{"version":"https://jsonfeed.org/version/1.1","title":"AI Fake Scan 验证指南","home_page_url":"https://aifakescan.com/zh-hans/resources","feed_url":"https://aifakescan.com/zh-hans/resources/feed.json","description":"关于 AI 图片和视频来源、证据及检测局限的简体中文指南。","items":[{"id":"https://aifakescan.com/zh-hans/resources/how-to-check-if-a-photo-was-edited-with-ai","url":"https://aifakescan.com/zh-hans/resources/how-to-check-if-a-photo-was-edited-with-ai","title":"如何判断照片的局部是否经过 AI 编辑","summary":"怀疑照片局部经过 AI 编辑？了解如何比较早期图片、检查内容凭证，并谨慎解读检测结果。","date_published":"2026-11-17T05:50:44.481Z","date_modified":"2026-11-17T05:50:44.481Z","tags":["图片验证","Content Credentials","媒体来源"],"content_text":"如果怀疑照片的某个局部经过 AI 编辑，先寻找早期版本，比较关键区域。查看实际收到的文件是否带有经过签名的内容凭证（Content Credentials），并用检测结果为进一步检查提供线索。你可能能够证明两张图片在某处存在差异，但差异的原因仍然未知。 AI 可以改变照片中的什么？ 2026 年 11 月 10 日，Adobe 在 Adobe MAX 上宣布了 Firefly Image 的 Edit Object 功能。Adobe 将其描述为一项测试版功能，可以选中照片中已有的物体并更改其颜色等属性，同时设计上保持图像其余部分不变。即使场景的其他部分看起来熟悉，对一个物体的修改也可能改变观看者从照片中获得的信息。Adobe MAX 公告 · Adobe Edit Object 文档 假设一张房源照片显示水槽旁的墙上有插座，而同一房间的旧照片中那面墙是空白的。首先要问的是插座是否真实存在，因为观看者可能会据此作出判断。其次才是图片如何发生变化。在更多证据缩小可能性之前，房间装修、传统修图和生成式编辑都有可能。这是用于说明局部编辑及其他可能原因的例子，并非 Edit Object 的输出，也不是检测工具的测试。 如何找到用于比较的版本？ 保存收到的原样图片，并保留页面网址和配文。向上传者索取画质最高的文件；如果可能，还可以索取较早的导出文件或同一次拍摄中前后相邻的画面。先搜索整张图片，再裁剪招牌或有特色的门口等未变化的部分进行搜索。搜索可能找到裁剪方式或配文不同的版本。如何在 Google Lens 中以图搜图 利用疑似编辑区域之外的细节对齐两个版本。比较物体、边缘、反射、阴影，以及物体遮挡的内容。在把差异视为编辑结果之前，先核对日期和拍摄角度。对于房源示例，第一条有用的记录可以是：“两张图片在插座位置显示的细节不同。照片日期和差异原因尚未确认。”要核实实物情况，可以要求提供近期的另一个角度照片或实时视频看房。 内容凭证能告诉你哪些局部编辑信息？ 如果有内容凭证，检查签名者、验证状态和记录的操作。C2PA Content Credentials 可以包含有关特定文件来源和编辑历史的签名信息。关键在于实际记录了什么操作，以及对编辑的描述有多具体。凭证可能标识了工具，却没有指出图片中的具体区域。C2PA 说明 Adobe 的文档说明，像“文本生成图像”输出这样完全由 Firefly 生成的素材会自动获得内容凭证。对于局部编辑，应检查实际导出文件及其中声明的操作。如果房源副本中找不到凭证，记录“在房源副本中未找到凭证”，并索取原始导出文件。这一结果无法确定编辑方法。内容凭证结果指南介绍了如何解读验证状态。Adobe Firefly 帮助 应如何解读检测结果？ 从手头画质最高的副本开始，并记录提交的是哪个版本。AIFakeScan 图片检测工具无法仅凭整张图片的视觉信号可靠定位局部编辑。在当前测试版中，仅有视觉信号时结果仍为“不确定”（Inconclusive）。如果房源副本的扫描结果为“不确定”，可以报告：“本次扫描未能确定插座区域是否经过编辑。”裁剪图片的结果仅适用于该裁剪区域。AIFakeScan 方法说明 一篇关于网络流传的生成和编辑图片的研究预印本评估了从新闻、事实核查和社交渠道收集的实际流传的素材。它关注的问题与此相关：针对生成器未经处理的输出进行测试，所回答的问题比检查可能被局部编辑并重新发布的照片更窄。对于证据有限的结果，可参考图片扫描结果不确定时的检查指南。 应如何报告发生的变化？ 描述照片中影响相关说法的部分，指出两个版本，并给出支撑措辞的证据。如果文件存在差异，而编辑方法尚不明确，可以写：“早期照片中，房源图片显示插座的位置是一面空白墙。我们无法确定这一差异是由图片编辑还是房间变化造成的。”如果原始导出文件带有经过验证且可信的凭证，声明发生了生成式替换，应报告该声明的操作；只有在记录指出具体区域时，才能说明受影响区域。 常见问题 相机拍摄的照片可能包含 AI 生成的像素吗？ 可能。相机可以拍下原始场景，编辑者之后可以使用生成式 AI 替换或扩展其中的一部分。对照照片或有记录的编辑历史有助于确定变化发生在哪里。 能通过截图确认局部编辑吗？ 截图可以保留帖子显示的内容，也能帮助你搜索早期版本。要调查文件级来源并更仔细地检查图片，如果可以，应索取最初上传的文件或原始导出文件。"},{"id":"https://aifakescan.com/zh-hans/resources/how-to-verify-a-viral-news-clip","url":"https://aifakescan.com/zh-hans/resources/how-to-verify-a-viral-news-clip","title":"转发前，如何核查热传的新闻视频？","summary":"一段假冒 Sky News 报道的视频冒充了主持人 Yalda Hakim。借此案例了解如何对照广播机构的存档和主持人的直接声明核实网络热传视频。","date_published":"2026-11-17T05:50:44.481Z","date_modified":"2026-11-17T05:50:44.481Z","tags":["视频验证","深度伪造","媒体来源"],"content_text":"转发新闻视频前，先弄清是谁发布的，以及广播机构或主持人实际发布过什么。寻找完整节目、文字实录或直接回应。在 Yalda Hakim 的案例中，她的声明回答了她是否报道过这则新闻。至于用了哪些画面、视频是如何制作的，需要不同的证据。 冒充 Yalda Hakim 的视频发生了什么？ 2026 年 11 月 15 日，Sky News 主持人 Yalda Hakim 在 X 上表示，一段流传的视频使用 AI 冒充她，她从未报道过视频声称由她报道的那则新闻。Sky News 在她的官方资料页列出了该账号，Journalism Pakistan 重现了她的声明。Feature Pakistan 将这段视频描述为近四分钟长、模仿 Sky News 新闻简报的风格。Hakim 在 X 上的声明 · Sky News 主持人资料页 · Journalism Pakistan · Feature Pakistan 她的回应直接澄清了内容是否出自她的问题。所引报道描述了她的否认和视频的呈现方式，但不能确定原始画面、制作工具或文件被修改的程度。 通过节目存档可以核实什么？ Sky News 在节目存档中发布 The World with Yalda Hakim 的完整节目。要核实视频是否出自该媒体，可以在其渠道搜索特色语句，并查看声称日期前后的完整节目。如果找到可能匹配的内容，比较前后的话语和镜头，记录节目网址和时间点。官方上传内容中的匹配片段可以证明该媒体发布过什么。Sky News 节目存档 保留转发帖的网址，记录查过的日期和渠道。如果搜索存档没有找到匹配内容，应将其作为搜索结果报告，并寻找主持人或广播机构的回应。在此案例中，Journalism Pakistan 印证的声明支持 Hakim 的否认。我们尚未逐帧核实其与来源节目的匹配情况。 如果视频重新使用了真实的演播室画面怎么办？ 对几帧清晰画面进行反向搜索，寻找独特图形或背景细节。利用可能匹配的结果找到完整节目，并比较多个时刻。演播室和图形会在不同节目中重复出现。在认定某期节目是来源之前，记录镜头顺序是否一致。如何在 Google Lens 中以图搜图 将话语及其顺序与原始音频或可靠的文字实录核对。分别报告画面和语音中的任何匹配，并记录两个版本各自的时间点。 检测工具能为调查提供什么？ 据报道，这段视频近四分钟长，超过 AIFakeScan Basic Scan 每个文件两分钟的限制。对于有权检查的视频，保留完整文件和音频。如果提交较短片段，应保持音频完整，并记录其在完整视频中的起止时间。报告仅适用于该片段的结果。 Basic Scan 对视频帧进行抽样，并检查可用的音轨信息。它不会对换脸或克隆、合成语音进行分类。如果使用单独的水印验证工具，应记录提供商和覆盖的媒体类型。未检测到水印的结果仍不能排除其他制作方法。使用视频核查清单记录覆盖范围和尚未完成的检查。Google 的 SynthID 公告 应如何写出核实结果？ 