tropa-voice : détection de voix IA, hébergée et open weights

Ce que sont tropa-voice et tropa-voice-mini

tropa-voice est le modèle vocal du détecteur de deepfakes et de l’API de détection vocale (il apparaît sous le nom tropa-voice-1 dans les réponses de l’API). Il évalue la parole d’un enregistrement par courts segments sur les 5 premières minutes et renvoie une probabilité IA calibrée de 0 à 100, un verdict (ai, uncertain ou human) et une chronologie des scores par segment, pour voir à quel endroit d’un extrait une voix synthétique apparaît. Pour un fichier MP3, WAV, OGG, AAC ou FLAC, la vérification interroge aussi le service de provenance de contenu d’OpenAI pour savoir si l’extrait porte le filigrane audio d’OpenAI ; OpenAI vérifie les extraits de 60 secondes maximum.

tropa-voice-mini est un modèle open weights compact (1,26 Go) disponible sur Hugging Face. Il renvoie le même type de résultat (un score calibré, un verdict et des scores par fenêtre) et fonctionne sur un CPU ordinaire, avec 0,0 % d’EER sur les voix ElevenLabs v3 et v4, MiniMax, OpenAI, Gemini et xAI. C’est le détecteur de voix open weights le plus performant utilisable commercialement.

Résultats

Taux d’erreur égale (plus il est bas, mieux c’est) sur cinq benchmarks publics, chaque modèle évalué par nos soins avec le même code sur les mêmes fichiers. La méthode et les cinq détecteurs sont détaillés dans le benchmark des détecteurs de voix.

tropa-voice a un taux d’erreur plus bas que tous les détecteurs open source sur les cinq benchmarks. Sur de vrais deepfakes diffusés sur les réseaux sociaux en 2024, il commet environ 30 % d’erreurs en moins que le meilleur détecteur ouvert, et sur In-the-Wild il repère 99,4 % des deepfakes pour 1 % de faux positifs. Sur les voix commerciales d’ElevenLabs, MiniMax, OpenAI, Gemini, xAI, HeyGen et d’autres, les deux modèles commettent environ dix fois moins d’erreurs que le détecteur ouvert suivant. Le code d’évaluation de chaque chiffre est sur GitHub.

API hébergée ou modèle ouvert ?

L’API vous donne notre système le plus précis, mis à jour en continu pour les nouveaux générateurs de voix, sans rien à héberger. tropa-voice-mini est le bon choix lorsque l’audio doit rester sur vos propres serveurs ou si vous voulez démarrer gratuitement.

Utiliser tropa-voice (API)

Créez un compte, récupérez la clé API dans le tableau de bord et envoyez un fichier ou une URL. La réponse contient verdict, score (0–100), verified (filigrane OpenAI confirmé) et detailed.segments avec un score par segment. Chaque vérification coûte 1 000 crédits et n’est facturée que si l’analyse aboutit.

curl -X POST https://www.wasitaigenerated.com/api/v1/detect/audio \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -F "file=@suspicious_clip.mp3"

# Files over 4 MB (up to 100 MB): pass a URL instead
curl -X POST https://www.wasitaigenerated.com/api/v1/detect/audio \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"url": "https://example.com/voice.mp3"}'

Référence des champs et exemples en Python, Node.js et PHP : documentation de l’API et la page API de détection vocale.

Utiliser tropa-voice-mini (Hugging Face)

# pip install torch transformers safetensors soundfile huggingface_hub  (+ ffmpeg for mp3/m4a/mp4)
from huggingface_hub import hf_hub_download
import importlib.util

repo = "wasitaigeneratedcom/ai-voice-detector-small"
spec = importlib.util.spec_from_file_location("detector", hf_hub_download(repo, "detector.py"))
detector = importlib.util.module_from_spec(spec); spec.loader.exec_module(detector)

det = detector.VoiceDetector.from_pretrained(repo)   # GPU if available, else CPU
result = det("suspicious_clip.mp3")
print(result["ai_score"], result["verdict"])         # e.g. 0.9986 'ai'
for seg in result["segments"]:                       # 6 s windows, 3 s hop
    print(seg["start"], seg["end"], seg["ai_score"])

ai_score est une probabilité calibrée de 0 à 1. Le seuil ai par défaut correspond à 0,5 % de faux positifs sur de la parole humaine ; serving_head.json indique aussi les seuils pour 1 % et 0,1 %. Un extrait de 30 secondes prend environ 0,06 s sur un GPU et environ 10 s sur 4 cœurs CPU. Fiche du modèle et fichiers : wasitaigeneratedcom/ai-voice-detector-small.

FAQ