avant-garde

Yapay zekayla üretilen müziği profesyonel kanallara ayırmak ve gerçekler...

2026-07-21T01:21:28.778+03:00

Yapay zekâ ile müzik üretmek artık birkaç dakika içinde tamamlanabilen bir süreç hâline geldi. Suno gibi platformlarda bir açıklama yazıyor, tarzı belirliyor ve kısa süre sonra vokali, davulu, bası, armonisi ve miks işlemleri tamamlanmış bir şarkı elde ediyoruz.

Fakat bu şarkıyı yeniden düzenlemek, vokalini değiştirmek, davullarını güçlendirmek, bas partisini yeniden çalmak veya profesyonel bir miks yapmak istediğimizde önemli bir sorun ortaya çıkıyor:

Elimizde geleneksel bir stüdyo projesindeki gibi ayrı ayrı kaydedilmiş orijinal kanallar bulunmuyor.

Suno’dan indirilen standart müzik dosyası; vokal, davul, bas, gitar ve synthesizer kanallarının bağımsız biçimde saklandığı bir proje dosyası değildir. Kullanıcıya sunulan dosya, yapay zekâ tarafından oluşturulmuş ve önceden mikslenmiş bir stereo sonuçtur.

Daha sonra kullanılan “Get Stems”, “Stem Separation” veya benzeri özellikler bu tamamlanmış stereo karışımı yeniden analiz ederek tahminî kanallara ayırır.

Buradaki temel ayrım şudur:

Bir yapay zekânın müziği üretmesi ile tamamlanmış müziğin sonradan stemlere ayrılması aynı işlem değildir.

Stem tam olarak nedir?

Stem, bir müzik prodüksiyonundaki benzer seslerin gruplanmış hâlidir.

Örneğin bir şarkı şu temel stemlere ayrılabilir:

Vokal
Davul
Bas
Gitar
Piyano ve klavyeler
Synthesizer katmanları
Yaylılar
Efektler ve ambiyans
Diğer enstrümanlar

Geleneksel bir stüdyo kaydında vokal ayrı bir mikrofonla, gitar ayrı bir girişten, kick ve snare ise farklı mikrofonlarla kaydedilebilir. Bu durumda müzik prodüktörünün elinde gerçekten bağımsız ses kaynakları vardır.

Ancak elimizde yalnızca tamamlanmış bir WAV veya MP3 dosyası bulunuyorsa stem ayırma yazılımı kaybolmuş orijinal stüdyo kanallarını geri getiremez.

Yazılım bunun yerine sesin:

Frekans dağılımını
Zaman içindeki değişimini
Stereo konumunu
Harmonik yapısını
Transient özelliklerini
Vokal ve enstrüman karakterlerini

analiz ederek hangi sesin hangi gruba ait olduğunu tahmin eder.

Dolayısıyla stem separation işlemi, orijinal projeyi yeniden açmak değildir. Tamamlanmış bir karışımın içindeki kaynakları yapay zekâ yardımıyla yeniden tahmin etme işlemidir.

Yapay zekâ ile üretilen müzik neden daha zor ayrılabilir?

Görsel 1

Buraya yapay zekâ tarafından oluşturulmuş yoğun bir stereo ses dalgasının vokal, davul, bas ve diğer kanallara ayrıldığı kapak görseli eklenebilir.

Geleneksel bir prodüksiyonda kick, bas, gitar, piyano ve vokal başlangıçta farklı ses kaynaklarıdır.

Yapay zekâ ile üretilmiş bir şarkıda ise duyduğumuz “gitar”, “davul” veya “vokal” her zaman fiziksel olarak kaydedilmiş bağımsız bir performansın karşılığı olmayabilir.

Ortaya çıkan seslerde şu durumlarla karşılaşılabilir:

Davul transientlerinin synth dokusuna karışması
Vokal harmoniklerinin pad ve reverb içine gömülmesi
Gitar benzeri bir sesin aynı anda synth karakteri taşıması
Kick, sub bass ve distorsiyonun tek bir birleşik yapı gibi duyulması
Reverb kuyruğunun birden fazla enstrümana aitmiş gibi oluşması
Gerçek dünyada tek bir enstrümana karşılık gelmeyen hibrit tınılar
Vokal ile enstrümanların aynı spektral bölgede birbirine kaynaşması

Bu nedenle yapay zekâ ile oluşturulmuş bir şarkıyı sonradan stemlere ayırmak, normal bir stüdyo kaydını ayırmaktan daha karmaşık olabilir.

Burada dikkat edilmesi gereken bir nokta var: Suno’nun modelinin bütün iç mimarisi kamuya açık değildir. Bu nedenle “müzik kesin olarak tek bir dalga biçimi olarak oluşturuluyor” gibi doğrulanması mümkün olmayan iddialar yerine şu daha doğru ifadeyi kullanmak gerekir:

Kullanıcıya sunulan standart Suno çıktısı, bağımsız stüdyo kanalları yerine önceden mikslenmiş bir stereo müzik dosyasıdır. Stemler bu dosyadan daha sonra tahmin edilerek çıkarılır.

Ses artefaktı nedir?

Stem ayırma sırasında ortaya çıkan istenmeyen dijital kalıntılara ses artefaktı denir.

En sık karşılaşılan artefaktlar şunlardır:

Sulu veya dalgalanan vokaller
Metalik tiz frekanslar
Chorus veya phaser benzeri faz sorunları
Davul vuruşlarının yumuşaması
Kick ve basın birbirine sızması
Vokal kanalında kalan hi-hat sesleri
Enstrüman kanalında duyulan vokal heceleri
Kesilen veya titreşen reverb kuyrukları
Stereo görüntünün daralması
Vokalde bazı harflerin kaybolması
Gitar ve synthesizer arasında hayalet sesler oluşması
Özellikle yüksek frekanslarda kırılma ve dijital parazit

Bir ayırma sistemi ne kadar fazla kategori oluşturmaya çalışırsa, o kadar fazla karar vermek zorundadır.

Örneğin zaten gitarla synthesizer arasında bulunan hibrit bir sesi on iki ayrı enstrüman kategorisinden birine yerleştirmek, dört geniş kaynak grubuna ayırmaktan daha fazla hata yaratabilir.

Bu nedenle:

Daha fazla stem, her zaman daha temiz veya daha profesyonel stem anlamına gelmez.

Suno’nun stem sistemi ne sunuyor?