在此案例中，谨慎的总结可以是：“Yalda Hakim 表示，这段视频使用 AI 冒充她，她从未报道过这则新闻。”链接该声明以及一篇可访问的相关报道。如果之后确定了来源画面，再补充节目和时间点，并且只描述比较所能证实的变化。 常见问题 台标或新闻滚动字幕能证明视频是真的吗？ 台标和滚动字幕能表明视频自称来自哪家广播机构。应在官方发布渠道找到相关素材，并将有关片段与流传版本比较，核实其来源。 存档中找不到就足以称一段视频为深度伪造吗？ 应将存档中未找到视为搜索中的一个缺口。检查相邻日期和官方视频渠道，寻找完整录像，并查找广播机构或主持人的声明。记录你能否确定是谁发布了视频，以及检查的是哪个版本。"},{"id":"https://aifakescan.com/zh-hans/resources/check-image-metadata-for-ai","url":"https://aifakescan.com/zh-hans/resources/check-image-metadata-for-ai","title":"如何检查图片元数据以调查 AI 图片","summary":"了解如何检查图片元数据、软件标签和 Content Credentials，以及它们能揭示和不能揭示哪些关于 AI 图片的信息。","date_published":"2026-10-28T07:27:33.522Z","date_modified":"2026-10-28T07:27:33.522Z","tags":["图片验证","Content Credentials","媒体来源"],"content_text":"要通过图片元数据调查 AI 使用情况，请检查文件中嵌入的 EXIF 和 XMP 字段，寻找创建和编辑线索，再查找可验证的 Content Credentials。软件名称、相机型号或缺失字段是线索，不是判定。请结合图片来源、其他版本以及适当时的 AI 检测器一起分析。 元数据是随文件保存的信息，可能包括相机型号、拍摄时间、编辑软件或描述。部分字段可以编辑或删除，下载的副本也可能与创作者最初保存的文件不同。因此，实际问题是：这个具体副本能告诉我们什么，还有什么未知？ 应该先检查哪个文件？ 请向发送者索取原始图片文件，而不是截图或粘贴在聊天中的图片。保留一份未修改的副本，并记录其来源、收到时间，以及是否经过下载、缩放或导出。如果无法取得原件，请标记现有副本并在这一限制内开展工作。 检查文件前先明确主张。您要检查的是场景是否由相机拍摄、图片的一部分是否经过 AI 编辑，还是图片是否显示了说明文字中的地点？这些是不同的问题。真实相机照片也可以编辑；逼真的图片也可能描绘虚假或虚构的事件。 对于敏感图片，在向第三方服务上传文件或分享报告之前，请考虑元数据是否会泄露位置、姓名或其他私人信息。 在哪里可以找到图片元数据？ 在电脑或手机上 在电脑上，查看文件信息或属性面板，寻找尺寸、相机型号和日期等图片详情。在手机上，在照片应用中打开原件并查看信息或详情视图。选项因设备、文件类型和应用而异；只显示少数字段的面板不能证明文件不含其他元数据。 请区分文件系统的修改日期与相机拍摄日期。文件在复制或保存时可能获得新的修改日期；该日期并不自动等于场景被拍摄的日期。 使用 ExifTool 如需更详细的本地检查，请从官方网站安装ExifTool，打开终端并运行以下只读命令，将引号中的路径替换为您的文件路径： exiftool -G1 -a -s \"/path/to/image.jpg\" 这些选项会显示元数据组名、包含重复标签名并使用较短的标签名。ExifTool 支持读取和写入元数据；上述命令只读取文件。有关平台设置和选项，请参阅ExifTool 文档。查看器可能在嵌入字段之外同时报告文件和系统属性，因此请注意组名。 哪些字段有用，它们能证明什么？ 字段或信号 有用的问题 局限 相机品牌和型号 所称设备是否与现有来源一致？ 该值可以修改或复制，不能验证场景真实性。 DateTimeOriginal 所述拍摄时间是否与其他证据相符？ 时钟和时区可能错误，字段也可以编辑。 软件或处理历史 是否列出了编辑应用？ 仅凭编辑器名称不能证明使用了 AI 生成。 GPS 坐标 记录的位置是否与主张相符？ 坐标可能缺失、错误或被故意修改，也可能暴露私人地点。 缺少 EXIF 或 XMP 这是截图、导出文件或其他经过修改的副本吗？ 缺失字段不能证明 AI 来源，也不能准确解释发生了什么。 EXIF 和 XMP 是元数据格式，不是真实性证书。当字段与独立取得的信息一致时，它可能有用。如果没有原件或无法确认是谁写入字段，其证据力就更弱。 在我们的截图与压缩实验中，原始测试文件没有可见的 EXIF。该实验不应被当作截图移除了相机 EXIF 的证据；比较并未证明这一点。这提醒我们，在描述变化之前，先检查起始文件实际包含什么。 如何检查 Content Credentials？ Content Credentials 基于 C2PA 标准，可以携带有关素材及其历史的签名声明。兼容检查器会检查可用凭证及其验证状态。Content Authenticity Initiative 的检查指南解释了如何检查可用凭证。 使用AIFakeScan C2PA 检查器或其他兼容检查器查看可用信息，并在得出结论前阅读我们的 C2PA 结果指南。AIFakeScan 会上传文件并以私密方式保存，直到您删除上传文件；检查器不会获取远程清单。有效签名在检查器的验证范围内，可以支持签名信息自签署后未被更改这一结论；它不能独立证明凭证中的每一项声明都真实，也不能证明所描绘的事件发生过。 未找到凭证表示没有可用的来源信息，不是 AI 使用的证明。凭证可能在某个副本中缺失，也可能从未创建。无效或不完整的结果值得进一步审核，而不是自动提出指控。请记录实际结果及测试的文件。 如何将元数据与其他证据结合？ 寻找较早副本或原始发布者，将主张与独立来源比较，并在适当时向创作者询问背景。如果使用AI 图片检测器，请将结果视为额外信号，并注意工具的不确定性。我们的图片检测指南解释了为何单一视觉或自动检查不够。 简单的审核记录可以明确这种区别： 确定具体文件、其来源和要核查的主张。 记录相关嵌入字段以及是否取得原件。 记下凭证验证结果及任何来源或地点检查。 以有限范围陈述结论，包括相互冲突的证据和未回答的问题。 例如，“副本没有可见的相机 EXIF；其来源仍未验证”比“没有 EXIF 就是 AI”更准确。如果主张涉及目的地，请参考单独的旅行照片验证指南。 常见问题 图片元数据能告诉我图片是否由 AI 生成吗？ 它可能包含相关软件标签或来源记录，但普通元数据本身很少能确定图片的制作方式。请检查来源和任何签名凭证，并明确未知之处。 缺少 EXIF 是否意味着图片由 AI 制作？ 不。文件可能因保存或分享方式等多种原因缺少 EXIF。仅凭缺少 EXIF 不能确定创作者或制作方式。 EXIF 中的相机型号能证明图片是真实照片吗？ 不能。普通元数据字段可以修改或复制。请将相机型号视为需要结合原件及其他证据验证的线索。 有效的 Content Credential 能证明场景真实发生过吗？ 不能。验证涉及签名凭证和检查器的检查，并不能独立确认每项声明或所描绘的现实事件。 不上传文件也能检查图片元数据吗？ 可以。设备的信息面板或 ExifTool 等本地工具可以在不上传图片的情况下显示可用元数据。请确认每个工具显示什么，并保护敏感信息。"},{"id":"https://aifakescan.com/zh-hans/resources/how-to-spot-ai-generated-travel-photos","url":"https://aifakescan.com/zh-hans/resources/how-to-spot-ai-generated-travel-photos","title":"如何辨别 AI 生成的旅行照片","summary":"在相信一张目的地图片前，了解如何核查旅行照片的来源、地点和原始文件，并区分 AI 线索与证明。","date_published":"2026-10-28T07:27:33.522Z","date_modified":"2026-10-28T07:27:33.522Z","tags":["图片验证","AI 生成图片","媒体来源"],"content_text":"要辨别 AI 生成的旅行照片，可以先检查来源、寻找较早版本、将所称地点与独立参考资料比较，并索取原始文件。视觉异常和检测结果可以帮助您决定调查什么，但它们本身不能确定事实是否真实。 请区分两个问题：这张图片是否准确呈现了目的地，以及图片是如何制作的。真实照片也可能配有误导性说明、过时日期或经过编辑的背景。AI 插图可能描绘真实地点，却不一定展示实际景观。您的结论应与有证据支持的问题相匹配。 这张旅行照片到底声称了什么？ 搜索前，记下地点名称、所称视角、日期和主张的来源。例如，一张酒店图片可能暗示从房间能看到海滩。这与附近某处是否存在海滩是不同的主张。 保存页面 URL、可获得时的发布日期，以及供个人私下审核的图片副本，并保留说明文字。后来的转载可能去掉背景信息，或给旧图片附上新的地点。 这里应避免迅速贴上“真或假”的标签：即使照片最初由相机拍摄，实际需要决定的也可能是景观、时间或住宿是否符合预订中的承诺。 如何找到原始来源？ 使用Google 的以图搜图流程上传副本、粘贴图片 URL，或从网页发起搜索。结果可能包含相似图片及使用该图片的页面。除了完整画面，也应搜索有辨识度的裁剪部分，因为转载可能经过缩放或重新构图。 打开有价值的结果，比较日期、说明文字和发布者背景。搜索结果显示的日期只是线索，并不保证是首次发布日期。您找到的第一个结果本身也可能是转载。寻找可识别的创作者、提供背景的来源页面，或能解释图片来源的可信账户。 