La detección de música con AI analiza el audio de una grabación para estimar si la generó un sistema de inteligencia artificial (AI). Saber cómo funciona la detección de música con AI es lo que distingue un resultado útil de uno engañoso.
Esta guía explica de dónde proviene la señal, qué significa una probabilidad, por qué «Unsure» es una respuesta válida y por qué una persona debe decidir. SEAM, sigla de Sonic Evidence of AI in Music, es el ejemplo práctico: un servicio de reconocimiento de audio de The InterSpace Group, presentado en nuestro artículo de lanzamiento para conocer SEAM.
Cómo funciona la detección de música con AI: la señal está en el audio
Los detectores analizan el audio en sí para buscar rastros que dejan los sistemas de generación y luego devuelven una probabilidad, no una certeza. Una revisión académica sobre la detección de música generada por AI describe los rastros como patrones estadísticos demasiado sutiles para percibirlos, como ciertos patrones de frecuencia que quedan durante la síntesis.
Un método convierte el audio en un espectrograma, una imagen del sonido en la que el tiempo avanza en sentido horizontal, la frecuencia aumenta en sentido vertical y el brillo representa la energía. En uno de los primeros detectores de deepfakes musicales publicados, los espectrogramas de amplitud ofrecieron los mejores resultados entre las entradas evaluadas cuando un modelo aprendió a distinguir grabaciones reales de copias reconstruidas por máquinas.
Las marcas de agua, que un generador inserta deliberadamente, son una segunda opción, pero solo sirven cuando el generador añade una y el archivo la conserva. La revisión señala que pueden eliminarse o degradarse intencionalmente.
Los metadatos son aún menos confiables. Un título, una línea de créditos o una declaración de que «no se usó AI» registran lo que alguien escribió, y Spotify, que depende de lo que declaran los artistas, afirma que «la ausencia de un crédito no significa que no se haya usado AI».
Por eso SEAM analiza el audio en sí, no los metadatos ni lo que afirma quien subió el archivo. Una línea de créditos se puede cambiar en segundos sin tocar el sonido.
Qué significa realmente una probabilidad
Una probabilidad indica la fuerza de la evidencia: qué tanto apunta el audio en una dirección. No representa la proporción de una pista que se hizo con máquinas y tampoco dice nada sobre la intención ni sobre quién es responsable.
Una cifra que parece precisa también puede ser engañosa. Los autores de aquel primer detector escribieron que «obtener un buen resultado en una prueba no es el fin de la historia» y luego enumeraron lo que puede salir mal una vez que se pone en uso: puntuaciones que quizá no significan lo que parecen, audio editado, generadores no vistos y resultados que nadie puede explicar ni impugnar.
En sus pruebas, el rendimiento cayó drásticamente tras cambiar el tono, añadir ruido y volver a codificar el audio a una tasa de bits baja, como en MP3. Por eso, analiza el mejor archivo que tengas, idealmente el máster original.
Cómo interpretar cada veredicto, incluido «Unsure»
SEAM devuelve uno de tres veredictos por pista, junto con una probabilidad:
- Probablemente hecha por una persona: el audio apunta a una grabación creada por una persona. Esto no confirma los derechos ni la originalidad, así que tus verificaciones habituales siguen siendo necesarias.
- Probablemente generada por AI: el audio apunta claramente a que se generó con AI. Escucha con atención, pide que se declare su uso y aplica tu propia política.
- Unsure: el audio no permite llegar a una conclusión. Escucha y luego pide las pistas separadas o los archivos de sesión, junto con una breve explicación de cómo se creó la pista.
«Unsure» es información, no una falla. La revisión señala que la producción real «rara vez se resume en una sola etiqueta global»: un acompañamiento generado por AI puede estar debajo de una voz humana, y una remezcla o masterización puede hacer que una sola respuesta afirmativa o negativa no sea suficiente.
Spotify describe el uso de AI como «cada vez más un espectro, no una categoría binaria». Un detector que nunca dice «Unsure» no ha eliminado esa incertidumbre: la ha ocultado.
Por qué una persona debe tomar la decisión final
Una puntuación no puede conocer tu política, tus riesgos ni la versión del artista. El costo de equivocarse varía: una acusación errónea de uso de AI recae sobre un artista real, mientras que un veredicto erróneo de creación humana permite que se incumplan tus reglas.
La detección y la declaración de uso responden preguntas distintas: la declaración registra lo que dice el artista y la detección analiza lo que muestra el audio. Si no coinciden, pregunta.
La política de declaración obligatoria de uso de AI de InterSpace Distribution se aplica a cada lanzamiento nuevo y pide a los artistas que indiquen si usaron AI, y cómo, en la portada o en el audio. Spotify ha dicho que apoyará un estándar de la industria para los créditos de AI desarrollado a través de DDEX (Digital Data Exchange).
Todos los veredictos de SEAM son orientativos: por sí solos nunca rechazan, retienen ni aprueban una pista; la decisión la toma una persona. Esos autores también señalaron que impugnar un resultado es un punto débil, así que conserva un registro del archivo, el veredicto, la fecha y tus motivos, y permite que el artista responda.
«Probablemente» es una razón para revisar con más atención y pedir que se declare el uso. Nunca es una prueba que puedas publicar sobre alguien.
SEAM funciona en una consola web y a través de un API (interfaz de programación de aplicaciones, el modo en que un programa se comunica con otro); las primeras 1,000 pistas son gratis. Analiza algunas de tus propias pistas con SEAM y observa cómo se interpreta cada veredicto.
