Setelah proses pelatihan selesai, model dapat menghasilkan video manipulatif yang tampak sangat realistis.
Namun, metode ini membutuhkan sumber daya besar, baik dari segi waktu maupun data.
2. Generative Adversarial Networks (GANs)
GANs adalah teknik pembelajaran mesin yang bekerja dengan dua komponen utama, yaitu generator dan discriminator.
Generator bertugas membuat data palsu (misalnya wajah baru) yang semakin lama semakin mirip dengan aslinya, sedangkan discriminator berfungsi untuk membedakan mana data asli dan mana yang palsu.
Dalam proses pelatihan, keduanya saling berkompetisi; semakin pintar generator menciptakan wajah palsu, semakin baik pula discriminator dalam mengidentifikasi keaslian.
Dari persaingan inilah dihasilkan konten deepfake yang kualitasnya kerap sulit dibedakan dengan konten asli.
Dengan kombinasi kedua metode tersebut, teknologi deepfake dapat menghasilkan video atau audio yang sangat meyakinkan.
Sayangnya, semakin canggih kualitas yang dihasilkan, semakin besar pula potensi penyalahgunaan, mulai dari penyebaran informasi palsu, manipulasi opini publik, hingga ancaman serius terhadap keamanan dan stabilitas sosial.