如果图片由商家提供，请索取原始图片、拍摄视角和日期。无法提供这些信息会留下疑问，但不是欺骗的证明。在将他人的图片上传到搜索服务之前，请考虑隐私及该服务的数据处理方式。 如何核查所称地点？ 在多个独立来源中寻找相同的固定特征，例如海岸线形状、街道布局、建筑位置、山体轮廓或桥梁。比较相机角度和距离，而不要期待每张图片完全相同。可使用官方目的地地图、有日期的地面视角影像（如有）以及其他独立来源的照片。 应考虑季节、光线、天气、施工和编辑带来的变化。地标与另一视角不同，是需要解决的问题，不会自动成为 AI 伪影。请确认参考图片确实来自同一地点和同一时期。 考虑一个虚构例子：一家度假村将照片宣传为私人阳台景观。地图和独立街景图片显示了相同海岸线，但没有任何证据能确认从该阳台可以看到什么。您可以说海岸线看起来一致，但阳台景观的主张仍未经验证。不要仅凭这一缺口推断 AI 来源或提出指控。 观察到的情况 有用的后续步骤 仍不确定什么 同一图片出现在两个不同地点名称下 查看较早帖子、背景和可识别的地标 没有更多证据时，哪条说明准确 风景一致，但视角不明确 索取从所称位置拍摄、带日期的景观 承诺的景观是否存在 反射或结构看起来不寻常 比较原件和独立视角 是否由编辑、透视或生成造成 检测器报告了 AI 信号 检查来源、文件和来源凭证 没有佐证时，真实制作历史是什么 原始文件和凭证能告诉您什么？ 如果取得原件，请检查可用的 EXIF 和 XMP 字段，寻找相机、日期、地点和编辑线索。我们的图片元数据指南提供了实用流程。普通元数据可以编辑，副本缺少元数据也很常见；相机标签或缺失字段都不能单独解决问题。 然后检查 Content Credentials，可使用AIFakeScan C2PA 检查器或其他兼容检查器查找 Content Credentials。AIFakeScan 会上传文件并以私密方式保存，直到您删除上传文件；检查器不会获取远程清单。Content Authenticity Initiative介绍了如何检查凭证。经过验证的凭证有助于评估已签署的来源信息，但不能独立证明目的地主张。未找到凭证并不证明由 AI 生成。 如果原件是私密文件或包含 GPS 数据，分享前请取得许可，并避免公开敏感位置信息。 视觉线索和检测器能识别 AI 旅行照片吗？ 寻找值得核查的细节：不一致的标志、重复的窗户、异常反射、不可能的几何结构，或与独立视角不符的背景。每一项也可能有其他解释，包括透视、压缩、全景拼接或普通编辑。不要依赖单个异常细节。 一个AI 图片检测器可以提供另一种信号。AIFakeScan 的视觉信号在测试期间仍不能单独得出结论；可信的来源证据可能支持更强的发现。检测器无法自行验证酒店房间的景观或识别地点。如果结果与来源证据冲突，请继续调查，而不是将答案取平均。参见AI 生成照片与真实照片，了解相机拍摄、AI 编辑和完全生成的图片之间的区别。 如果证据不完整怎么办？ 结论应具体且与证据相称。“地点看起来与独立视角一致，但我无法验证房间景观”是一项有用的发现。“这张图片是 AI 生成的”需要制作方式的证据，不能仅凭与说明文字不符。如果图片影响预订，请在作出决定前索取该确切视角的近期带日期图片，并向提供方确认条件。 记录来源链接、测试的文件版本、任何凭证或检测结果，以及仍未知的内容。如果之后取得原件或更好的独立参考资料，请重新审视该主张。 常见问题 仅凭观察就能识别 AI 旅行照片吗？ 不能可靠地做到。视觉异常可以提示问题，但透视、编辑和压缩也可能产生不寻常的细节。请检查来源和独立地点证据。 目的地真实存在，是否意味着照片本身真实？ 不。真实地点可能出现在旧照片、编辑过的图片、配有误导性说明的图片或生成图片中。除了地点，也要核查具体视角和主张。 如何找到旅行图片的较早副本？ 使用反向图片搜索工具搜索完整图片和有辨识度的裁剪部分，然后打开结果，比较发布者背景和日期。找到的最早结果不一定是原件。 缺少元数据能证明旅行照片由 AI 生成吗？ 不能。副本缺少元数据可能有许多原因。请记录发现并寻找原件或佐证。 如果无法验证酒店景观，我该怎么办？ 请向提供方索取从特定房间或视角拍摄的近期带日期图片，并确认预订条件。如果证据仍不充分，请将景观描述为未经验证。"},{"id":"https://aifakescan.com/zh-hans/resources/ai-generated-photo-vs-real-photo","url":"https://aifakescan.com/zh-hans/resources/ai-generated-photo-vs-real-photo","title":"AI 生成照片与真实照片：首先检查什么","summary":"通过来源历史、编辑记录和文件证据比较 AI 生成照片与真实照片。了解哪些线索重要，哪些可能产生误导。","date_published":"2026-10-12T05:10:44.698Z","date_modified":"2026-10-12T05:10:44.698Z","tags":["图片验证","AI 生成图片","Content Credentials"],"content_text":"比较 AI 生成照片与真实照片时，应从图片如何制作入手，而不是看它有多逼真。寻找原始来源和文件，检查可用的创建记录，并将视觉或检测器发现作为辅助证据。还要考虑第三种可能：真实照片的一部分经过 AI 编辑。 第三类很重要。相机可能拍下了人物，而生成工具提供了背景。把整张图片简单称为真实或虚假，可能掩盖您需要调查的具体变化。 当比较回答具体问题时更有用：场景是否经过拍摄、是否添加了什么，或附带的故事是否准确？这些问题需要不同的证据。 在这个比较中，“真实照片”是什么意思？ 在本指南中，相机来源的照片是指相机拍摄了基础场景。它仍可能经过裁剪、调色或修饰。完全生成的图片描绘的是模型合成的场景。AI 编辑的照片则将相机素材与生成的添加、移除或替换内容结合。 这些是工作分类，不是上传工具自动分配的标签。一个文件可能混合多种情况，其历史也可能不可用。如果证据不能确定制作方式，请使用“未知”，而不要强行给出二选一的答案。 制作类别 要调查的问题 可索取的有用证据 相机来源照片 实际拍摄了什么？ 原始文件和来源背景 AI 编辑照片 拍摄后改变了什么？ 修改前的版本和编辑历史 完全生成的图片 谁生成并披露了它？ 创作者披露和生成记录 未知或混合历史 哪些部分仍缺乏证据？ 更好的来源材料和明确的主张 关于更广泛的逐步调查，请参阅我们的检测 AI 生成图片指南。本文重点是选择能区分这些制作类别的证据。 哪些证据能区分生成与编辑？ 索取能够回答您怀疑的变化的记录。较早版本可能显示同一个人在不同环境中。创作者可能披露生成插图。文件历史可能记录 AI 辅助编辑。请注明每项发现的来源和范围。 Content Credentials 是关于创建和编辑历史的签名记录。Content Authenticity Initiative 常见问题解释了兼容工具可以记录 AI 生成或相机拍摄及后续编辑。凭证不是通用的假照片判定，缺少凭证也不能确定制作方式。 使用C2PA 检查器检查受支持的文件记录，再查看其验证状态、签署者和操作。关于编辑的有效记录应作为编辑报告；它不会自动成为整个场景都由 AI 生成的证据。 我们的C2PA 说明也区分了来源信息与事实真实性。签署的历史不会证明说明文字、地点或故事。普通相机元数据是另一类线索，不应与签署历史等同。 如何比较原件和分享副本？ 首先确认您拥有什么文件。截图是对显示内容的新一次捕获，其自身文件字段并不描述原始场景。裁剪或导出副本也可能缺少解释明显缺陷所需的背景。 如果创作者提供较早版本，请先比较完整构图，再放大细节。注意主体、背景、物体位置和边界的差异。询问是什么操作导致变化，不要假设所有可见差异都是 AI 造成的。 这是一张概念性的证据图，不展示检测器输出，也不展示经过测试的真实与合成图片配对。 有用的比较记录包括两个文件的来源、它们是完整图片还是裁剪图，以及正在检查的具体变化。如果只有一张压缩截图，请记录这一限制，不要把未见过的原件当作已检查。 能从手、皮肤或文字识别 AI 照片吗？ 这些细节可以引导进一步观察，但不应决定结论。请将可疑特征与周围内容比较，并询问模糊、透视、光照或传统编辑是否提供其他解释。 对于人像，请检查手指与所持物体的接触、眼镜与面部的关系，或同一物品上应保持一致的文字。不要将光滑皮肤或不寻常面孔变成指控。在归因前先描述观察到的不一致。 对于风景或房产图片，请检查结构如何连接以及反射与场景的关系。栏杆融入墙壁是值得调查的观察结果。外观连贯的建筑仍不能证明所列房产存在。 视觉检查在两个方向上都有同样的边界：奇怪细节不能确定 AI 生成，逼真外观也不能确定相机来源。只要可能，请寻找制作历史方面的证据。 来源搜索和水印如何帮助？ 反向图片搜索可能发现较早发布内容、创作者披露或不同的说明文字。Google 的图片背景信息指南介绍了“关于此图片”中可用的信息。请使用匹配项调查时间顺序和背景；不要将索引日期当作经过认证的拍摄日期。 如果图片早于新帖子所称事件，您可能质疑了说明文字，却没有确定任何关于 AI 的信息。没有可访问的匹配项也意味着来源仍未解决，而不是证明图片由 AI 生成。 水印检查回答的是更有限的问题。根据 2026 年十月 12 日的审阅，Google 的 Gemini 验证说明介绍了检查上传媒体中受支持的 SynthID 水印。其文档所述的 SynthID 覆盖范围是 Google AI 内容。请阅读实际验证结果；聊天机器人对外观的一般看法不是同一项检查。 检测到的水印可能涉及生成或编辑，因此请保留其报告的范围。没有水印不能排除其他系统。我们的SynthID 指南解释了如何使用官方验证流程。 AI 照片检测器的作用是什么？ 