В тесте японского автора Коя Мацуо инструмент Blush нашёл характерный след Suno в 36 из 40 треков. Это едва заметная особенность работы аудиодекодера, а не вшитая в файл метка. След сохранился и в смешанной записи, где к музыке Suno добавили человеческий вокал.
Для креатора тут важен сам способ проверки. Blush показывает, где проявился сигнал и что с ним происходит после обработки. Одного числа вроде «AI-вероятность» для этого маловато.
Blush ищет след декодера, а не «искусственность» музыки
Мацуо почти три года создаёт музыку в Suno и параллельно работает с инструментами для обработки человеческого голоса. В какой-то момент, пишет он, ему стало непросто понять, где в его материалах заканчивается генерация и начинается человеческое исполнение. Детекторы с одним числом вроде «87% AI» его не устроили: непонятно, что именно они измерили.
Blush анализирует аудиосигнал по нескольким параметрам. Среди них — высокие частоты и их спад, шумовой фон, модуляция громкости, сходство левого и правого каналов, повторы и автокорреляция остаточного сигнала. Автокорреляция проверяет, насколько звук похож сам на себя при сдвиге во времени. Контейнер и формат файла Мацуо не учитывал: они могут меняться при распространении аудио.
Самый заметный результат появился в высокочастотном сигнале. В треках Suno видны пики с интервалом 60 и 120 миллисекунд. На слух их не выделить, зато измерение показывает регулярность.
«Выдать цифры и графики — работа прибора. Сказать: “значит, эта песня создана AI”, — уже задача человека». — Коя Мацуо, автор Blush
След появился в 36 из 40 треков Suno
В тесте Мацуо оба пика — на 60 и 120 мс — были заметны в 36 из 40 треков Suno. В 42 человеческих записях ни одна не показала два пика выше выбранного автором порога. Среди 53 треков Udio, созданных в 2024 году, такого следа тоже не было. В четырёх тестовых треках открытой модели YuE2 он нашёлся во всех четырёх.
| Материал | Количество | Результат Blush |
|---|---|---|
| Suno | 40 треков | след в 36 треках |
| Человеческие записи | 42 трека | две выраженные отметки не встретились |
| Udio, версия 2024 года | 53 трека | след не обнаружен |
| YuE2 | 4 трека | след найден во всех четырёх |
Это результаты теста Мацуо, а не независимая проверка точности на всех версиях генераторов и жанрах. Строку про Udio тоже стоит читать осторожно: проверяли треки именно 2024 года. Если отметки нет, это ещё не доказывает человеческое происхождение записи.
Почему интервал составляет 60 мс? По объяснению Мацуо, генератор собирает аудио с частотой 48 кГц, а декодер работает с временными блоками примерно по 20 мс. Три блока дают 60 мс. При сборке сигнала остаётся повторяющаяся особенность — побочный след работы декодера.
На графике заметна и сила пиков: медианные значения для Suno составили z=12 и z=14. В человеческих записях максимумы были 6,8 и 5,4. Ни одна запись не превысила порог сразу по обоим пикам. Z-значение показывает, насколько пик выделяется на фоне окружающего разброса.
В смешанном треке Blush отмечает AI-части по временным окнам
Самая прикладная часть теста — разбор микса. Мацуо взял аранжировку Suno с женским хором и добавил собственный вокал, изменённый через RVC. Затем разделил запись на стемы — отдельные дорожки вроде вокала и аккомпанемента — и анализировал их по 20-секундным окнам.
Blush отмечает такую неоднородность как возможный признак смешанного материала. Можно перейти к нужному времени, переключить стем и проверить участок на слух. Так проще разобраться, чем судить обо всём треке по одному итоговому проценту.
Обычная обработка не всегда стирает след. После разделения на вокал и аккомпанемент отметка сохранилась в обоих. Восстановление высоких частот тоже её не убрало: обработка пропускала диапазон ниже 12 кГц. При повышении высоты на полутон пик сдвинулся с 60 до 56,6 мс, но остался. Поэтому Мацуо добавил поиск в диапазоне до трёх полутонов вокруг исходного значения.
У детектора есть пределы — и след можно ослабить
Сначала Мацуо пытался отличать AI от человеческой записи по шуму, верхним частотам и стереоширине. Но его человеческая выборка в основном состояла из блюз-рока конца 1960-х и концертного фортепиано 1970-х. Такие признаки могли разделять записи разных эпох, а не AI и человека. Удобный график ещё не гарантирует, что мы измеряем именно то, что думаем.
Мацуо описал и способ ослабить 60-миллисекундный след: слегка менять во времени скорость участка выше 6 кГц. При изменении на 0,1% показатель одного тестового трека упал с z=28 до z=4. В слепом ABX-тесте автор не смог определить обработку на этом уровне, но заметил изменения при 0,2% и 0,5%. Другой диагностический признак — «гребёнка» в модуляции — при этом сохранился.
У Blush нет универсального штампа происхождения. Пик может сдвинуться, обработка — изменить сигнал, а часть признаков — остаться. И отсутствие конкретного следа само по себе ничего не говорит о том, кто написал песню и на каких условиях её можно использовать.
Детекторы музыки отвечают на разные вопросы
Blush — один из подходов к задаче. Deezer сообщала, что с января 2025 года её детектор ищет полностью сгенерированные треки. В июне 2026 года сервис заявил: такая музыка составляет больше половины среднего месячного потока, около 90 тысяч треков в день. Мацуо отмечает, что заявленные Deezer 99,8% точности не подтверждены независимой проверкой.
В статье о Blush также описаны исследования, которые показывают ограничения классификаторов. Изменение высоты, добавление шума или повторное кодирование могут заметно ухудшить результат. Детектор может плохо работать и с генератором другой архитектуры. В опубликованной работе о спектральных артефактах исследователи связывали характерные пики с устройством декодера. Blush рассматривает похожую особенность во временной области.
Sony изучает другой вопрос: какие существующие записи могли повлиять на обучение модели. Исследование Sony CSL Paris посвящено оценке доли AI в смешанной музыке. Его авторы пишут, что бинарный ответ «AI или человек» может занижать вклад генерации в реальном миксе и по-разному работать с разными инструментами.
Креатору стоит проверять конкретный фрагмент
Blush работает на компьютере Мацуо и, по его словам, выдаёт результат примерно за 10 секунд. В статье нет заявления, что читателям доступен готовый публичный сервис. Мацуо считает, что по его описанию можно написать похожую программу. Но это ещё не готовый инструмент, который можно скачать и сразу применить к своему каталогу.
Blush интересен тем, что показывает измеряемый след и границы его интерпретации. Для рабочей музыки это полезнее красного штампа: инструмент отмечает сигнал, а вывод делает человек.
Источники
Коя Мацуо, «Создал Blush — инструмент для обнаружения музыки с участием Suno», TechnoEdge
Источникtechno-edge.net
