Odpowiedzi na
najczęstsze pytania

W domenie video: (1) Periodyczne wzorce upsamplingu — transposed convolutions w architekturach generatywnych tworzą aliasing w widmie przestrzennym widoczny jako regularne skoki w profilu FFT. (2) Brak naturalnego szumu kamery — realne kamery mają specyficzny noise pattern (PRNU-like), AI generuje zbyt czyste lub inaczej dystrybuowane szumy. (3) Anomalna dynamika temporalna — brak naturalnego motion blur i rolling shutter.

W domenie audio: (1) Płaski profil szumu — brak naturalnego room tone, hum elektroniki, akustycznych odbić. (2) Brak efektu Dopplera — modele AI nie modelują ciągłej zmiany częstotliwości przy ruchu źródła. (3) Nieciągłości fazowe — anomalna faza niewidoczna dla ucha, wyraźna w STFT.

Tak. Brak audio automatycznie wyłącza moduł audio forensics. System zwraca wynik oparty na 3 sygnałach video (FFT + noise + temporal) z odpowiednio dostosowanym confidence score. Accuracy dla plików bez audio jest nieco niższa (~88% vs 94%), ale wciąż wysoka. W odpowiedzi API znajdziesz flagę "audio_available": false i sygnał audio score z wartością null.

To ważne pytanie. Kompresja JPEG/H.264 rzeczywiście modyfikuje widmo częstotliwościowe. Dlatego nasz pipeline normalizuje wszystkie pliki do identycznego CRF 23 przed ekstrakcją cech — zarówno podczas treningu, jak i inference. Testy kompresji robustness (CRF 18 vs 28 vs 35) pokazują, że model zachowuje >86% accuracy nawet przy agresywnej rekompresji. Sygnał audio jest bardziej odporny na kompresję video — MFCC i spectral flatness nie zmieniają się przy rekompresji VP9.

Cross-model walidacja (trening na Runway + Kling + Sora, test na nieznanym modelu) daje >88% accuracy w naszych benchmarkach. To możliwe, bo hipoteza opiera się na wspólnych artefaktach architekturalnych — nie na bugach konkretnej wersji modelu. Kiedy pojawia się nowy model generatywny, dodajemy jego klipy do datasetu i wykonujemy incremental update — data flywheel zapewnia pokrycie nowych modeli w ciągu tygodni od ich wydania.

To jest znane ryzyko i jednocześnie argument za naszym modelem biznesowym. Modele generatywne faktycznie będą lepiej modelować fizykę audio i ograniczać artefakty FFT — to arms race. Dlatego Spectra Detect to nie jednorazowy model, tylko ciągła infrastruktura detekcji z data flywheel. Klienci kupują dostęp do stale aktualizowanego systemu, nie do zamrożonego modelu. Accuracy może spaść z 94% do 85% — ale 85% confidence na nowym modelu to wciąż ogromna wartość w procesach weryfikacyjnych.

False positive rate w benchmarkach wynosi <4%. Kilka przypadków edge case, gdzie prawdziwy film może zostać oznaczony jako AI: (1) ekstremalnie przetworzone video (heavy post-production effects, animacja 3D), (2) niestandardowe kamery z atypowym szumem sensorowym, (3) bardzo krótkie klipy (<2s) z małą ilością klatek do analizy. System zwraca confidence score — wyniki poniżej 0.75 powinny być traktowane jako "uncertain" i poddane ręcznej weryfikacji.

REST API z jednym endpointem POST /v1/analyze. Multipart form-data request, JSON response. Przykładowa integracja w Pythonie:

import requests
r = requests.post('https://api.spectradetect.io/v1/analyze',
  headers={'Authorization': 'Bearer YOUR_KEY'},
  files={'file': open('video.mp4', 'rb')})
print(r.json()['label'], r.json()['confidence'])

Integracja zajmuje <30 minut dla doświadczonego developera. SDK Python i JavaScript w roadmapie Q3 2026.

Tak, w planach Pro i Scale. Endpoint POST /v1/batch przyjmuje do 100 plików jednocześnie (Pro: 10, Scale: 100). Analiza jest asynchroniczna — dostajesz batch_id i możesz pollować status przez GET /v1/batch/{id} lub otrzymać webhook po zakończeniu. Czas przetwarzania: ~5s/klip, więc batch 100 klipów ≈ 8 minut na dedykowanym endpoincie.

Nie. Pliki video są usuwane natychmiast po ekstrakcji cech (zazwyczaj w ciągu 60 sekund od uploadu). Przechowujemy wyłącznie wyniki analizy (JSON z metadanymi) przez 90 dni w logach API, chyba że klient wyłączy logowanie. Dla klientów Enterprise z wymaganiami data-residency dostępny jest on-premise deployment — wtedy żadne dane nie opuszczają infrastruktury klienta.

30-dniowy trial zawiera pełny dostęp do planu Pro — 3000 analiz, batch processing, wizualizacje spektralne, raporty PDF. Po 30 dniach możesz wybrać dowolny plan lub zrezygnować bez żadnych konsekwencji. Nie wymagamy karty kredytowej do uruchomienia triala — jedynie adres e-mail firmowy i krótki opis case'a użycia (potrzebujemy tego do alokacji zasobów inference).

Tak. W każdym planie dostępne są pakiety dodatkowe: +1000 analiz za $60, +5000 analiz za $250. Rozliczane jednorazowo, ważne 90 dni. Alternatywnie możesz przejść na model pay-per-use ($0.15/klip) z prepaid minimum $50 — dobry wybór przy nieregularnym zapotrzebowaniu, np. w firmach newsowych z nieregularnym napływem materiałów do weryfikacji.

Spectra Detect jest narzędziem do weryfikacji, nie generatorem treści — co oznacza, że podlega łagodniejszym wymaganiom EU AI Act. Niemniej: (1) system jest interpretowalny — każda decyzja poparta wizualizacją spektralną, (2) przechowujemy audit log analiz przez 90 dni, (3) nie stosujemy zakazanych technik wnioskowania z biometrii. Dla klientów potrzebujących dokumentacji zgodności oferujemy pakiet compliance documentation zawierający technical documentation wymaganą przez AI Act Art. 11.

Wyniki Spectra Detect to dowód techniczny, nie prawny. Raport PDF z anotowanymi spektrogramami i confidence score może być złożony jako ekspertyza techniczna — ale decyzja o dopuszczeniu jako dowód należy do sądu. Kilka kancelarii prawnych w Polsce i Niemczech korzysta z naszych raportów jako materiału do ekspertyz biegłych. Oferujemy certyfikowane raporty z podpisem cyfrowym (plan Scale+) zwiększające wartość dowodową. Nie jesteśmy zamiennikiem biegłego sądowego — jesteśmy narzędziem wspierającym jego pracę.

Infrastruktura SaaS działa na AWS EU (Frankfurt, eu-central-1). Pliki video są usuwane po ekstrakcji cech — nie przechowujemy oryginalnych materiałów. Metadata (czas analizy, wynik, fingerprint) przechowywane 90 dni. Przetwarzanie danych zgodne z GDPR: DPA (Data Processing Agreement) dostępne dla wszystkich klientów B2B. Klienci Enterprise mogą wybrać on-premise deployment — wtedy żadne dane nie opuszczają ich infrastruktury.