在确定文件和问题后使用检测器。阅读其证据类别和覆盖范围，然后将输出与来源历史比较。不要用整张图片的分数代替关于具体编辑的问题。 我们的AIFakeScan 图片检测器可以检查受支持的文件证据。我们的方法说明解释了当前测试版的局限：校准和评估尚未完成，仅基于被动信号的结果仍无法得出结论，且不宣称经过验证的准确率百分比或实测 AI 概率。 如果结果未解决问题，请索取更好的原件或更清楚的历史。如果两个工具意见不同，请分别保留发现。图片结果无法得出结论指南提供了下一步方法，不会将不确定性升级为判定。 对于混合图片，您会写什么结论？ 考虑一个示意性人像场景：创作者提供较早的相机照片，并披露将背景替换为生成的风景。您的问题是最终人像是否是在该地点拍摄的人物照片。 谨慎的结论是：“创作者描述这是一张相机拍摄的人像，背景被替换为生成景色。最终图片不能证明人物是在所描绘环境中拍摄的。”这样说明了相关变化，而不暗示人物的脸一定由 AI 生成。 再考虑一张没有原件、创作者披露或有用搜索结果的截图。恰当结果是制作历史未确定。检测器无法得出结论的结果不能填补这些缺失事实。 可以用四个字段总结 AI 生成照片与真实照片的比较： 来源：哪些证据支持相机拍摄或生成？ 变化：哪些证据支持添加、移除或替换？ 背景：图片是否支持其附带的日期、地点或主张？ 缺口：哪些内容无法检查，什么材料能解决问题？ 这些例子用于解释方法，不是已报告的实验，也不是对特定人物图片的主张。 常见问题 真实照片也可以经过 AI 编辑吗？ 可以。相机来源图片可以包含生成的添加或替换内容。请描述有证据支持的编辑及其范围，而不要假设单一标签能解释整个文件。 元数据中的相机名称能证明照片真实吗？ 相机字段本身不能确定所描绘场景的完整历史。作出真实性主张前，请检查原始来源和可用的制作记录。 Content Credentials 能证明事件发生过吗？ 它们可以提供有关文件的、可归属且可验证的历史，但不能独立证明事件或说明文字在事实上真实。 AI 检测器能准确识别哪部分经过编辑吗？ 只有当它明确提供并运行合适的定位检查时才可以。整图信号不会自动定位小范围的生成区域。 如果只有截图怎么办？ 保存其来源，搜索底层图片，并在可能时索取原件。请说明结论适用于所检查的副本，并记录缺失的历史。 下一步 选择您需要验证的制作主张，收集最好的文件，并比较来源、编辑和背景证据。使用图片检测器进行受支持的检查；当主张取决于运动或语音时，请参考我们的视频验证清单。"},{"id":"https://aifakescan.com/zh-hans/resources/ai-video-verification-checklist","url":"https://aifakescan.com/zh-hans/resources/ai-video-verification-checklist","title":"网上分享视频片段的 AI 视频核查清单","summary":"在分享片段前，使用 AI 视频核查清单审核来源、背景、运动、音频和检测器覆盖范围，并保留清晰的证据记录。","date_published":"2026-10-12T05:10:44.698Z","date_modified":"2026-10-12T05:10:44.698Z","tags":["视频验证","AI 生成视频","深度伪造证据"],"content_text":"使用此 AI 视频核查清单，在将片段作为证据分享前确认来源、检验说明文字并检查录像。保留原始文件，分别审核运动和声音，并记录检测器实际检查了什么。未解决的项目应保持未解决，而不是变成真假判定。 该清单面向信息流或群聊中的片段：戏剧性事件、看似名人的声明或出人意料的场景。它有助于区分制作方式问题与误导性日期、地点或说明文字。 调查记录是结果的一部分。其他人应能看到来源、重新查看相同时间戳，并理解结论为何得出。 如何使用此清单？ 分三轮进行：来源与主张、连续画面与语音、技术覆盖与报告。每项记录为已检查、未解决或不适用，并附上证据。“已检查”表示您完成了调查，不表示片段通过真实性测试。 如果重要的来源或覆盖范围缺口仍存在，请避免将录像作为已验证的记录分享。您仍可以解释发现了什么并索取缺失材料。 轮次 调查内容 要保留的记录 来源与主张 发布者、日期、地点和完整背景 URL 和确切主张 连续画面与语音 连续性、剪辑点和音轨 时间戳和比较 覆盖范围与报告 凭证、水印和检测器范围 发现与未解决的检查 有关基础方法的详细介绍，请阅读如何判断视频是否由 AI 生成。本页提供工作表和报告结构。 第 1 轮：来源和主张应检查什么？ 1. 保存确切主张 用一句话写下说明文字的主张，包括所称事件、日期、地点、人物或话语。片段可能真实但附带陈述错误，因此请明确调查目标。 2. 寻找原始或更长的上传版本 记录收到片段的账户和页面，再搜索更早或完整版本。寻找发布者身份、一贯的发帖历史和任何制作披露。不要自动将找到的第一个匹配项当作原件。 3. 搜索有代表性的帧 选择包含独特地点、标志或物体的清晰帧。搜索完整帧和有意义的裁剪部分，然后阅读匹配页面。Google 的图片背景信息指南有助于解释这些搜索可能揭示的背景。匹配项是线索；没有匹配不能确定是生成内容。 4. 检查日期、地点和周边事件 将主张与更长的录像或独立记述比较。搜索有辨识度的口述短语和事件名称。如果较早上传内容包含相同画面，请将这一时间顺序发现与任何 AI 主张分开记录。 WITNESS 的目击者视频验证指南为将录像作为证据进行评估提供基础。有用的问题是可用材料支持什么，而不只是它看起来是否可信。 第 2 轮：录像中应检查什么？ 5. 保留文件版本和音轨 保持可获得的最佳文件不变。记录时长，以及它是转载、屏幕录制还是摘录。即使不信任音轨，也要保留它。审核副本，并记下任何提取区间的起始点。 6. 以正常速度观看一次 在集中看异常帧前，先审核整个片段。记下突然的开头、结尾、剪辑和值得回看的时刻。暂停的转场可能与连续观看的动作不同。 7. 在相邻帧中跟踪物体 慢速重播可疑区间。跟踪移动的面孔、手、所持物体或背景特征，观察其被遮挡后重新出现的情况。记录观察到的变化，并检查模糊、镜头移动、遮挡或传统编辑是否可以解释。 8. 单独调查语音 如有可识别的完整录像或逐字稿，请与所称发言比较。留意重要词句附近的变化，并检查唇部动作是否持续错位。配音或同步错误也可能导致不匹配；奇怪的声音或逼真的声音都不能确定制作方式。 我们的AI 视频检测器分别报告音频覆盖范围。基础音频检查不对克隆或合成语音分类，基础检查也不包含专门的换脸分类。请阅读我们的深度伪造指南，以了解身份操纵是核心问题时的处理方式。 第 3 轮：实际运行了哪些技术检查？ 9. 阅读可用凭证 检查验证结果、签署者和记录的操作。确定与 AI 相关的记录涉及完全生成还是编辑。C2PA 说明描述了与媒体绑定、可归属的来源信息，而不是对故事真实性的认证。缺少凭证不能确定制作方式。 我们的凭证结果指南解释了验证与解释为何是不同步骤。不要将记录的软件操作变成每一帧都被伪造的主张。 10. 使用受支持的官方水印验证器 根据 2026 年十月 12 日的核查，Google 的 Gemini 验证说明介绍了检查上传视频中的 SynthID。请阅读明确的水印结果及其覆盖范围。Gemini 文档所述的 SynthID 覆盖范围是 Google AI 媒体，而不是每个生成工具。 视频中报告的一个部分并不意味着其中每一帧都检测到水印。未检测到标记不能排除其他系统。请按照SynthID 指南使用官方流程，并将该检查与 AIFakeScan 自身能力区分开。 11. 阅读检测器抽样和不可用检查 询问检查是否查看每一帧或抽样时刻，以及面部或语音分类是否实际运行。AIFakeScan 方法说明指出，抽样视频分析可能漏掉短暂编辑和未抽样时刻。时间区间用于指引进一步审核，并不定义精确的编辑边界。 在当前测试版中，校准和评估仍未完成。仅被动信号的发现仍无法得出结论，且不宣称经过验证的准确率百分比或实测 AI 概率。深度检查不向公众开放。失败、不受支持和不可用的检查应记录为缺口。 此工作表是原创插图，不是检测器报告。未解决的行展示如何记录缺失证据，而不是推断为阴性发现。 12. 针对确切主张写结论 将来源发现、您的观察和可归属的工具输出分开。说明检查了哪个文件和哪些区间，再列出未解决的问题。不要平均无关检测器的分数，也不要将多数投票当作证明。 发现 有依据的报告 它不能确定什么 较早上传内容早于说明文字所称时间 日期主张受到反驳 AI 制作了画面 创作者披露了生成插入片段 注明已披露片段的来源 其他每一帧都已验证 只审核了抽样帧 说明有限覆盖范围 整个片段已被评估 未运行语音分类 语音来源仍未测试 声音是真实的 如何保留有用的证据记录？ 将此模板与 AI 视频核查清单一起使用。添加链接和时间戳，而不只是标签。 主张：正在检查的确切句子。 来源：收到的 URL、发布者，以及找到的原始或更长版本。 文件：时长、版本、音轨和任何摘录偏移量。 背景：支持所述日期、地点或事件的证据。 观察：审核的区间和考虑过的其他解释。 技术发现：凭证状态、水印结果和检测器覆盖范围。 未解决项目：缺失的原件、未测试的语音或不受支持的检查。 结论：收集的证据支持的有限陈述。 示例：一个 15 秒片段的说明文字称其为今天的洪水。您在较早的完整录像中找到相同片段。您的结论涉及错误的日期主张；您尚未确定 AI 生成。如果未运行语音检查，即使视觉背景已解决，音轨仍未测试。 最终记录应保留这一区别。这样审核者可以核查时间顺序，而不会继承没有依据的合成媒体指控。这个例子是虚构教学场景，不是已报告的测试。 常见问题 完成清单能证明视频真实吗？ 不能。完成表示记录了所做调查及其发现。重要证据仍可能缺失，来源背景、视觉内容和语音也可能分别未解决。 