Suno’nun güncel stem sistemi, parçaları farklı ayrıntı seviyelerinde ayırmayı amaçlar.

Başlıca seçenekler şunlardır:

Auto Split

Şarkıyı otomatik olarak davul, bas, gitar, klavye ve benzeri çok sayıda kategoriye ayırmaya çalışır.

Bu sistemin avantajı, Ableton’daki dört temel gruptan daha fazla enstrüman kategorisi sunabilmesidir.

Ancak sistem:

Enstrümanı yanlış tanıyabilir
Benzer tınıları birbirine karıştırabilir
Bir synthesizer’ı gitar olarak sınıflandırabilir
Reverb ve efektleri yanlış kanala gönderebilir
Çok yoğun bölümlerde artefakt oluşturabilir

Split from Mix

Belirli bir kaynağı, örneğin vokali veya bası ayırır.

Genellikle iki dosya oluşturulur:

Seçilen kaynak
Geriye kalan bütün sesler

Bu yöntem, yalnızca vokali kaldırmak veya bir enstrümantal sürüm oluşturmak için kullanışlı olabilir.

Advanced Split

Belirli enstrümanları daha ayrıntılı biçimde seçmeye imkân verir. Ancak daha fazla enstrüman seçeneği, seçilen sesin gerçekten temiz biçimde çıkarılacağı anlamına gelmez.

Suno’nun avantajı çeşitlilik ve kolaylıktır. Dezavantajı ise ortaya çıkan kanalların her parçada profesyonel miks için yeterince temiz olmayabilmesidir.

Ableton Live’ın stem ayırma sistemi

Ableton Live, tamamlanmış bir ses dosyasını dört ana kategoriye ayırır:

Vocals
Drums
Bass
Others

Others kanalı; gitar, piyano, synthesizer, yaylılar, efektler ve diğer müzikal unsurların büyük bölümünü içerir.

Ableton’ın yaklaşımı Suno’ya göre daha az ayrıntılı görünebilir. Fakat bu sınırlı kategori sistemi özellikle yoğun yapay zekâ müziklerinde bir avantaj hâline gelebilir.

Ableton iki temel kalite seçeneği sunar:

High Speed

Hızlı ön dinleme, deneme ve taslak çalışmalar için uygundur.

High Quality

Daha uzun sürer ancak vokal, davul ve bas kaynaklarını daha ayrıntılı biçimde analiz eder. Profesyonel çalışma için tercih edilmesi gereken seçenek budur.

Ableton’ın önemli avantajlarından biri işlemin bilgisayarda yerel olarak yapılmasıdır.

Bunun anlamı şudur:

Dosya buluta yüklenmez
İnternet bağlantısı gerekmez
Kredi harcanmaz
Aynı işlem tekrar tekrar denenebilir
Yayımlanmamış parçalar bilgisayardan dışarı çıkmaz
Stemler doğrudan DAW kanallarına yerleştirilir

Kendi karşılaştırmamda Ableton neden daha iyi çıktı?

Aynı Suno parçasını hem Suno’nun kendi stem sistemiyle hem de Ableton Live’ın High Quality sistemiyle ayırdım.

Dinleme karşılaştırmasında Ableton sonuçları belirgin biçimde daha temizdi.

Özellikle şu alanlarda fark oluştu:

Vokalde daha az metalik artefakt
Davul transientlerinde daha güçlü attack
Bas kanalında daha dolgun düşük frekanslar
Daha az enstrüman sızıntısı
Daha doğal stereo görüntü
Reverb kuyruklarının daha iyi korunması
Stemlerin birlikte çalındığında daha dengeli sonuç vermesi

Bu test bütün müzik türleri ve bütün şarkılar için evrensel bir bilimsel sonuç değildir. Ancak aynı kaynak üzerinde yapılan gerçek A/B karşılaştırması, kullanılan prodüksiyon sistemi açısından teorik özellik listesinden daha değerlidir.

Benim parçalarımda sonuç netti:

Ableton daha az kanal üretti fakat daha kaliteli, daha dengeli ve profesyonel olarak daha kullanılabilir stemler verdi.

1. Ableton dört güçlü kategoriye odaklanıyor

Suno, bir şarkıyı çok sayıda enstrüman kategorisine ayırmaya çalışabilir.

Ableton ise dört ana gruba odaklanır.

Bu, özellikle gitar, synth, piyano, pad ve efektlerin birbirine geçtiği bir yapay zekâ şarkısında avantaj sağlayabilir.

Örneğin hibrit bir sesin:

yüzde 40 gitar,
yüzde 30 synthesizer,
yüzde 20 reverb,
yüzde 10 vokal harmoni

gibi algılandığını düşünelim.

Suno bu sesi belirli bir enstrüman kanalına yerleştirmeye çalışabilir. Ableton ise vokal, davul veya bas değilse bunu Others içinde tutar.

Bu yaklaşım daha az ayrıntılıdır fakat daha az spektral parçalanma yaratabilir.

2. High Quality modu farklı kaynaklara odaklanıyor

Ableton’ın High Quality modu yalnızca daha yavaş çalışan bir hızlı mod değildir.

Vokal, davul ve bas kaynakları için daha ayrıntılı analiz süreçleri kullanılır.

Bu fark özellikle şu alanlarda duyulabilir:

Vokal netliği
Kick attack bölgesi
Snare transientleri
Bas gövdesi
Hi-hat ayrıntısı
Stereo alan
Reverb ve delay kuyrukları

Benim testimde Suno stemleri daha fazla dijital kırılma ve sızıntı içerirken Ableton sonuçları daha doğal duyuldu.

3. Ableton tam kapsamlı bir prodüksiyon ortamıdır

Stem ayırmak, profesyonel çalışmanın yalnızca ilk aşamasıdır.

Ayırma işleminden sonra genellikle şunların yapılması gerekir:

Kesme
Crossfade
Faz kontrolü
Warp ve zamanlama düzenlemesi
EQ
Kompresyon
Transient düzenleme
Sample katmanlama
Audio-to-MIDI dönüşümü
Otomasyon
Grup işleme
Reverb ve delay tasarımı
Yeniden aranjman

Ableton’da stemler doğrudan ayrı kanallara yerleştiği için bütün bu işlemler aynı proje içinde yapılabilir.

Suno yaratıcı müzik üretimi için güçlüdür. Ancak detaylı miks, ses tasarımı ve yeniden düzenleme bakımından tam bir DAW’ın sunduğu derinliğe sahip değildir.

