有視頻未必有真相！英偉達們推出AI鑒假工具，實測來了

經常在互聯(lián)網上被AI視頻假冒的黃仁勛決定出手了。

近日，英偉達宣布推出Synthetic Video Detector NIM，這套工具號稱可以逐幀分析視頻，通過生成模型留下的統(tǒng)計與頻域痕跡，分析出哪些內容是AI生成的視頻，準確率最高可達92%。

（圖源：英偉達）

沒辦法，誰讓現(xiàn)在生成假圖、做假視頻的門檻越來越低。

就拿我前陣子刷到的一個視頻為例，內容蠻簡單的，一只貓剛把花瓶碰碎，轉頭就溜得比誰都快，旁邊的狗子當場愣住，瘋狂揮爪解釋，表情像是在說：不是我，真的不是我。

（圖源：抖音）

挺好笑的對吧，如果不是AI視頻就更好了。

更麻煩的是，以前判斷假視頻，還能靠一些比較明顯的畫面破綻，比如說什么嘴型對不上、手指數(shù)量不對啊；現(xiàn)在視頻生成模型進步速度飛快，很多生成內容已經不會給我們留下這么明顯的漏洞，也難怪我家里的長輩能天天上鉤。

既然普通人不知道應該怎么辨別，那也是時候該輪到檢測工具上場了。

英偉達加入“用AI檢測AI視頻”大軍

先簡單介紹一下，英偉達在2024年3月公布了NVIDIA Inference Microservices，簡稱NIM，這玩意本質上就是把“模型+推理+API接口+運行環(huán)境”等打包成一個部署工具，算是一種讓開發(fā)者快速獲得AI服務的辦法。

而這次發(fā)布的Synthetic Video Detector NIM，可以理解成英偉達在NIM標準下打包的一套AI視頻檢測服務。

正因為這玩意主要面向的場景是本地部署，目前想要在線使用必須通過英偉達的媒體測試申請，而本地部署又需要Linux系統(tǒng)和兼容NVENC/NVDEC視頻編解碼的硬件，普通人想用上還挺困難的。

（圖源：英偉達）

不過用不上，不影響我們借著目前的資料和演示好好聊一聊。

根據(jù)官方介紹，視頻上傳后，SVD NIM會先把H.264編碼的MP4拆成畫面幀，再交給DINOv2和DINOv3組成的視覺模型分析，再給每一幀打分并匯總，告訴你整段視頻到底有多像AI生成。

重點是，它不會盯著六根手指、人物穿模或者水杯突然消失這種傳統(tǒng)藝能。

按照官方說法，SVD NIM識別的是生成和去噪過程中留下的底層統(tǒng)計特征、頻率異常，以及正常相機不太容易拍出來的像素規(guī)律，即便用戶將視頻進行壓縮和重新編碼，也依然能夠保證較高的識別概率。

（圖源：英偉達）

參考官方提供的案例，可以看到這個視頻本身并沒有出現(xiàn)早期AI視頻特有的各種畫面崩壞、前后不一的問題，但SVD NIM卻給出了高達99%的綜合得分。

當然這視頻確實一眼假...畢竟運鏡有點太平滑了。

（圖源：英偉達）

要我說，英偉達這套思路確實比盯著畫面里的破綻要靠譜些。

畢竟要在沒有前情提要的情況下，給大伙看下面這段視頻，我想至少有八成左右的人看不出這是完全由AI生成的，現(xiàn)在Seedance和Kling的視頻生成能力就是有這么恐怖。

（圖源：bilibili）

按照英偉達的說法，他們準備了超過4000個視頻的內部測試集，SVD NIM檢測的成功率居然高達85.64%，未壓縮視頻的準確率更是高達92%。

當然了，92%的準確率不能理解成一測一個準。

盡管在宣傳稿里沒說，但英偉達在說明文檔里還是有標注的，這么高的準確率是由偏嚴格的閾值采樣的，在真實環(huán)境中可能造成大量誤判，所以這玩意更適合給視頻網站做初篩，出現(xiàn)可疑素材的話，還是應該交給人工繼續(xù)核實。

而且這個準確率還是基于H.264編碼的MP4格式視頻得到的，任何轉碼和壓縮都會降低準確率，只能說老黃的免責聲明還是太專業(yè)了。

反AI實測：朱雀還行，反詐中心不穩(wěn)定

目前來說，英偉達這套SVD NIM確實離普通用戶還有點遠。

不過國內其實也有類似定位的檢測工具，直接打開就能用，其中一個是騰訊朱雀AI檢測助手，另一個是反詐中心App里的“AI內容鑒定”，兩款應用均支持文字/圖片/視頻檢測，每天也有一定次數(shù)的免費檢測。