奇怪的一帧能证明 AI 生成吗？ 不能。请检查相邻帧和更好的副本，再检验模糊或切镜等普通解释。具体异常是调查线索。 如果视频没有声音怎么办？ 记录来源是无声录像，还是移除了音频的摘录。不要对缺失或未见过的原始音轨作任何推断。 工具意见不一致时该怎么办？ 保留每个工具的发现和声明覆盖范围。寻找原始文件或更强的制作历史，不要将不同分数合并为最终概率。 真实片段仍可能传播虚假信息吗？ 可能。错误的日期、地点、说明文字或被省略的背景即使没有生成画面也能产生误导。请在检查媒体制作历史的同时核查主张。 下一步 保存片段和主张，填写三轮检查，并使用视频检测器获取受支持的技术证据。如果材料是静态图片，请使用单独的AI 照片与真实照片对比区分拍摄、生成和后续编辑。"},{"id":"https://aifakescan.com/zh-hans/resources/ai-image-detector-inconclusive-what-to-check-next","url":"https://aifakescan.com/zh-hans/resources/ai-image-detector-inconclusive-what-to-check-next","title":"AI 图片检测器显示无法得出结论：下一步检查什么","summary":"针对无法得出结论的 AI 图片检查的实用流程：检查覆盖范围、保留原件、检查凭证和水印，并记录来源背景。","date_published":"2026-10-03T08:13:58.314Z","date_modified":"2026-10-03T08:13:58.314Z","tags":["AI 检测","媒体取证","媒体来源"],"content_text":"AI 图片检测器显示无法得出结论，意味着根据该工具的规则，现有证据不足以支持可靠的来源判定。这不意味着“肯定真实”“肯定由 AI 制作”，也不表示两者各占一半。请先检查哪些分析已完成，再获取最好的文件、检查来源信息并调查来源主张。 目标是减少真正重要的不确定性。第二个不透明的分数，可能不如原始导出文件、记录的制作历史或显示说明文字有误的较早发布内容有帮助。 检查已完成，还是某项检查不可用？ 解释判定前，请阅读处理状态和各证据部分。整体无法得出结论仍可能伴随有用的已完成检查。上传失败或不受支持的分析是不同问题，应分别记录。 报告内容 您知道什么 下一步 已完成，但无法得出结论 受支持的分析不足以支持更强的判定 检查证据、局限和原始文件 验证不可用 该证据渠道未被检查 解决可用性问题或使用合适的验证器 文件或分析不受支持 输入或请求的检查超出支持范围 获取受支持的版本，同时保留原件 处理失败 尝试的检查未成功完成 保留错误信息，解决原因后重试 未找到凭证或水印 已完成且受支持的检查未找到该类信号 保留检查的范围限制；继续查看其他证据 对于 AIFakeScan 当前测试版，被动检测器融合尚未通过校准关卡。如果没有受支持的强来源信息或官方验证信号，仅基于被动信号的结果仍为“无法得出结论”。这是产品判定规则，并不证明每张提交图片都同样模糊。 请同时阅读方法和覆盖范围限制并结合AI 图片检测器。不要将内部模型观察值转换为图片由 AI 生成的实测概率。 更改图片之前先获取原始文件 下一项有用的输入通常是记录更清楚的文件，而不是更激进的重试。请保留收到的副本，索取相机原始文件或生成导出文件，并清楚标记两个版本。 由Corvi 及其同事开展的研究探讨了扩散模型生成图片的检测，包括涉及压缩和缩放的社交网络场景。该研究支持将转换视为相关评估条件；它不能为无关的在线检查器提供准确率保证。 询问您的副本如何产生：从来源下载、通过消息应用保存、截屏、裁剪，还是重新导出。记录来源方能确认的内容及仍未知的内容。 分析前不要锐化、放大或重新保存唯一可用的副本，这些操作会产生另一个需要解释的版本。如果比较不同版本，请一次只改变一项，并分别保留报告。 我们的截图和压缩研究提供了文件转换的有限实例。请将其作为案例研究，而不是适用于所有截图或生成工具的准确率基准。 检查来源信息和声明的操作 可用时，Content Credentials 可以为记录的创建或编辑操作提供证据。使用C2PA 检查器，结合签署者和声明阅读验证状态。缺少记录意味着存在信息缺口。 相关C2PA 规范区分了操作和素材。AI 素材、AI 编辑和素材由 AI 创建是不同声明。请记录实际出现的内容，不要将三者都描述为完整图片生成。 我们的本地凭证检查不获取远程清单。如果来源方称附有来源信息但未找到，请索取签名原件，并询问他们使用了哪种检查流程。 也可检查元数据是否提供值得追查的线索，例如应用名称或导出历史。元数据应引导提问，而不是解决问题：单独的软件标签不能确定完整制作过程。 实际问题应具体：“可用记录对这个文件说明了什么？”在调查之前，请将其说明文字或所描绘事件是否准确作为独立的未决问题。 来源符合时使用提供商水印检查 根据怀疑的提供商和支持的媒体类型选择水印流程。一个水印系统的验证器不会测试所有 AI 生成工具。阴性或不可用结果都应附带其覆盖范围限制。 Google DeepMind 的 SynthID 文档介绍了应用于其生成式 AI 产品的水印，以及检查媒体是否由 Google AI 生成或修改的 Gemini 流程。当这正是您要回答的问题时，请遵循当前官方说明。 本站的SynthID 检查器页面会引导您使用相关流程。它不会对上传图片直接执行 SynthID 扫描。请使用链接中的官方流程，并在记录结果时保留其支持的媒体和提供商范围。 保存提供商的确切输出。“找到受支持的水印”不同于“这张图片所讲述的故事是真实的”。“未找到受支持的水印”也不同于“未使用 AI”。 独立核查来源主张 图片来源与附带主张是不同的问题。即使生成方式仍未确定，您也可能核实图片早于所称事件、曾在别处发布，或描绘的是不同地点。 将以下检查作为调查流程： 写下具体主张：谁、在哪里、何时，以及据称发生了什么。 找到您能证实的最早发布内容，并保留 URL 和日期。 寻找其他视角、附近事件或独立报道来支持背景信息。 向创作者或发布者索取原件及工作流程说明。 区分已确认的事实、推断和未解决的细节。 NIST 的数字内容透明度报告讨论了来源追踪和合成内容检测作为不同方法的用途，这些用途取决于背景。报告还指出，真实内容仍可能产生误导。因此，技术来源检查只能回答验证任务的一部分。 如果另一个检测器给出不同结果，请保留差异并调查各工具的覆盖范围。不要将无关分数取平均，也不要将多数投票当作证明。关于更广泛的错误问题，请参见AI 检测器为何会误报。 保留证据记录并选择有用的停止点 简短的证据记录能让不确定性变得可操作。记录文件版本、已完成的检查、观察结果和未解决的问题。在花时间反复检查之前，先判断什么进一步信息可能改变您的结论。 证据记录字段 示例措辞 文件版本 来自转载的截图；未提供原件 处理 检查已完成；被动结果无法得出结论 来源信息 未找到本地可用凭证 水印覆盖范围 未执行官方提供商检查 来源背景 最早确认的发布内容另行记录 未解决的问题 来源方能否提供原始导出文件 下一步 索取原件并检查声明的工作流程 这些条目只是模板示例，不是某个已测试文件的报告。请替换为您的实际观察。 有用的停止点是有限结论，例如：“此副本的来源仍未确定；说明文字已独立核查”，或“来源方提供了经过验证、声明使用 AI 编辑的记录”。如果没有可用检查能解决未决问题，更多重试可能只是重复同样的限制。 对于后果重大的决定，请保留证据并获得适合该案例的专业审核。在额外证据支持更有限、站得住脚的陈述之前，无法得出结论的结果应保持如此。 常见问题 无法得出结论是否意味着图片很可能是真实的？ 不。该结果不能确定由人制作。请阅读判定原因和覆盖范围：不确定性可能反映证据不足、模型解释未经验证，或文件及受支持检查存在限制。 无法得出结论的检查是技术故障吗？ 不一定。检查可以成功完成，但仍缺乏足以判定来源的证据。请检查处理状态和各证据渠道，区分不确定性与失败或不可用的分析。 我应该一直上传，直到得到确定的结果吗？ 只有在发生有意义的变化时才重复，例如取得原件或解决不可用的检查。保留两份报告。重复同一项受支持的分析本身不会增加独立证据。 我应该向审核图片的人分享什么？ 分享具体文件版本、来源、检查日期、结果措辞、已完成的检查和局限，并包含任何经过独立验证的背景。请将观察结果与仍需调查的主张分开。"},{"id":"https://aifakescan.com/zh-hans/resources/c2pa-checker-results-explained","url":"https://aifakescan.com/zh-hans/resources/c2pa-checker-results-explained","title":"C2PA 检查结果详解：有效、无效和缺失的凭证","summary":"解读 C2PA 检查状态、签署者可信度和 AI 声明，清晰记录证据，避免将来源信息与真实性证明混淆。","date_published":"2026-10-03T08:13:58.314Z","date_modified":"2026-10-03T08:13:58.314Z","tags":["C2PA","Content Credentials","媒体来源"],"content_text":"C2PA 检查结果描述特定文件可用的来源记录。经过验证的凭证支持的结论比“这张图片是真实的”更有限。缺少凭证不能证明由 AI 生成，验证失败也不能说明是谁更改了文件或为什么更改。 有用的下一步是结合状态、签署者、声明的操作和局限一起阅读。本指南解释C2PA 检查器显示的结果标签，然后介绍如何记录结果实际支持什么。 每种 C2PA 检查状态是什么意思？ 