4. Yerel çalışma önemli bir avantajdır

Ableton’ın bilgisayarda yerel çalışması yalnızca gizlilik açısından değil, yaratıcı deneme açısından da önemlidir.

Şu işlemler ek ücret olmadan tekrar edilebilir:

Yalnızca vokali ayırmak
Yalnızca davulu ayırmak
Belirli bir nakaratı yeniden işlemek
High Speed ve High Quality sonuçlarını karşılaştırmak
Farklı kesimleri ayrı ayrı analiz etmek

Bulut ve kredi sisteminde ise her yeni deneme ayrı işlem maliyeti oluşturabilir.

Suno ve Ableton karşılaştırması

Özellik	Suno Stem Separation	Ableton Live
Ana amacı	AI müzik üretimi ve hızlı stem çıkarma	Profesyonel müzik prodüksiyonu
Stem sayısı	Daha fazla kategori sunabilir	4 ana stem
Temel kanallar	Çok sayıda enstrüman türü	Vokal, davul, bas, diğer
İşlem yeri	Bulut tabanlı	Bilgisayarda yerel
İnternet	Gerekli	Gerekli değil
Kredi sistemi	Kullanılan özelliğe göre olabilir	Live Suite içinde ek kredi yok
Kalite seçenekleri	Kullanılan ayırma türüne bağlı	High Speed ve High Quality
Özel enstrüman seçme	Var	Yok
Yanlış sınıflandırma riski	Çok sayıda kategoride artabilir	Diğer sesler Others içinde tutulur
Düzenleme ortamı	Suno Studio	Tam kapsamlı DAW
Gizlilik	Dosya sunucuya gönderilir	Dosya bilgisayarda kalır
Benim test sonucum	Daha fazla sızıntı ve artefakt	Daha temiz ve kullanılabilir sonuç

Ableton da orijinal kanalları geri getirmez

Ableton’ın daha iyi sonuç vermesi, orijinal stüdyo kanallarını yeniden oluşturduğu anlamına gelmez.

Ableton da tamamlanmış stereo dosyayı analiz eder ve tahminî stemler üretir.

Dolayısıyla şu sorunlar tamamen ortadan kalkmayabilir:

Vokal efektlerinin Others kanalında kalması
Synth bass ile normal basın birbirine karışması
Distorsiyonlu gitarın davula sızması
Master limiter tarafından ezilmiş transientlerin geri getirilememesi
Clipping nedeniyle kaybolan verilerin kurtarılamaması
Hibrit yapay zekâ tınılarının yanlış sınıflandırılması
Reverb ve delay’in farklı stemler arasında bölünmesi

Stem separation bir zaman makinesi değildir. Daha önce kaybolmuş olan gerçek stüdyo kanallarını geri getirmez.

Fakat iyi bir yazılım, tahmini daha doğru yaparak daha az artefaktlı ve daha kullanılabilir sonuç oluşturabilir.

Suno’dan Ableton’a önerilen çalışma sistemi

1. En kaliteli dosyayı indirin

Mümkünse MP3 yerine WAV kullanın.

Bir MP3 dosyasını sonradan WAV formatına çevirmek kaybolmuş ses ayrıntılarını geri getirmez.

Stem ayırmadan önce kaynak dosyaya şu işlemleri uygulamamak daha doğrudur:

Ek limiter
Aşırı mastering
Ağır stereo widening
Tekrar MP3 kodlama
Clipping oluşturacak gain artışı
Aşırı noise reduction

Ayırma işlemi mümkün olduğunca orijinal dosya üzerinden yapılmalıdır.

2. Dosyayı Ableton’a aktarın

Şarkıyı Arrangement View içine yerleştirin.

Parçaya istemeden yanlış Warp veya tempo işlemi uygulanmadığını kontrol edin.

Kaynak dosyanın hızı doğruysa gereksiz zaman esnetme, stem ayrımından önce ses kalitesini bozabilir.

3. High Quality ile ayırın

Ses klibine sağ tıklayın ve:

Separate Stems to New Audio Tracks

seçeneğini kullanın.

Ardından şu kaynakları seçin:

Vocals
Drums
Bass
Others
High Quality

Yalnızca vokale ihtiyacınız varsa diğer kaynakları seçmek zorunda değilsiniz. Ancak tam bir yeniden prodüksiyon için dört kanalı da oluşturmak daha kullanışlıdır.

4. Orijinal miksle karşılaştırın

Bütün stemleri birlikte çaldığınızda ortaya çıkan sesin orijinal karışıma ne kadar yaklaştığını kontrol edin.

Şu soruları sorun:

Vokal heceleri eksik mi?
Kick attack bölgesi korunmuş mu?
Basın alt frekansları yeterli mi?
Hi-hat vokale sızıyor mu?
Stereo görüntü daralmış mı?
Reverb kuyrukları kesilmiş mi?
Stemler birlikte çaldığında faz sorunu oluşuyor mu?
Others kanalında belirgin vokal kalıntısı var mı?

Stemleri yalnızca solo olarak değil, birlikte de dinleyin.

Solo hâlde biraz kirli duyulan bir stem, tam miks içinde kullanılabilir olabilir.

5. Sorunlu bölümleri yeniden ayırın

Bütün şarkıyı yeniden işlemek yerine yalnızca sorunlu bölgeyi seçebilirsiniz.

Örneğin:

Nakarattaki vokal bozuksa sadece nakaratı ayırın.
Intro’da yalnızca piyano varsa sadece intro bölümünü işleyin.
Davul geçişinde artefakt varsa yalnızca birkaç ölçüyü yeniden oluşturun.
Vokalsiz altyapı gerekiyorsa vokal dışındaki stemleri birleştirin.

Bölgesel çalışma, hem daha hızlıdır hem de farklı sonuçları karşılaştırmayı kolaylaştırır.

Stemleri profesyonel biçimde temizlemek

Vokal

Gereksiz düşük frekansları azaltın.
Metalik tizleri sert biçimde kesmek yerine dinamik EQ kullanın.
Kısa sızıntıları clip gain veya otomasyonla azaltın.
Sert gate kullanmayın; kelimelerin başını veya sonunu kesebilir.
Yeni reverb ve delay’i temiz vokal üzerinden yeniden oluşturun.
De-reverb işlemini aşırı kullanmayın; vokal plastikleşebilir.

