File size: 3,472 Bytes
e3bdc52
16afeb0
e3bdc52
 
 
1a10ba5
e3bdc52
1a10ba5
e3bdc52
 
 
1a10ba5
 
 
e3bdc52
7458dd4
 
ffd044a
7458dd4
ffd044a
1a10ba5
72892b6
ffd044a
1a10ba5
72892b6
ffd044a
 
 
e3bdc52
ffd044a
e3bdc52
 
7458dd4
1a10ba5
7458dd4
 
 
89dd351
 
7458dd4
1a10ba5
 
7458dd4
 
 
 
1a10ba5
7458dd4
1a10ba5
7458dd4
89dd351
ffd044a
 
7458dd4
a6ab27c
ffd044a
 
1a10ba5
ffd044a
 
 
e3bdc52
 
 
 
1a10ba5
 
 
7458dd4
1a10ba5
ffd044a
 
e3bdc52
7458dd4
1a10ba5
e3bdc52
16afeb0
e3bdc52
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
from execution.inference_wav2vec import run_inference as run_wav2vec
from execution.inference_secondary import run_secondary_inference as run_secondary

def get_combined_verdict(file_path):
    """
    Orquestra a execução dos dois motores e aplica o Protocolo de Rigor.
    """
    # 1. Executa Motor 1 (Wav2Vec2 - padrões fonéticos e temporais)
    res_w2v = run_wav2vec(file_path)
    score_w2v = res_w2v.get("deepfake_probability", 0.0)
    
    # 2. Executa Motor 2 (WavLM - anti-spoofing ASVspoof)
    res_secondary = run_secondary(file_path)
    score_secondary = res_secondary.get("risk_score", 0.0)
    
    # 3. Lógica do Protocolo de Rigor V3
    # O motor Wav2Vec2 é o comandante principal (70% do peso)
    
    # Pesos definidos para dar comando ao motor neural principal
    WEIGHT_W2V = 0.7
    WEIGHT_SECONDARY = 0.3
    
    # Cálculo ponderado do score
    final_score = (score_w2v * WEIGHT_W2V) + (score_secondary * WEIGHT_SECONDARY)
    
    # Thresholds de decisão
    SPOOF_THRESHOLD = 0.50
    HIGH_CONFIDENCE = 0.85
    
    is_fraud = False
    verdict = "AUTHENTIC"
    
    w2v_error = res_w2v.get("error")
    secondary_error = res_secondary.get("error")
    
    if w2v_error:
        # Sem o motor principal não há veredito confiável.
        final_score = 0.0
        verdict = "ERROR"
        message = f"ERRO INTERNO: O motor neural falhou ao processar o áudio. Detalhe: {w2v_error}"
    elif secondary_error:
        # O segundo motor é complementar (30%): se falhar, decide-se com o principal.
        final_score = score_w2v
        if score_w2v >= SPOOF_THRESHOLD:
            is_fraud = True
            verdict = "SPOOF"
            message = f"ALERTA NEURAL: Risco de {(score_w2v*100):.1f}% identificado (motor anti-spoofing indisponível)."
        else:
            message = "INTEGRIDADE CONFIRMADA: Padrões de voz condizentes com gravação humana autêntica (motor anti-spoofing indisponível)."
    # Lógica de decisão baseada na confiança do comandante
    elif score_w2v >= HIGH_CONFIDENCE:
        is_fraud = True
        verdict = "SPOOF"
        message = "COMANDO NEURAL: Detecção crítica de padrões neurais sintéticos com alta convicção."
    elif final_score >= SPOOF_THRESHOLD:
        is_fraud = True
        verdict = "SPOOF"
        message = f"ALERTA COMBINADO: Risco de {(final_score*100):.1f}% identificado, com base na análise anti-spoofing e fonética."
    else:
        message = "INTEGRIDADE CONFIRMADA: Padrões de voz condizentes com gravação humana autêntica."
        
    return {
        "verdict": verdict,
        "fraud_probability": final_score,
        "wav2vec_score": score_w2v,
        # Mantido o nome `ast_score` por compatibilidade com o dashboard atual.
        "ast_score": score_secondary,
        "secondary_score": score_secondary,
        "wav2vec_model": res_w2v.get("model", ""),
        "secondary_engine": res_secondary.get("engine", ""),
        "temporal_scores": res_w2v.get("temporal_scores", []), 
        "engines_consensus": message,
        "details": {
            "protocol": "Protocolo de Rigor V3",
            "weights": {"wav2vec": WEIGHT_W2V, "secondary": WEIGHT_SECONDARY}
        },
        "engines": ["Wav2Vec2-Deepfake", res_secondary.get("engine", "Secondary")]
    }


if __name__ == "__main__":
    import sys
    if len(sys.argv) > 1:
        import json
        print(json.dumps(get_combined_verdict(sys.argv[1]), indent=2))