Zadání hodnotím jako nadprůměrně obtížné, protože propojuje aktuální oblast detekce syntetické řeči s novým neprozkoumaným směrem detekce založeným na biologicky motivovaných řečových markerech. Práce vyžadovala návrh vlastních fyziologických příznaků, jejich extrakci a implementaci detekčního modulu. Všechny body zadání byly splněny. V rámci řešení musela vzniknout vlastní experimentální datová sada zkompilovaná z několika existujících datových sad. Tato sada obsahuje nahrávky delší než 14 sekund, které jsou nezbytné pro vyhodnocování zvolených biologických markerů. Tento požadavek nebyl v zadání explicitně zohledněn, přesto představoval významnou část práce. V práci je dále navržen a implementován modulární extraktor respiračních, akustických a časově založených markerů. Výsledky ukazují, že zvolené biologické markery obsahují měřitelný detekční signál. Student se zaměřil na ručně navržené, interpretovatelné markery, v práci však není prozkoumána alternativa velkých předtrénovaných modelů pro zpracování řeči, což omezuje dosažené výsledky. Navržený fyziologický detektor funguje spíše jako doplňkový a interpretační zdroj informace než jako náhrada výkonných akustických modelů.

Student se zúčastnil studentské konference Excel@FIT 2026 kde získal ocenění odborným panelem, což hodnotím velmi kladně. Výstupy práce dále poslouží jako základ pro budoucí vědeckou publikaci.

Student pracoval převážně samostatně. Konzultace probíhaly spíše nárazově než pravidelně, byly však dostatečné pro průběžné usměrnění práce a řešení podstatných technických i koncepčních otázek. Student většinu připomínek zapracoval do výsledné podoby práce.

Evaluation level: zadání splněno

Zadání bylo splněno. Student navrhl a implementoval systém pro detekci syntetické řeči založený na biologických markerech lidské produkce řeči, vytvořil dataset odpovídající řešenému scénáři a provedl rozsáhlé experimentální vyhodnocení včetně ablation study a analýzy důležitosti jednotlivých skupin příznaků. Oceňuji zejména snahu o ověření generalizace na neviděných datech a kombinaci navrženého detektoru s existujícími akustickými detektory.

Práce je obecně dobře napsaná a dobře se čte. Úvod jasně vysvětluje motivaci práce, vhodně zasazuje řešený problém do kontextu a přehledně shrnuje hlavní přínosy. Teoretická část nejprve představuje moderní přístupy ke generování syntetické řeči a následně se věnuje aktuálním metodám detekce deepfake audia. Tato část působí jako kvalitně zpracovaný odborný přehled problematiky a poskytuje čtenáři potřebný kontext pro pochopení navrhovaného řešení. Velmi pozitivně hodnotím také kapitolu věnovanou biologickým markerům, která propojuje poznatky z více odborných zdrojů a vysvětluje jejich potenciální využití při detekci syntetické řeči.

Slabší stránkou je několik míst, kde práce neposkytuje dostatečný kontext nebo detail. Chybí například systematickější představení použitých datasetů a jejich omezení vzhledem k řešenému problému. Některé obrázky nejsou dostatečně zapojeny do textu, případně na ně text vůbec neodkazuje. V experimentální části bych ocenil detailnější popis konstrukce datasetu, rozdělení dat mezi části train/dev/eval a přesnější vysvětlení některých experimentálních rozhodnutí. Popis evaluace generalizace (OOD) je místy nejasný a čtenář se obtížně orientuje v rozdílu mezi jednotlivými evaluačními scénáři.

Celkově je však prezentační úroveň nadprůměrná a práce působí odborně i konzistentně.

Práci s literaturou hodnotím pozitivně. Student pracuje převážně s aktuální odbornou literaturou a prokazuje schopnost syntetizovat poznatky z více zdrojů do souvislého odborného textu. Oceňuji zejména kapitolu věnovanou biologickým markerům, která nevzniká pouze jako souhrn jednotlivých článků, ale snaží se vytvořit ucelený pohled na jejich využití v oblasti detekce syntetické řeči.

Výsledky práce mají potenciál pro další výzkum detekce syntetické řeči. Práce ukazuje, že biologické markery mohou nést užitečnou informaci a mohou být zajímavým doplňkem ke klasickým akustickým detektorům. Současně ale výsledky naznačují, že samotné biologické markery v aktuální podobě zatím nedokážou konkurovat moderním akustickým detektorům.

Pro praktickou využitelnost by bylo potřeba dopracovat několik částí. Především je nutné lépe ověřit generalizaci na neviděné mluvčí, jazyky a syntetizátory, protože právě tyto faktory budou v reálném nasazení rozhodující. Dále by bylo vhodné navrhnout propracovanější fúzi s akustickými detektory — nejen prostý průměr nebo logistickou fúzi, ale například kalibrované skórování, learned weights nebo stacking. Teprve tak by šlo spolehlivě posoudit, zda biologické markery přinášejí doplňkovou informaci.

Doporučil bych také formulovat závěry přímočařeji: současné výsledky jsou spíše negativní v tom smyslu, že samostatný detektor založený na biologických markerech není konkurenceschopný vůči silným akustickým detektorům. To ale není špatný výsledek; naopak jde o užitečné zjištění pro odbornou komunitu. Po doplnění transparentnější metodiky, kontrolovaných experimentů a silnější fúze s existujícími detektory má práce potenciál stát se zajímavým základem pro odbornou publikaci.