Davul

Kick ve snare transientlerini koruyun.
Zayıf vuruşları temiz sample’larla destekleyin.
Aşırı transient shaping, metalik artefaktları büyütebilir.
Hi-hat bölgesindeki dijital kalıntıları otomasyonla kontrol edin.
Çok kötü ayrılan davul stemini MIDI tetikleyici olarak kullanıp davulları yeniden kurabilirsiniz.

Bas

Kick ile çakışan alanları sidechain veya dinamik EQ ile yönetin.
Çok kirli bas stemini yükseltmek yerine notaları yeniden çalın.
Temiz bir sub synth ekleyin.
Ayrılmış bas stemini orta frekans karakteri veya doku olarak kullanın.
Mono uyumluluğunu kontrol edin.

Others

Others kanalında gitar, piyano, synth, pad ve efektler birlikte bulunabilir.

Bu kanal üzerinde:

Bölgesel kesimler yapılabilir
Gerekli sesler resample edilebilir
Sorunlu frekanslar otomasyonla azaltılabilir
Zayıf bölümler yeni enstrümanlarla yeniden çalınabilir
Orijinal kanal düşük seviyeli bir doku olarak kullanılabilir

İleri düzey temizleme programları

Ableton ana stem ayırıcı olarak kullanılabilir. Daha zor problemler için özel yazılımlardan yararlanılabilir.

Ultimate Vocal Remover 5

Ücretsizdir ve farklı açık kaynak model ailelerini tek arayüz içinde denemeye izin verir.

Özellikle vokal ayırmada ikinci bir sonuç almak için kullanılabilir.

Steinberg SpectraLayers

Sesleri spektral katmanlar hâlinde görüntüler.

Vokal kanalına sızan hi-hat veya enstrüman kanalında kalan vokal gibi sorunları görsel olarak seçip azaltmak için uygundur.

iZotope RX

Ayırmadan çok onarım alanında güçlüdür.

Şu sorunlarda kullanılabilir:

Clipping
Klik ve patlamalar
Dip gürültüsü
Reverb kalıntıları
Bozulmuş transientler
Spektral sızıntılar

RipX DAW

Sesleri nota seviyesinde analiz etmeye ve düzenlemeye çalışır.

Özellikle bas, piyano, gitar veya melodik bir partiyi yeniden çalmak için nota tahmini alınabilir.

Suno stemleri tamamen gereksiz mi?

Hayır.

Ableton benim testimde daha temiz temel stemler verdi. Ancak Suno’nun sistemi belirli durumlarda yardımcı araç olarak kullanılabilir.

Örneğin:

Others kanalındaki gitarı ayrıca aramak
Piyano veya üflemeli bir enstrümanı çıkarmayı denemek
Parçanın düzenini çok sayıda kategoriyle incelemek
Suno Studio içinde üretime devam etmek
Ableton sonucuna alternatif bir stem üretmek
Belirli bir enstrümanın varlığını araştırmak

En doğru yaklaşım tek bir yazılıma bağlı kalmak değildir.

Ancak temel çalışma sistemim şu şekilde olmalıdır:

Suno’dan orijinal WAV → Ableton High Quality → sorunlu kanallarda ek temizlik → yeniden aranjman → miks ve mastering

Daha fazla kanal mı, daha iyi ses mi?

Bir stem ayırma sistemi değerlendirilirken yalnızca kanal sayısına bakmak doğru değildir.

Bir sistemin on iki, diğerinin dört stem vermesi ilk bakışta on iki stemli sistemi daha gelişmiş gösterebilir.

Profesyonel prodüksiyonda asıl sorular şunlardır:

Vokal gerçekten temiz mi?
Davul transientleri korunuyor mu?
Basın fazı ve gövdesi sağlam mı?
Stemler birlikte çaldığında miks bozuluyor mu?
Artefaktlar düzenlenebilir seviyede mi?
Sistem aynı işi tekrar yaparken tutarlı mı?
Kanallar DAW içinde rahatça işlenebiliyor mu?
Ayrılan sesler final prodüksiyonda gerçekten kullanılabiliyor mu?

Kullanılamayan on iki kanal yerine, temiz dört kanal çoğu zaman daha değerlidir.

Sonuç

Suno, yapay zekâ ile müzik oluşturmak için son derece güçlü bir platformdur.

Ancak Suno’dan indirilen standart şarkı, bağımsız stüdyo kanallarının saklandığı geleneksel bir multitrack proje değildir. Kullanıcıya sunulan sonuç önceden mikslenmiş bir stereo dosyadır.

Stem ayırma özelliği bu tamamlanmış karışımı daha sonra analiz ederek vokal, davul, bas ve diğer kaynakları tahmin etmeye çalışır.

Ableton Live ise daha az kategori üretmesine rağmen stem ayırmayı profesyonel bir müzik prodüksiyonu ortamıyla birleştirir.

High Quality modu, yerel işlem, ayrıntılı düzenleme araçları ve doğrudan DAW entegrasyonu pratikte daha güvenilir bir çalışma sistemi oluşturur.

Kendi karşılaştırmamın sonucu açık:

Suno’nun kendi sisteminden daha fazla sayıda stem elde ettim. Ableton’dan ise daha temiz, daha doğal ve profesyonel olarak kullanılabilir kanallar elde ettim.

Bu nedenle yapay zekâ ile oluşturduğum parçalar için ana stem ayırma sistemim:

Ableton Live — High Quality

Suno’yu yaratıcı başlangıç noktası, Ableton’ı ise şarkının profesyonel olarak ayrıldığı, yeniden kurulduğu, düzenlendiği ve tamamlandığı prodüksiyon ortamı olarak kullanmak daha doğru görünüyor.

Kaynaklar ve yararlı bağlantılar

Farklı programların çoğu zaman benzer temel motorları ve model ailelerini kullandığını unutmayın !! Bu nedenle yalnızca ürün adına değil uygulama biçimine ve elde edilen gerçek sonuca odaklanmayı unutmayın. Sevgiler,

AI Üretimi Görselleri Ayırt Etmek Neden Zorlaştı? (Ve Nasıl Kontrol Edebiliriz?)

2025-12-27T12:33:00.002+03:00

Dijital Gerçekliğin İzinde: AI Image Detector - Forensic Analysis Platform

Bu Görsel Gerçek mi, AI mı?

Son zamanlarda sosyal medyada karşımıza çıkan bazı fotoğraflar, ekran görüntüleri ve “haber” görselleri çok gerçekçi görünüyor. Üstelik bu içerikler bazen iyi niyetle, bazen de kasıtlı olarak hızlıca yayılıyor.