為了看看AI抓AI到底靠不靠譜，我準備了一組混合測試：

幾張由主流模型直接生成的圖片、幾張手機實拍照片；一段精心挑選的AI視頻，再搭配Vlog題材的真實視頻，我還把部分素材發(fā)過微信、截過圖，準備看看它們應對二次壓縮的表現(xiàn)怎么樣。

第一輪，來點AI視頻。

（圖源：bilibili）

這段視頻本身我覺得是很不錯的，略顯模糊的分辨率、微微晃動的模擬鏡頭和角色的動作神態(tài)融合在一起，真的很有老電影的感覺，制作者手繪了大量的分鏡圖供模型參考，可以說完全發(fā)揮了Seedance的制作能力。

于是騰訊朱雀第一個就栽了。

（圖源：雷科技）

作為對比，我找一個通過了媒體申請的朋友借了騰訊朱雀的賬號，可以看到SVD NIM給出了高達93%的綜合得分，意味著這個視頻高概率是AI合成的，同時逐幀檢測的疑點也在坐標系上標注出來了。

就是這個檢測速度確實不快，13s的視頻檢測了兩分鐘。

（圖源：雷科技）

更牛的還是反詐中心內容檢測，我愣是試了半個小時沒能傳上去，最后只能作罷。

第二輪，換上真實視頻。

（圖源：雷科技）

當然了，不能是那種簡單的真實視頻，我選了一個很多視頻生成模型都喜歡模仿的Vlog視頻，制作者用的相機不錯，鏡頭過渡順滑自然，街頭光影也很有質感，屬于一眼真假莫辨的水平。

您猜怎么著，咱們騰訊朱雀又翻車了。

（圖源：雷科技）

英偉達這邊相對還是要強不少的，雖然也給出了34%的綜合得分，但這畢竟是個參考數(shù)值，這個意味著模型檢測到的合成內容證據(jù)不多。

（圖源：雷科技）

至于反詐中心，我還是沒有上傳成功，要是有老人家真的想用這功能那就受罪咯。

接下來換圖片，這個就不詳細介紹了，總之是同一個題材下的真實圖片，以及兩張由豆包、image 2制作的AI圖片，后面兩個均通過后期、壓縮抹除水印。

（圖源：雷科技，從左到右為豆包、image2和真實照片）

結果剛想夸朱雀這次認出AI圖了，它就整了一個真實照片也是AI的好活。

（圖源：雷科技）

相反，之前折騰了好幾次沒傳上視頻的內容檢測，這次倒是做到三題全對，看來反詐中心在算法上還是有些優(yōu)勢的。

（圖源：雷科技）

最后吐槽一點，這兩家給的免費次數(shù)都不多，真遇到啥事還不一定夠用咧。

AI識別很弱，但總比沒有要強一點

這一輪測下來，我對AI檢測工具的信心，只能說比沒有強一點。

視頻這塊，英偉達表現(xiàn)還行，騰訊朱雀完全靠不住，居然能得出相反的答案；圖片相對會好一些，但是騰訊朱雀依然能整出真圖當假圖的好活，而反詐中心內容檢測的服務器則大部分時候都是爆滿的，根本上傳不了內容。

這機器自己都拿不準，人就更別急著拿檢測截圖去評論區(qū)斷案了。

在我看來，相比事后猜一張圖有沒有AI味，生成時直接留下水印和來源記錄，顯然更加靠譜。

如今谷歌已經在用SynthID給生成內容加隱形標記，Adobe等公司也在推動C2PA，希望把文件從生成到修改的過程記錄下來。國內也在跟進，網信辦已明確要求AI內容添加標識，騰訊、阿里和字節(jié)也在檢測、數(shù)字簽名和平臺提示上積極補課。

（圖源：雷科技）

問題是，目前這套體系還沒有完全連起來。

我去部署一個開源模型，生成的內容必然也是沒有水印的；你的圖片、視頻轉發(fā)幾次，元數(shù)據(jù)可能就沒了；至于平臺之間能不能互相認出對方的水印，就目前國內各家廠商互相防范的情況來看，同樣也是個問題。

那在這些環(huán)節(jié)真正打通以前，普通人只能自己多長個心眼了。

7月31日，主題為“與AI同游”的ChinaJoy2026重磅啟幕。
騰訊、網易、索尼、高通、邁從、清閑等共計 900 家泛娛樂展商，聯(lián)袂呈現(xiàn)全球娛樂業(yè)饕餮盛宴；
AI加持下，終端、外設、機器人、顯示、芯片等硬科技品牌，如何與游戲內容業(yè)跨界呈現(xiàn)娛樂新體驗？
由創(chuàng)始人兼總編輯羅超領銜，雷科技 ChinaJoy 2026 報道團，即將空降上海灘重磅呈現(xiàn)，敬請關注。