这些标签描述凭证检查的不同结果，不能互换为真实性评级。请从报告中的确切措辞入手，并将结果与您提交的文件版本对应起来。 报告标签 如何解读 下一步 凭证已验证 检查器已为所检查的文件确认可信的凭证证据 阅读签署者及声明的操作 签署者可信度未确认 找到凭证，但检查器未确认可信状态 检查警告和签署者详情；不要假设所有验证检查均已通过 验证失败 可用报告包含验证失败信息 保留失败详情，并与原始文件比较 未找到 Content Credentials 检查未通过其支持的方法找到凭证 索取原件并调查其他证据 验证不可用 无法执行凭证检查 将此渠道视为未检查 报告不受支持 验证器输出无法解释为受支持的凭证报告 保留可用报告详情并寻找兼容的检查流程 相关C2PA 验证指南区分了可解析记录、成功验证和可信的签名凭证。界面可能将这些详情压缩成一个徽标，因此底层警告很重要。 如果想更全面地了解清单和签名，请阅读Content Credentials 是什么以及如何运作。本文重点是如何处理已经获得的结果。 “凭证已验证”能证明图片是真实的吗？ 它支持检查器报告的凭证关联，但不能独立验证场景、说明文字、地点或日期。技术上通过验证的图片仍可能配有不准确的叙述。 相关C2PA 消费者指南明确区分了可验证的来源信息与对数字媒体真实性的判断。 在得出来源结论之前，请阅读各项操作。技术规范提供了可描述创建、编辑和素材的操作及来源类型字段。它们可以回答不同的问题： 创建操作可以声明素材由 AI 生成。 编辑操作可以描述对现有素材进行的 AI 修改。 即使最终素材组合了多个来源，其中某个素材也可能由 AI 生成。 不要把这些情况都简化成“整张图片由 AI 生成”。例如，合成图片中由 AI 创建的背景，与整个场景都由 AI 生成是不同的主张。 解释发现时，请使用声明的范围：“经过验证的记录声明使用了 AI 编辑”比“每个像素都是假的”更准确。然后调查发布者是否准确呈现了这种编辑。 如何处理不受信任的签署者或验证失败？ 请区分签署者可信度与验证错误。“签署者可信度未确认”表示此检查器尚未将记录提升为可信状态。该标签本身不能证明其他所有检查都成功，也不能证明签署者不诚实。 查找签署者姓名、验证代码和报告说明。如果第二个验证器的结果不同，请记录差异，而不是选择看起来更令人放心的徽标。请确认两个工具是否检查了完全相同的字节，以及其信任配置或支持格式是否不同。 对于“验证失败”，请保留具体警告。失败可能涉及凭证或其与素材的关联；单凭标签无法确定原因。不要仅凭摘要徽标判断存在故意篡改。 一个实用的比较方法是取得创作者签署的原始文件并单独检查。如果原件和流传副本产生不同结果，请记录差异。这是调查传播历史的线索，不会自动证明存在不当行为。 如需升级处理，请保存确切文件、工具名称、检查日期、状态和任何错误代码。徽标截图可以提供背景，但保留所检查的文件才能让发现可复现。 为什么检查器可能找不到 Content Credentials？ 该发现适用于所检查的文件及凭证发现方法。它不能区分未签署的原件和丢失嵌入来源信息的副本，也不能确定是否使用了 AI。 我们的检查器检查本地可用凭证，不会获取不受信任文件中嵌入的 URL 所指向的远程清单。因此，即使存在外部来源记录，也可能无法通过此项检查获得。 其他实现可能提供恢复流程。Adobe 的文档介绍了一种使用不可见水印、数字指纹和其 Content Credentials 云来恢复匹配记录的方法，甚至适用于截图后。这是文档所述 Adobe 流程的功能，不应假设每个 C2PA 检查器都有此能力。 在自己创建新副本前，请向来源方索取原始签名导出文件。转换、重新保存或截图会给调查引入另一个版本。如果只有转载，请在笔记中保留这一限制。 “验证不可用”和“报告不受支持”需要不同处理：解决检查问题或使用兼容流程。两者都不是已完成且未找到内容的检查。 如何将结果变成有用的证据记录？ 写一段其他人可以核查的有限陈述。将报告观察到的内容与您正在评估的现实主张分开，避免来源发现在线上分享或审核时变成更广泛的判定。 使用此模板： 字段 要记录什么 素材 文件名、格式、尺寸和版本；如有，记录文件哈希 来源 该具体副本来自哪里以及何时取得 检查 工具、日期、结果标签及可用验证详情 声明 按报告措辞记录 AI 操作、编辑或素材 局限 缺失字段、不可用检查或缺少原件 背景 仍需独立验证的说明文字或主张 对于缺失结果，一条合适的记录是：“通过受支持的本地检查，未在此副本中找到凭证；尚未取得原件。”对于可信的 AI 声明，请记录声明范围和签署者，而不要指控创作者。 如果来源信息无法解决问题，AI 图片检测器可提供另一种受支持的证据渠道。也请阅读它的局限，并通过来源调查核查媒体附带的叙述。 常见问题 “签署者可信度未确认”和“验证失败”相同吗？ 不相同。它们代表不同的报告结果。没有可信状态本身不能指出验证失败，也不能证明所有验证检查均已通过。请检查详情，并在笔记中保留确切标签。 AI 生成图片可以拥有经过验证的 Content Credentials 吗？ 可以。凭证可以声明 AI 创建或编辑。相关问题是可信记录声明了什么操作，而不是文件是否有凭证徽标。 缺少 Content Credentials 能证明文件是假的吗？ 不能。这一结果表示受支持的检查未在该副本中找到可用凭证。它不能确定由人还是 AI 制作，也无法解决说明文字是否准确。 我应该编辑文件来修复失败的凭证吗？ 更改前请保留文件。索取原始签名导出文件并单独检查。编辑或重新导出的副本是新的调查素材，不应在不说明的情况下替代最初检查的证据。"},{"id":"https://aifakescan.com/zh-hans/resources/ai-image-detection-after-screenshots-compression","url":"https://aifakescan.com/zh-hans/resources/ai-image-detection-after-screenshots-compression","title":"截图和 JPEG 压缩在我们的 60 文件 AI 图片检测测试中改变了什么","summary":"一项可复现的案例研究，包含 12 个来源、60 个文件，考察截图、缩放、JPEG 压缩、元数据重新编码、C2PA 凭证和视觉模型输出。","date_published":"2026-09-24T18:28:42.409Z","date_modified":"2026-09-24T18:28:42.409Z","tags":["AI 检测","媒体来源"],"content_text":"截图、缩放和 JPEG 压缩不只是让文件变小。它们会生成不同的文件，可能移除嵌入的来源信息，也可能改变视觉检测器的分数。我们开展了一项受控的 60 文件案例研究，展示这些变化在一个规模较小、记录完整的样本中如何出现。 我们测试了什么 我们从公开的 AI Detector Arena 样本仓库中选择了 12 张来源图片：四张相机照片、四张 Flux 生成图片，以及 四张对相机照片进行明显编辑后的衍生图片。四类主题是动物、艺术、食物和风景。 每个来源生成了五个版本： 字节完全相同的原始文件； 在 Chrome 中以 1280 × 900 像素渲染后实际截取的浏览器截图； 最长边限制为 1024 像素的缩放版本； 质量设为 60 的 JPEG 导出版本； 省略元数据后重新编码的 PNG。 对于每个版本，我们记录了 SHA-256 哈希、格式、尺寸、字节大小、EXIF 字段数量、C2PA 结果，以及 AIFakeScan 本地视觉模型的原始输出。测试于 2026 年 九月 25 日使用 c2patool 0.26.60 和 `community-forensics-384.onnx` 运行。 下载 60 行结果 CSV. 下载来源清单. 下载运行设置。 视觉模型输出发生了什么 表中每个单元格列出 四个文件的原始分数平均值。这些是此样本中的观察结果，不是准确率，也不是经过校准的概率。 来源组 原始文件 截图 缩放 JPEG 质量 60 移除元数据 相机照片 0.0036 0.0021 0.0115 0.0020 0.0036 明显编辑的照片 0.0063 0.0014 0.0145 0.0031 0.0063 Flux 生成图片 0.9968 0.8569 0.7151 0.5226 0.9968 生成图片组的变化最大。一张生成的艺术图片从原始文件的 0.9978 降至缩放后的 0.3240，以及 JPEG 压缩后的 0.0093。一张生成的风景图片从 0.9900 降至截图中的 0.4344。其他生成文件经过相同转换后仍接近 1.0。 这种差异说明，不能将截图的分数当作未见过的原始文件的分数。这也说明，不断编辑文件直至检测器给出偏好的答案，并不是有效的审核方法。 Content Credentials 发生了什么 全部 四个生成的原始文件都包含声明生成内容的 C2PA 清单。c2patool 报告清单有效，但其签名凭证不在本地信任列表中，因此记录的结果是有效但不受信任。 这 四个文件各自的截图、缩放后的 JPEG、压缩后的 JPEG 和移除元数据版本均不含嵌入式 Content Credential。其余 八个相机和编辑后的来源文件在所有测试版本中也没有凭证。 此结果适用于这些导出路径，不代表每次缩放或每个编辑器都会移除 C2PA。支持 C2PA 的工作流程可以保留或替换凭证。这也不意味着没有凭证的文件是真实的。 元数据发生了什么 通过 Pillow 检查时，所选的 12 个原始文件均未显示 EXIF 字段。因此，在此样本中，移除元数据的版本不能证明相机 EXIF 被移除。它们确实表明，即使本地视觉模型输出保留到小数点后六位仍相同，像素等同的重新编码也会改变文件哈希和容器。 