Ama şunu unutmayalım:
Bir içerik “duygusal” ya da “çok gerçekçi” görünse bile gerçek olmayabilir.
Bu yüzden paylaşmadan önce kısa bir kontrol alışkanlığı edinmek önemli.

Bu yazıda, açık kaynak geliştirdiğimiz AIDetector adlı aracın ne işe yaradığını, nasıl kullanılacağını ve bu projeyi nasıl büyütebileceğimizi anlatıyorum.

AIDetector nedir?

AIDetector, yüklediğiniz bir görseli analiz ederek onun AI üretimi olma olasılığı hakkında bir tahmin sunan bir araçtır.

Araç; örneğin:

Görseldeki AI izlerini (doku/renk imzası, gürültü paterni vb.),
Dosya metadatasını (EXIF) ve kameraya dair alanların olup olmadığını,
Bazı teknik tutarsızlıkları
inceleyerek bir “olasılık” raporu üretir.

Neden böyle bir araca ihtiyaç var?

Çünkü bugün:

Yapay zekâ ile üretilen görseller gerçeğe çok yakın olabiliyor.
Bazı görüntüler kırpılıp yeniden kaydedildiğinde metadata kaybolabiliyor.
Yanlış bir görselin yayılması; insanlara, kurumlara ve topluma zarar verebiliyor.

Özetle:
Paylaşmadan önce 10 saniyelik kontrol, bazen büyük yanlışların önüne geçebilir.

Örnek: “AI Üretimi” uyarısı nasıl görünüyor?

Arayüzde bir görsel analiz edildiğinde:

“Bu görsel büyük olasılıkla AI üretimi” gibi bir uyarı,
Güven seviyesi,
“AI üretim olasılığı” grafiği,
Teknik analiz kırılımları (örn. metadata/EXIF durumu)
görüntülenir.

Bu ekranı bir “hakem kararı” gibi değil, paylaşmadan önce durup tekrar düşünmemizi sağlayan bir uyarı gibi değerlendirmek gerekir.

Günümüzde yapay zeka (AI) tarafından üretilen görseller, gerçeğinden ayırt edilemeyecek bir noktaya ulaştı. Midjourney, DALL-E ve Flux gibi araçlar büyüleyici sonuçlar sunsa da, dijital dünyada dezenformasyonla mücadele etmek ve görsellerin orijinalliğini doğrulamak her zamankinden daha kritik bir hale geldi.
Bu ihtiyaca yanıt vermek adına geliştirdiğimiz AI Image Detector, basit bir olasılık tahmininin ötesine geçerek görseller üzerinde adli bilişim (forensics) düzeyinde derinlemesine analiz yapan bir platformdur.

Neden Sadece Bir "Detector" Değil?

Piyasadaki pek çok araç sadece tek bir model üzerinden analiz yaparken, bizim platformumuz kanıt temelli (evidence-based) bir yaklaşım sergiler. İşte platformun öne çıkan temel özellikleri:

🧠 Çoklu Model Analizi (Ensemble Detection)

Sistem, birden fazla yapay zeka tespit modelini aynı anda çalıştırır. HuggingFace Transformers ve CLIP anlamsal analizi sayesinde, görselin bir fotoğrafa mı yoksa yapay zeka üretimi bir illüstrasyona mı ait olduğu %90+ doğrulukla tespit edilir.

🔍 Adli Metadata ve Provenans Analizi

Görselin "dijital parmak izini" sürüyoruz. 50'den fazla metadata alanını (EXIF, XMP, IPTC) tarayarak kamera verilerini, GPS konumlarını ve 20'den fazla AI aracına (Midjourney, Stable Diffusion vb.) ait yazılım imzalarını doğruluyoruz.

🗺️ Isı Haritası ve Manipülasyon Tespiti

Uygulama, görsel üzerinde yapılan yerel müdahaleleri (ekleme, silme, montaj) görselleştirir. Isı haritaları (heatmaps) sayesinde, görselin hangi bölgelerinde anormallik olduğu adli kanıtlarla desteklenerek kullanıcıya sunulur.

🖋️ OCR ve Metin Adli Analizi

Yapay zekanın en çok zorlandığı konulardan biri olan metin yerleştirme üzerine yoğunlaştık. `text_forensics.py` modülümüz, görseldeki yazıların karakter yapılarını analiz ederek AI kaynaklı tipografik hataları yakalar.

🔬 Diffusion Fingerprinting (Jeneratör Parmak İzi)

Gelişmiş jeneratör parmak izi modülümüzle, görselin frekans domainindeki anomalilerini tespit ediyoruz. Bu sayede modern difüzyon modellerinin bıraktığı mikro izleri bile görebiliyoruz.

Teknik Mimari ve Kullanım

Uygulama, yüksek performanslı bir FastAPI backend yapısı üzerine kurulmuştur. Modern, karanlık tema destekli ve "Glassmorphism" efektli arayüzü ile hem masaüstü hem de mobil cihazlarda kusursuz bir deneyim sunar. Ayrıca Türkçe ve İngilizce dil desteği sayesinde evrensel bir kullanım imkanı sağlar.

Analiz Süreci Nasıl İşliyor?

Yükleme: Orijinal dosyayı sürükle-bırak yöntemiyle sisteme aktarırsınız.
Analiz: Sistem; metadata, frekans analizi, CLIP anlamsal analizi ve manipülasyon testlerini saniyeler içinde tamamlar.
Raporlama: Size 5 farklı teknik boyutta detaylı bir adli rapor sunulur.

Açık Kaynak Gücü

Bu projeyi, dijital güvenliğe ve şeffaflığa katkı sağlamak amacıyla açık kaynak olarak geliştirmeye devam ediyoruz. 2025 hedeflerimiz arasında Sora ve Runway gibi araçlar için "Video AI" tespiti ve blockchain tabanlı doğrulama sistemleri yer alıyor.
🚀 Projeyi incelemek ve katkıda bulunmak için GitHub sayfamızı ziyaret edebilirsiniz: https://github.com/WeAreTheArtMakers/AIDetector
Dijital dünyada gözlerinizin gördüğüne güvenmeden önce, verilerin ne dediğine bakın.

Son söz: Paylaşmadan önce kontrol et

Bugün internette en hızlı yayılan şey bilgi değil; duygu.
Bu yüzden “hemen paylaş” refleksi yerine “önce kontrol et” refleksi geliştirelim.

