da comunidade de IA responsável
IA responsável
“
A detecção precisa acompanhar rapidamente as mudanças na mídia sintética. Resultados claros facilitam a tomada de medidas.
Perspectiva das equipes de detecção
Equipes de detecção
“
À medida que as vozes geradas se tornam mais convincentes, a verificação passa a fazer parte da comunicação cotidiana.
Perspectiva das equipes de comunicação
Equipes de comunicação
SEGURANÇA E CONFORMIDADE
Padrão empresarial, multimodal, disponível nas suas instalações.
Para ambientes em que a segurança é inegociável, considere em conjunto os requisitos de implantação, retenção e regulamentação.
01GDPR
Planeje o tratamento de dados com base em uma hipótese legal e proteções adequadas.
02ISO 27001
Avalie os requisitos de gestão da segurança da informação.
03Implantação
Escolha um caminho de implementação compatível com sua infraestrutura e seu processo de revisão.
04API-first
Integre a detecção aos fluxos de trabalho existentes de segurança e identidade.
05SOC 2
Pergunte como os controles de disponibilidade e confidencialidade são avaliados.
06HIPAA
Analise as necessidades de tratamento de dados de saúde antes da implantação.
07Isolamento de rede
Explore opções de implantação nas suas instalações para ambientes isolados.
08Retenção
Defina regras de retenção de mídia de acordo com seus requisitos.
INCIDENTES NOTICIADOS
Banco de dados de incidentes com deepfakes
Uma amostra de incidentes noticiados. Muitos outros não são divulgados. Conheça os tipos de casos que se tornaram públicos.
Explore os incidentes noticiadosDivulgação de material íntimo gerado por IA após o fim de um relacionamento
Um relato público descreve os danos pessoais que podem resultar de mídias sintéticas criadas sem consentimento.
Funcionário de restaurante relata tentativa de falsificação de voz
Segundo relatos, uma pessoa se passando por outra contatou um gerente e aparentou falar em nome de um funcionário.
Publicação online levanta dúvidas sobre um vídeo manipulado
Espectadores se depararam com imagens cuja autenticidade exigia uma análise mais cuidadosa.
Voz sintética usada em golpe de emergência familiar
Segundo relatos, uma mensagem com voz familiar levou a um pedido urgente de dinheiro.
Golpe por mensagens relatado envolvia áudios de voz gerados por IA
Segundo relatos, mensagens de voz apresentadas como se fossem de um familiar foram usadas para solicitar transferências.
Anúncio deepfake motiva alerta sobre fraude contra investidores
Segundo relatos, um vídeo promocional manipulado estava ligado a uma tentativa de transferência.
Vídeo em rede social se passa por uma figura pública
Segundo relatos, uma conta divulgou vídeos sintéticos para pedir dinheiro a seguidores.
Áudio fraudulento compartilhado durante um pedido urgente
Uma voz convincente, por si só, não bastava para confirmar quem enviou a mensagem.
RECURSOS
Está começando agora? Comece por aqui.
O Relatório de Ameaças de Deepfakes de 2026
Explore padrões em ataques com mídia sintética, fraudes denunciadas e questões enfrentadas pelas equipes de defesa das empresas.
VER RELATÓRIO
Apresentamos um modelo de mundo para detecção de deepfakes
Saiba como verificar o comportamento da mídia pode complementar a busca por artefatos de geração conhecidos.
VER PESQUISA
Um guia prático para a divulgação do uso de mídia sintética
Entenda as questões que provedores e implementadores devem considerar sobre rotulagem, procedência e divulgação.
VER GUIASaiba o que é real — e o que é uma ameaça real.
Explore a detecção nos áudios, vídeos e imagens com que sua equipe se depara e construa um caminho mais claro da descoberta à decisão.
Experimente a detecção