这一局限是结果的一部分。所选原始文件本来没有可移除的元数据，因此我们没有改称元数据被移除。 我们没有测试什么 所选文件没有记录表明它们来自受支持的专有水印提供商。因此，我们没有运行官方 SynthID 或其他供应商的水印检查，记录中的相关字段保持空白。空白表示未执行，并非水印不存在。 我们也没有将这些文件上传至社交平台。本文没有对任何特定平台保留或移除什么作出结论。 如何检查自己的不同版本 在编辑器中打开前，保留您拥有的最早版本。 为每个版本计算哈希并标记，不要覆盖原件。 对每个文件使用C2PA 检查器，查看是否存在凭证以及验证是否完成。 如果怀疑来源是 Google AI，请对每个相关版本按照SynthID 验证流程操作。 运行AI 图片检测器，记录完整报告和局限，而不是只复制一个分数。 说明结果适用于具体检查的文件。 本案例研究的局限 每个来源组包含 四张图片，涵盖 四个主题。样本用于展示可复现的方法，并非估计总体准确率。编辑组使用了一种明显的编辑方案。本地模型只是一个检测器版本。供应商水印和社交平台传输均未测试。核查上述任何摘要时，应使用完整的逐行记录。 常见问题 截图能绕过所有 AI 图片检测器吗？ 不能。在此样本中，有些生成图片的截图分数接近原始分数，其他截图则变化明显。截图是新的输入，报告时应如实说明。 没有 C2PA 是否证明图片是真实的？ 不能。这表示该文件中没有找到可用凭证。许多真实文件和生成文件都没有嵌入式凭证。 原始视觉分数是准确率百分比吗？ 不是。它是针对一个文件观察到的模型输出。本实验不估计敏感度、特异度或总体准确率。"},{"id":"https://aifakescan.com/zh-hans/resources/ai-image-detector-tools-comparison","url":"https://aifakescan.com/zh-hans/resources/ai-image-detector-tools-comparison","title":"AI 图片检测工具对比：在 2026 年选择合适的证据检查","summary":"从证据类型、隐私、访问权限和结果局限比较 AI 图片检测、C2PA 验证和 SynthID 检查。","date_published":"2026-09-24T18:28:42.409Z","date_modified":"2026-10-03T08:13:58.314Z","tags":["AI 检测","AI 水印"],"content_text":"AI 图片检测器、Content Credentials 验证器和提供商水印检查器回答的是不同问题。有用的比较应从所需证据出发，而不是只看一个“最佳”分数。 供应商对比于 2026 年九月 25 日核查。文件保存和检查范围说明于 2026 年十月 3 日对照实现进行审阅。AIFakeScan 的表现基于我们执行的 60 文件案例研究和实现检查。除非某项明确标为已测试，Google、Adobe 和 Sightengine 条目仅依据当时的官方文档。 快速选择表 工具 主要证据 适用场景 阴性结果不能证明什么 本文的证据依据 AIFakeScan AI 图片检测器 本地视觉模型及可用的文件证据 初步检查来源不明的图片，分别查看证据和局限 文件真实或从未经过 AI 编辑 对记录的 60 个文件版本进行了本地测试 AIFakeScan C2PA 检查器 嵌入式 Content Credentials、验证和本地信任状态 检查来源、签署者状态、声明的操作和基本元数据 没有凭证的文件是真实的 对同一组 60 个文件进行了本地测试 Google Gemini 验证 用于 Google AI 的 SynthID 及受支持的 Content Credentials 询问图片是否由 Google AI 创建或编辑 没有使用其他生成工具 供应商文档；我们的实验中没有兼容来源 Adobe Content Authenticity Inspect Content Credentials 及可恢复的匹配凭证 在 Adobe 的网页流程中检查凭证历史 缺少凭证能够证明真实性 界面可访问性和供应商文档；未记录上传结果 Sightengine genai API 通过托管 API 对视觉像素分类 可以接受外部提供商时进行程序化视觉筛查 来源、签署者身份或普遍正确性 供应商文档；本次对比未运行付费 API AIFakeScan：组合文件证据，但不将其混为一谈 通用AI 图片检测器运行本地视觉模型并报告可用文件证据。专用C2PA 检查器采用仅检查来源的模式，不运行像素分类器或付费检测器。 在我们的 60 文件案例研究中，C2PA 检查器在四个生成的原始文件中发现了有效但在本地不受信任的生成内容清单。由这些原件衍生的 16 个转换版本均不含嵌入式凭证。生成图片组的视觉模型平均分从原件的 0.9968 变为 JPEG 质量 60 版本的 0.5226。这些观察结果说明两种证据应保持分开；它们不能用来给 AIFakeScan 与其他检测器排名。 公开的基础检查文件在 AIFakeScan 的服务器基础设施上处理。上传的原始文件以私密方式保存，直到所有者在检查页面选择“删除文件和结果”。报告访问权限在 45 分钟后过期；到期不会删除原始文件。检查器并非在浏览器本地运行。上传敏感媒体前，请查看当前隐私政策。 Google Gemini：使用官方 SynthID 流程 Google 帮助页面称，已登录且符合条件的 Gemini 用户可以上传一个文件，询问其是否由 Google AI 创建或编辑。Gemini 目前可识别 Google AI 工具内容中的 SynthID，也可以概述受支持的 Content Credentials。 当问题具体针对 Google 水印时，这是一条合适的途径，但它不是通用水印测试。SynthID“未检测到”结果不能排除其他 AI 系统，Google 也记录了某些文件可能得到不明确的结果。 使用SynthID 检查流程准备文件、复制准确的问题并记录返回的结果。对于来自 Google 的内容，请使用外部官方验证流程。本站单独提供的 OpenAI 图片和音频水印检查取决于所述提供商、配置和访问权限；它们不能证明水印覆盖范围是全面的。 Adobe Content Authenticity：检查凭证历史 Adobe 的网页 Inspect 功能专为 Content Credentials 设计。Adobe 文档介绍了在凭证可用时查看来源、编辑历史和生成式 AI 信息，包括恢复部分匹配凭证的方法。 本次审阅期间可访问公开网站，但我们未记录上传结果。因此表中列出的是文档所述能力，而非实测结果。它可作为检查凭证的第二种界面，尤其适用于 Adobe 工作流程。 Sightengine：托管视觉 API Sightengine 文档介绍了一种托管的 `genai` 模型，用于检查像素内容并返回 AI 生成分数，在某些访问级别还提供按生成工具划分的信息。供应商表示，该视觉分数不使用元数据，并提供测试档和付费生产计划。 我们没有将 60 文件集合发送至 Sightengine，因此本文不比较其分数或准确率与 AIFakeScan 的差异。当外部 API 及其当前数据处理方式、限额和价格适合您的工作流程时，可考虑使用它。 根据问题选择工具 您的问题 从这里开始 需要时补充 此文件是否带有可验证的来源或编辑历史？ C2PA 检查器 用 Adobe Inspect 作为另一种凭证界面 这是否由 Google AI 创建或编辑？ Gemini SynthID 验证 C2PA 与来源调查 像素内容是否类似模型学习到的生成图片模式？ AI 图片检测器 另一家视觉检测提供商及受控的文件版本比较 所描绘的事件或说明文字是真的吗？ 来源调查与交叉核实 反向图片搜索、最初发布者和背景证据 表中的工具均不能证明事实真实。来源信息可以记录谁签署了历史；水印可以识别兼容的提供商；视觉模型可以产生概率性信号。请在写出最终结论前保持各项发现分开。 隐私、访问和费用说明 工具 文件处理 于 2026 年九月 25 日核查的访问和价格说明 AIFakeScan 上传至处理服务；原始文件以私密方式保存，直到所有者删除，报告访问权限在 45 分钟后过期 测试期间提供公开基础检查；请在工具页面查看当前限额 Gemini 根据账户和产品条款上传至 Google 需要登录并使用符合条件的账户；Google 说明了每日验证配额 Adobe Inspect 上传或提供给 Adobe 的网页检查流程 当时可公开访问网页；账户和功能可用性可能变化 Sightengine 发送至 Sightengine 托管 API 供应商说明提供免费测试档和付费生产计划；请核查当前价格 常见问题 哪个 AI 图片检测器最准确？ 本对比没有作出该主张。可靠的准确率比较需要版本明确、具有代表性的标注数据集、相同输入、预先定义的指标和完整的失败记录。这里的工具回答的问题也不同。 应该先使用 C2PA 还是视觉检测器？ 如果有原始文件，先检查来源，因为经过验证的声明可以直接提供文件历史证据。然后针对凭证未回答的问题增加视觉和背景检查。 一个工具能检查所有不可见的 AI 水印吗？ 本对比中的公开工具没有一个证明能全面覆盖所有专有水印系统。请使用提供商的兼容检查器，并准确记录运行的是哪个系统。"