AIDetector bu refleksi güçlendirmek için küçük bir araç.
Eğer sen de bu projeye katkı vermek istersen GitHub’dan bekleriz. 🙌

Made with ❤️ by WATAM

#AIDetector #YapayZeka #Dezenformasyon #MedyaOkuryazarlığı #OpenSource #GitHub

modKitten Generative Synth Wave Kitten With Glasses

2022-10-15T14:58:00.000+03:00

The artworks above were made with the same algorithm It calls modKitten you can find information about the modKitten

Released under a Creative ML OpenRAIL-M license, the model is allowed for commercial and non-commercial usage.

The code and model card of Stable Diffusion is available on GitHub and HuggingFace.

The artworks below were made with the same algorithm It calls modKitten.

Sponsored by mOpen Finance

#ai #content #github #texttoimage #computationalDrawings #nodofconnections #watam #wearetheartmakers #modkitten #NFT #streetmoney #cryptospace #synthWave #retroPunk

Ubuntu 18.04'da Sorunlu Bluetooth mimarisi ve Çözümü

2019-12-29T20:26:00.000+03:00

Açık kaynak yazılım günleri için üzerinde çalıştığımız projeler için kurulum gerçekleştirdiğim ve artık uzun süre kullanmayı planladığım Ubuntu işletim sistemini incelerken, 18.04 sürümünün temel kurulum sonrası bazı bilgisayar aygıtlarının kullanılamadığını farkettim, bunlardan biri de bluetooth problemi. Sorunun nedenini araştırmaya başlayınca nedenlerden birinin bluez'in 4.48 sürümünde (varsayılan olarak Ubuntu 18.04 ile gönderilen) bir hata olduğunu öğrendim.

Çözümünü aşağıya yazıyorum işine yarayan kodları ve konutları takip ederek sorunu çözebilirler.

Öncelikle Terminali açın ve aşağıdaki komutla sisteminizdeki geçerli bluez sürümünü (versiyonu) kontrol edin:

dpkg --status bluez | grep '^Version:'

Bluez'in son sürümünü edinmek için aşağıdaki kodu terminale kopyalayıp yapıştırın

sudo add-apt-repository ppa:bluetooth/bluez
sudo apt-get update

Yukarıdaki komutu çalıştırdıktan sonra bluez 5.50 sürümüne güncelleme yapabilirsiniz aşağıdaki kodu terminale yapıştırıp güncelleyin.

sudo apt upgrade

Yeni bluez sürümünü indirip yükledikten sonra bluetooth erişimindeki bağlantı kesme ve açma eylemleri sırasında daha kararlı bir davranış edeceksiniz. İleri sorun çözümleri için aşağıdaki linkleri takip edip, bluez 4.48' ve 5.50 deki hataları ve potansiyel hataların çözümlerini takip edebilirsiniz.

Aşağıdaki kod, sistemin doğru bluetooth cihazı türünü algılaması için gereken dosya yapılandırmasını ekleyerek sorunu çözer. Her şeyden önce, tüm bağımlılıkların sisteme yüklendiğinden emin olun ve aşağıdaki kodu kullanarak aygıtları yükleyin.

sudo apt install pulseaudio pulseaudio-utils pavucontrol pulseaudio-module-bluetooth

Yukarıdaki doğrulamadan sonra aşağıdaki ses yapılandırma dosyasını düzenlemeniz gerekiyor bu dosya yoksa oluşturun (18.04'te bu dosya mevcut değil)

Terminali açın ve şu kodu yazın

sudo nano /etc/bluetooth/audio.conf

Şifreniz, girdikten sonra. Aşağıdaki satırları terminalde nano editorle ekleyin:

    # This section contains general options
        [General]
        Enable=Source,Sink,Media,Socket

Dosyayı kaydedin ve bluetooth hizmetini aşağıdaki kodla yeniden başlatın.

sudo service bluetooth restart

İşlem tamam artık bluetooth cihazınız ubuntu 18.04 sürümünde düzgün çalışmaya başlayacak.

What A Wonderfull World !

2012-10-04T04:17:00.001+03:00

"What a Wonderful World" is a song written by Bob Thiele (as "George Douglas") and George David Weiss. It was first recorded by Louis Armstrong and released as a single in 1968. Thiele and Weiss were both prominent in the music world (Thiele as a producer and Weiss as a composer/performer). Armstrong's recording was inducted in the Grammy Hall of Fame in 1999 "

Louis Armstrong: Million selling original version

Source : http://goo.gl/x7i0B

Music by Louis Armstrong
Real-Time Video Abstraction by Baran Güleşen

Digital Art by Baran Gulesen

2012-10-03T03:31:00.002+03:00

by Baran Güleşen

Reacted Visual Mass

2012-10-01T06:06:00.001+03:00

Digital Rorschach Test Page for my net friend Olaf

video installation

Threshold Photography

2012-09-23T16:52:00.001+03:00

Threshold photography is not an official name in photography art. This is just an explanation to understand clearly what does mean the threshold in digital domain. For example this picture was taken by MacOS' program name is Photo Both , Effect name is "Comic Book" lets think again, Is it comic ? :)
I think, It depens on.... It is not. However, it is very enough to take some information how can we change colors and image something like that. This is a short writing about threshold in digital domain. I try to explain how it works according to my personal studies.

I think, best way to explain in my mind I'm going to give an another example, lets think about sound processing. Threshold photography like a distorsion effect in sound. Playing on limits, too much harmonics and gain. These are all push the limit in analog technologies... So, we try to make big if push the limits but, if we have a not size of that, how can we increase the values, if we have limited size....Read more

Digital Drawing

2012-09-23T05:01:00.000+03:00

Code Art Series

by Baran Güleşen

Glitch Maker

2012-09-22T15:05:00.002+03:00

Glitch Maker created by Baran Gulesen with using Processing Languages. It is free and downloadable app for making colorfull glitch visual. Processing users look at the Glitch page code in there ;)

Here's a preview video:

Download Glitch Maker Software
WINOS 32Bit - WINOS 64Bit - MACOS - LINUX 32Bit - LINUX 64Bit

Visit my Glitch Maker page to get more information.

symmetry | wobbleB

2012-09-16T07:10:00.001+03:00

listen and play
symmetry | wobbleB
by Baran Güleşen

Symmetry.

