> ## Documentation Index
> Fetch the complete documentation index at: https://docs.identifai.net/llms.txt
> Use this file to discover all available pages before exploring further.

# Breve guida ai modelli

## Immagini e video

Revelio è attualmente il modello con l'architettura più efficace in molti contesti. V01 e Brokenwand sono presenti sulla piattaforma per coprire scenari specifici (generatori meno recenti e ormai poco diffusi).

### Revelio:

* **Tecnologia**: una tecnologia che permette di addestrare un modello specializzato combinando la parte semantica dell'immagine con le sue caratteristiche intrinseche a livello di pixel. A differenza della famiglia V0X, non analizza il dettaglio di tutti i pixel e preferisce un'analisi "di alto livello" combinata con il valore semantico estratto dall'immagine. Il vantaggio è una maggiore precisione su alcuni tipi di immagini, a scapito dell'affidabilità sulle immagini diverse da quelle del training set.
* **Dataset**: dataset multi-generatore con immagini fotorealistiche generate dall'IA. I generatori più vecchi risalgono al 2023 e manteniamo una pipeline di integrazione continua che aggiorna Revelio con le firme architetturali più recenti dei nuovi generatori.

### Revelio-Onboarding:

* **Tecnologia**: la stessa tecnologia di Revelio. Rispetto a Morphing, riconosce tecniche di faceswap più moderne.
* **Dataset**: dataset facciale multi-vettore con volti umani sintetici o manipolati ad alta fedeltà. Manteniamo una pipeline di integrazione continua che aggiorna Revelio Onboarding con le firme architetturali più recenti, dal deep-swapping e dall'editing nello spazio latente fino alla sintesi completa dell'identità.

### Revelio Face:

* **Tecnologia**: progettato per l'analisi dei volti, questo modello è un'evoluzione di Revelio-Onboarding. Usa una nuova architettura di backbone ed è pensato per essere più robusto su una gamma più ampia di contenuti facciali sintetici e manipolati.
* **Dataset**: addestrato su un dataset facciale ampliato, che include molti più generatori rispetto ai precedenti modelli dedicati ai volti, con aggiornamenti continui per intercettare le nuove tecniche di faceswap e di sintesi dell'identità.

### Ellen:

* **Tecnologia**: l'architettura del modello è progettata specificamente per rilevare le tracce lasciate dagli strumenti di fotoritocco, soprattutto nel contesto della compressione delle immagini. È un modello che risponde in modo affermativo solo in presenza di fotoritocco; negli altri casi non viene considerato (compare tra i "modelli esclusi").
* **Dataset**: dataset a doppio flusso con coppie di immagini originali e alterate digitalmente (manomesse). Il modello impara a rilevare le anomalie localizzate prodotte da operazioni di copia-sposta e da tecniche avanzate di splicing.

### V01 (legacy)

* **Tecnologia**: il modello più vecchio insieme a Brokenwand. Si basa su una tecnologia che lavora sugli aspetti "generali" di un'immagine, indipendentemente dal tipo di immagine rappresentata. Si tratta quindi di modelli "generalisti", che permettono di analizzare molti tipi di immagini ma di solito con un'affidabilità inferiore rispetto a modelli come Revelio.
* **Dataset**: un corpus di riferimento legacy con immagini sintetiche fotorealistiche generate tra il primo e il quarto trimestre del 2023. Questo dataset raccoglie le firme architetturali di base delle prime e intermedie fasi della sintesi basata su Latent Diffusion e GAN.

### Morphing (legacy):

* **Tecnologia**: una tecnologia diversa dalle precedenti, il cui obiettivo è prima individuare i volti e poi analizzarne i tratti alla ricerca di distorsioni rispetto all'immagine reale. È un modello che, quando rileva correttamente un volto, permette di stabilire se alcuni dei suoi tratti sono stati trasformati. È meno efficace con volti generati interamente; in assenza di volti questo modello può essere ignorato.
* **Dataset**: un dataset legacy di volti alterati, generati con le tecniche di deformazione geometrica classica e di sintesi nello spazio latente diffuse fino al 2023. Questo dataset funge da riferimento forense per rilevare manipolazioni sincronizzate basate sui punti di riferimento del volto e le prime forme di morphing generativo.

## Audio (voce)

identifAI usa diversi modelli per rilevare i deepfake vocali.

### Dataset condiviso

Ogni modello si basa su un approccio tecnologico diverso, ma tutti sono addestrati su un dataset multimodale condiviso, composto da campioni vocali autentici ad alta fedeltà e dalle rispettive controparti sintetiche.
Il dataset copre l'evoluzione della sintesi vocale neurale, dai metodi concatenativi legacy fino ai moderni vocoder basati sulla diffusione. Manteniamo una pipeline di integrazione continua per aggiornare regolarmente il dataset con le più recenti tecniche di generazione e di manipolazione della voce.

### Tecnologie di base

* *Zebra II (legacy)*: l'architettura del modello è progettata per distinguere l'audio autentico da quello artificiale. Si avvale di un modello aggiuntivo che trasforma numericamente le caratteristiche del segnale audio prima della classificazione;
* *Phantom*: questo modello si concentra sull'analisi dell'audio grezzo. Phantom rileva artefatti sottili che altri metodi possono trascurare, mentre il suo addestramento specializzato garantisce robustezza nelle condizioni imprevedibili del mondo reale.
* *Quiet*: questo modello ha un'architettura complessa, composta da un sistema modulare di rilevatori specializzati governati da un router dinamico che assegna a ogni compito il modulo esperto più adatto. Questa struttura offre un'adattabilità fondamentale contro i deepfake di nuova generazione;

Quiet è attualmente il modello più efficace nella maggior parte dei contesti.

Data la variabilità e la complessità intrinseche della voce (ad es. tipi di voce, modi di parlare, gamme di frequenza, ambienti acustici), le prestazioni vanno sempre valutate tenendo conto di questi fattori.


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.