2012-09-16T00:01:00.004+03:00

visit to play Albert Einstein's Symmetry

Nature & Symmetry

2012-09-15T19:53:00.000+03:00

by Baran Güleşen

vw

2012-09-15T01:43:00.000+03:00

Visual walling on my neighbor walls. by Baran Güleşen 'Komşunun duvarına' isimli projeksiyon yansıtması. Ümitköy

Outdoor Mapping & Installation

2012-09-05T07:17:00.000+03:00

Please Watch in HD
Outdoor Mapping & Installation @ ümitkoy TR

E-Mail
info[at]barangulesen[dot]com

Organic Computing

2012-09-05T06:25:00.000+03:00

Please Watch in 720p HD
Organic AV Exhibition
by Baran Güleşen
Made with Processing / After FX

Resolume Avenue (Türkçe Arayüz ve Yardım)

2012-08-30T21:47:00.000+03:00

Resolume Avenue video kliplerini sahnede canlı olarak miksleyen Vj ler, mapping ve video sanatçıları arasında sık kullanılan bir programdır. Avenue, AV performanslar, yeni video klipleri oluşturabileceğiniz bir araçtır. Eğer hızlı bir şekilde canlı görsellerle doğaçlama yapmak istiyorsanız bu programa mutlaka göz atın.

Yukarıdaki videoda da görülebileceği gibi Resolume Avenue`nun arayüzünü ingilizce bilmeyenler için türkçeleştirdim. Türkçe arayüz dil dosyasını buradan indirebilirsiniz. Zip dosyası içindeki tekst doyasındaki talimatları izleyerek dosyaları gerekli yerlere kopyalayın. Windows veya Mac işletim sistemi farketmessizin artık Resolume Avenue programını bu eklerle Türkçe kullanabilirsiniz.

Türkçeleştirme sırasında dosyaları kopyalarken sorun yaşarsanız yorum kutucuğunu kullanıp sorununuzu belirtebilirsiniz veya info[at]barangulesen[dot]com adresine 'Resolume Avenue Türkçe' konu başlıklı bir E-Mail gönderebilirsiniz. Yardımcı olamaya çalışırım.

Ekran Alıntıları

WOBBLE BASS NOTATION

2012-08-24T17:23:00.000+03:00

There are huge of fans about dub style music, especially wobble bass. Don't you think about that! Wobble bass is a key which people follow the line. Full range of frequency who doesn't care this full band noisy sound. In addition, young people hate from eachother, also they don't want to listen to all different sound when they say something, they want one :)
So, We have a new populer music style in this generation with agressive style music with wobble bass sound or instrument what you call. There are lots of tech to do this. Don't worry about which program best to do or instruments. This exm is only notation purpose to get understand clearly, how it work!
The decision is yours to big or flat to make wobble. It's completely different ambition actually. In short, creation of sound is completely different from that.

In this ex. I try to achieve to build a notation system to write wobble bass rhythm notation. Please follow the LFO rate knob. :) I throw the musical notation system at this time. Because, It is boring. Press any key, what you feel! It is mean that this is lfo rhythm notation to use on wobble bass sound. You should use LFO rate parameter to cut your H freq. In this exm. I build a basic notation system to make computational, just making a scheme to think basically when perform.

Enjoy!

Create yours ~

2012-08-22T19:19:00.000+03:00

Digital Art

2012-08-12T11:16:00.000+03:00

by Baran Güleşen

About Interactive Wassily Kandinsky Exhibition

2012-07-27T16:36:00.000+03:00

The Creators Project in Brazil interested in my Wassily Kandinsky project. They would like to know more details about the exhibiton. Therefore, We made a little interview with Fergs Heinzelmann.

Here are my answers to Fergs Heinzelmann's questions.

- What's "Wassily Kandinsky" about?
Wassily Kandinsky is one of the most creative artists of the 20th century. In addition, he is one of the very rare artists in the history, who has developed theories for art and become a source of inspiration for today’s artists. This is an interactive exhibition which adapts the sincere sentences of the artist reflected in the name of his works like “inner necessity”, “emotional perception”; his paintings with representative characteristics which are free of color and form; the form and perception that he added to his abstract style, his attitude toward the art of painting which he dealt with theoretically in an experimental way. We can call the description of colors via moods, the experiential links between the sound and the tone, the expression of the world through forms and colors, and the interaction of the theories with the spectators “Wassily Kandinsky”.

- How were the Kandinsky paintings converted to video? Have you used images from the actual paintings, or just forms and colors that remind his work?
In this exhibition, I dealt with the experimental works of Kandinsky from 1914 to 1944, which were about forms and colors. Kandinsky has 133 works belonging to this period. By displaying these 133 works in triple groups on a single screen, I moved them via intertwining them with a gravity function. The motion of each of the piled works with different gravity functions enabled the formation of my video.

- What software and techniques were used to animate and construct the video?
I used the extended Pure Data program with open-source library in this work. Pure Data is a programming language which enables us to establish new systems by writing the code blocks into small boxes and then merging these boxes. As I said before, I used the gravity function in order to fuse the works. To be more precise, this spring mass system works with a harmonic oscillation. While you are handling with spring mass, you have some variables which are related to the mass and oscillation motion. As you can change the constancy of the mass, you can change the oscillatory force at real time and control it from the Pure Data at real time. For the interaction, I established a motion perception and pursuit system. The pursuit system changes the size and gravitation of the mass (of each painting) and controls the intertwining motion. To make the long story short, the change of the image on the screen is done through the pursuit of the motion via camera.

- You said that it is supposed to be an interactive installation. How will this interactive part work? When the people in the place of installation, this could be an exhibition hall, come closer to or walk away from the screen or move right and left or just with the gestures of theese people, the layers are activated with different reactions. The pursuit system which pursues the spectator makes this work interactive. Calculating algorithmic parameters are internal to this process in all of the changes that occur within the installation place or the exhibition hall and perceived by the cameras. Motion changes the algorithm calculations and activates the work of Wassily Kandinsky. Furthermore, the audio design samples that I created in advance are processed in Pure Data. The algorithm calculations which enable me to make changes on the vision are also effective on audio track.

- Do you know how, when and where is it going to be exhibited?
When an idea pops up in my mind, first of all, I study on how I will put that idea into action. Then I try to realize this idea in my mini studio, STUDIOBRN. Since I live in Turkey, in case of an invitation, this exhibition can be held in İstanbul or Ankara. On the other hand, I don’t think that I will refuse an invitation from abroad. In short, there is no reason for this exhibition not to be held as long as there is an invitation from an exhibition and the time and the conditions are convenient.

Check out the link to read Portuguese version.

Computational Drawing

2012-07-24T13:34:00.001+03:00

About Donation

I have created the association STUDIOBRN to raise the funds needed for my Artworks, the blog page maintenance and the promotion and diffusion of STUDIOBRN, Fantastic Computational Artwork. If you like my artworks, you can donate it, then I will create new one. Thanks for your attention.

~ leaf

2012-07-22T13:32:00.001+03:00

Astonisment - Digital Artwork

2012-07-13T07:28:00.003+03:00

by Baran Güleşen

Computational Abstract Artworks

2012-07-10T08:34:00.000+03:00

avant-garde

Yapay zekayla üretilen müziği profesyonel kanallara ayırmak ve gerçekler...

Stem tam olarak nedir?

Yapay zekâ ile üretilen müzik neden daha zor ayrılabilir?

Görsel 1

Ses artefaktı nedir?

Suno’nun stem sistemi ne sunuyor?

Auto Split

Split from Mix

Advanced Split

Ableton Live’ın stem ayırma sistemi

High Speed

High Quality

Kendi karşılaştırmamda Ableton neden daha iyi çıktı?

1. Ableton dört güçlü kategoriye odaklanıyor

2. High Quality modu farklı kaynaklara odaklanıyor

3. Ableton tam kapsamlı bir prodüksiyon ortamıdır

4. Yerel çalışma önemli bir avantajdır

Suno ve Ableton karşılaştırması

Ableton da orijinal kanalları geri getirmez

Suno’dan Ableton’a önerilen çalışma sistemi

1. En kaliteli dosyayı indirin

2. Dosyayı Ableton’a aktarın

3. High Quality ile ayırın

4. Orijinal miksle karşılaştırın

5. Sorunlu bölümleri yeniden ayırın

Stemleri profesyonel biçimde temizlemek

Vokal

Davul

Bas

Others

İleri düzey temizleme programları

Ultimate Vocal Remover 5

Steinberg SpectraLayers

iZotope RX

RipX DAW

Suno stemleri tamamen gereksiz mi?

Daha fazla kanal mı, daha iyi ses mi?

Sonuç

Ableton Live — High Quality

Kaynaklar ve yararlı bağlantılar

AI Üretimi Görselleri Ayırt Etmek Neden Zorlaştı? (Ve Nasıl Kontrol Edebiliriz?)

Dijital Gerçekliğin İzinde: AI Image Detector - Forensic Analysis Platform

Bu Görsel Gerçek mi, AI mı?

AIDetector nedir?

Neden böyle bir araca ihtiyaç var?

Örnek: “AI Üretimi” uyarısı nasıl görünüyor?

Neden Sadece Bir "Detector" Değil?

Piyasadaki pek çok araç sadece tek bir model üzerinden analiz yaparken, bizim platformumuz kanıt temelli (evidence-based) bir yaklaşım sergiler. İşte platformun öne çıkan temel özellikleri:

🧠 Çoklu Model Analizi (Ensemble Detection)

Sistem, birden fazla yapay zeka tespit modelini aynı anda çalıştırır. HuggingFace Transformers ve CLIP anlamsal analizi sayesinde, görselin bir fotoğrafa mı yoksa yapay zeka üretimi bir illüstrasyona mı ait olduğu %90+ doğrulukla tespit edilir.

🔍 Adli Metadata ve Provenans Analizi

Görselin "dijital parmak izini" sürüyoruz. 50'den fazla metadata alanını (EXIF, XMP, IPTC) tarayarak kamera verilerini, GPS konumlarını ve 20'den fazla AI aracına (Midjourney, Stable Diffusion vb.) ait yazılım imzalarını doğruluyoruz.

🗺️ Isı Haritası ve Manipülasyon Tespiti

Uygulama, görsel üzerinde yapılan yerel müdahaleleri (ekleme, silme, montaj) görselleştirir. Isı haritaları (heatmaps) sayesinde, görselin hangi bölgelerinde anormallik olduğu adli kanıtlarla desteklenerek kullanıcıya sunulur.

🖋️ OCR ve Metin Adli Analizi

Yapay zekanın en çok zorlandığı konulardan biri olan metin yerleştirme üzerine yoğunlaştık. text_forensics.py modülümüz, görseldeki yazıların karakter yapılarını analiz ederek AI kaynaklı tipografik hataları yakalar.

🔬 Diffusion Fingerprinting (Jeneratör Parmak İzi)

Gelişmiş jeneratör parmak izi modülümüzle, görselin frekans domainindeki anomalilerini tespit ediyoruz. Bu sayede modern difüzyon modellerinin bıraktığı mikro izleri bile görebiliyoruz.

Teknik Mimari ve Kullanım

Analiz Süreci Nasıl İşliyor?

Yükleme: Orijinal dosyayı sürükle-bırak yöntemiyle sisteme aktarırsınız.Analiz: Sistem; metadata, frekans analizi, CLIP anlamsal analizi ve manipülasyon testlerini saniyeler içinde tamamlar.Raporlama: Size 5 farklı teknik boyutta detaylı bir adli rapor sunulur.

Açık Kaynak Gücü

Son söz: Paylaşmadan önce kontrol et

Made with ❤️ by WATAM

modKitten Generative Synth Wave Kitten With Glasses

Ubuntu 18.04'da Sorunlu Bluetooth mimarisi ve Çözümü

What A Wonderfull World !

Digital Art by Baran Gulesen

Reacted Visual Mass

Threshold Photography

Digital Drawing

Glitch Maker

symmetry | wobbleB

Symmetry.

Nature & Symmetry

vw

Outdoor Mapping & Installation

Organic Computing

Resolume Avenue (Türkçe Arayüz ve Yardım)

Yapay zekanın en çok zorlandığı konulardan biri olan metin yerleştirme üzerine yoğunlaştık. `text_forensics.py` modülümüz, görseldeki yazıların karakter yapılarını analiz ederek AI kaynaklı tipografik hataları yakalar.

Yükleme: Orijinal dosyayı sürükle-bırak yöntemiyle sisteme aktarırsınız.
Analiz: Sistem; metadata, frekans analizi, CLIP anlamsal analizi ve manipülasyon testlerini saniyeler içinde tamamlar.
Raporlama: Size 5 farklı teknik boyutta detaylı bir adli rapor sunulur.