},{"id":"https://aifakescan.com/zh-hans/resources/synthid-checker-guide","url":"https://aifakescan.com/zh-hans/resources/synthid-checker-guide","title":"如何检查 SynthID：官方验证步骤与局限","summary":"通过官方 Detector 或 Gemini 图片流程检查 SynthID，了解媒体覆盖范围、文件版本和针对不同提供商的验证。","date_published":"2026-09-24T16:21:51.477Z","date_modified":"2026-10-19T09:31:03.686Z","tags":["AI 水印","媒体来源"],"content_text":"检查 SynthID 时，请从 Google 官方 SynthID Detector 开始，针对受支持的图片、视频和音频进行检查。查看其当前对 Google 和参与合作伙伴的覆盖范围。AIFakeScan 的视觉检查与兼容水印检查考察的是不同证据。 官方途径审阅于 2026 年十月 19 日。下方记录表用于记录文件版本和结果，不是准确率基准。 在哪里可以检查 SynthID？ Google 于 2026 年十月 7 日宣布在全球开放英文版 SynthID Detector。该公开服务检查受支持的图片、视频和音频文件。服务可用并不代表公开 API 可用，也不会在 AIFakeScan 内启用 Google 验证。 打开官方 SynthID Detector并查看当前文件要求。保留原件，上传受支持的文件，阅读结果并保存其确切措辞及检查日期。参见Google 访问公告。 SynthID 将人无法察觉的水印嵌入生成媒体。Google 称它的设计目标是抵抗部分转换，包括裁剪和有损压缩。该设计目标不能证明您手中文件的成功率。 如何在 Gemini 中验证图片 按照 Google 当前的Gemini 验证说明操作。使用符合条件的个人或 Workspace 账户登录，打开 Gemini，使用“添加文件”并上传一张图片。询问它是否由 Google AI 创建或编辑。阅读返回的验证说明，并将确切回答与文件一起保存。 对于 Gemini，提交文件前请查看当前帮助页面，确认上传限额和账户要求。Gemini、SynthID Detector 和 AIFakeScan 的限额各不相同。 如果只有截图，Google 建议围绕一张图片紧密裁剪，而不是上传拼图。请同时保留未经修改的截图并记录裁剪情况。如有可能，请索取原始下载文件。 结果能支持什么结论？ 使用服务的确切措辞，分别记录检测到、未检测到和不明确的结果。查看所用检查器当前支持的媒体和提供商范围。发现受支持的水印不能验证场景或说明文字。 请使用以下解释清单；下列标签是审核类别，并非承诺界面一定使用的措辞。 收到的结果 要记录什么 下一步怎么做 报告检测到 SynthID 确切回答、文件、日期及所述范围 区分生成与编辑；单独核实图片说明文字 未报告检测到 针对本次提交文件的阴性发现 继续考虑其他生成工具和图片来源历史 结果不明确 记录解释，不将其转换为是或否 寻找更好的来源文件并保留不确定性 上传失败或检查未完成 错误或缺失的覆盖范围 标记为未检查；不要记录为阴性结果 检查器的回应不应在未说明的情况下变成对某个人、事件或发布者的更广泛主张。例如，找到 AI 编辑证据不能识别所有修改区域，也不能证明相关新闻说法虚假。 SynthID、Content Credentials 与视觉检测 这些证据渠道可能出现在同一次审核中，请将其输出分开。 证据渠道 要问的问题 应保留的局限 SynthID 验证 兼容提供商的检查是否找到了其水印？ 水印检查具有明确的提供商覆盖范围 C2PA Content Credentials 验证了哪些来源声明，采用了什么信任规则？ 签署的历史不能保证事实真实 普通元数据 还保留哪些相机、软件或导出线索？ 可编辑字段是背景信息，不是独立证明 视觉模型 此模型对提交的像素报告了什么？ 分类不能还原创建历史 Gemini 也可以检查 Content Credentials。请将这些发现与其 SynthID 回应分开保存。我们的C2PA 指南解释了验证和信任状态。 原件与分享副本的记录表 每个文件保留一条记录。如果比较原件与社交平台下载文件或截图，请在上传前标记版本。不要为了获得不同的检测结果而覆盖原件。 字段 审核时填写 审核问题 关于生成、编辑或来源的具体主张 文件身份 文件名、格式、尺寸，以及可选的 SHA-256 哈希 获取方式 来源 URL 或发送者、下载日期，以及是原件还是副本 已知更改 裁剪、截图、缩放、导出或平台路径；无法得知时标为未知 官方验证 服务、日期、确切回答以及检查是否完成 其他证据 凭证详情、发布历史、创作者说明和相互冲突的发现 结论 证据支持什么，哪些问题仍未知 这是一份空白审核模板，不包含实测的水印存留结果。比较两个来源不明的文件，也无法告诉您在任一文件到达您手中之前存在什么信号。 AIFakeScan 的作用 使用AI 图片检测器查看可用文件证据并阅读覆盖范围说明。AIFakeScan 不运行 Google 的专有 SynthID 检查器。其测试版视觉信号单独使用时仍为“无法得出结论”，不能提供经过校准的 AI 概率。 如需更广泛的来源调查，请阅读如何检测 AI 生成图片。如果检测器提示与来源历史冲突，请使用误报审核指南。 使用交互式 SynthID 验证流程 AIFakeScan SynthID 检查器列出各提供商的访问权限和覆盖范围。对于受支持的媒体，请使用外部官方 Detector；Gemini 仍是另一种图片检查流程。在 AIFakeScan 内提交任何内容前，请确认提供商状态。 使用外部途径不会将文件上传至 AIFakeScan，也不会导入结果。只有已确认且已启用的工具内检查器才能在此接收文件。请记录所用服务、确切回答、文件版本和日期。 本指南仍是覆盖范围、文件版本处理和结果解释的详细参考。工具页面是针对 `synthid checker` 查询意图的操作入口。 常见问题 通用 AI 图片检测器就是 SynthID 检查器吗？ 不是。视觉分类器和兼容水印检查器考察的是不同证据。请查看对实际运行检查的明确说明。 未检测到 SynthID 是否证明图片是真实照片？ 不能。该结果不能排除所有其他 AI 系统，也不能证明所描绘场景的真实性。请记录这一有限发现并继续调查来源。 AIFakeScan 能验证 SynthID 吗？ AIFakeScan 内的 Google 验证仍取决于集成访问权限。对于其支持的媒体，请使用外部官方 SynthID Detector；对于文档所述的图片流程，也可使用 Gemini。其他工具内提供商检查仅在其各自状态确认可用时运行。 可以审核截图吗？ 可以，但请将其作为单独的文件版本保存并寻找原件。不要将截图结果当作未见过的原始文件的完整历史。"},{"id":"https://aifakescan.com/zh-hans/resources/c2pa-content-credentials-what-they-are-and-how-they-work","url":"https://aifakescan.com/zh-hans/resources/c2pa-content-credentials-what-they-are-and-how-they-work","title":"C2PA Content Credentials：它们是什么以及如何运作","summary":"了解 C2PA Content Credentials 记录什么、如何验证签名和素材绑定，以及有效或缺失的凭证能证明和不能证明什么。","date_published":"2026-09-22T06:43:03.997Z","date_modified":"2026-09-24T18:28:42.409Z","tags":["C2PA","Content Credentials","媒体来源"],"content_text":"C2PA 是记录和验证数字媒体来源及编辑历史的开放技术标准。Content Credentials 是基于该标准构建、面向用户的来源记录。它们可以帮助您查看谁或什么签署了文件、声明了哪些操作，以及签名记录是否仍与素材匹配。 它们不会自动证明图片、视频或说明文字真实。有效凭证证明的是关于签名来源记录的特定事项，而不是与媒体有关的每一项现实世界主张。 C2PA 代表什么？ C2PA 是 Coalition for Content Provenance and Authenticity（内容来源与真实性联盟）的缩写。该联盟制定技术规范，以便将具有篡改可检测性的来源信息附加到图片、视频、音频、文档和其他数字素材。 该标准不是 AI 检测器，不会检查视觉伪影并猜测模型是否生成了文件。它为参与的相机、软件、发布者和 AI 系统提供一种共同方式，对素材历史作出签名声明。 相关C2PA 说明将来源描述为有关素材历史的事实。凭证可能包含关于来源、编辑、工具、素材或 AI 使用的断言。出现哪些断言取决于具体实现，以及签署者选择或配置记录什么。 什么是 Content Credentials？ Content Credentials 是遵循 C2PA 规范的来源信息体验所使用的名称。可以把 C2PA 看作技术框架，而 Content Credentials 是人们检查的签名记录和界面。 Content Credential（也称 C2PA 清单）可以包含： 签发凭证的应用、服务、设备或组织； 应用凭证的日期； 声明的创建或编辑操作； 用于创建合成素材的各组成素材信息； 当签发流程记录时，使用生成式 AI 的指示； 可选的创作者或发布者身份信息； 用于将清单绑定到素材的加密数据。 并非每个凭证都包含以上所有字段。例如，缺少创作者姓名并不能证明记录无效。隐私选择和实现差异会影响披露内容。 C2PA 清单如何运作？ 参与工具创建包含素材断言的清单，并使用加密凭证签名。内容绑定将清单与相关素材关联。兼容验证器随后可以检查签名、清单结构，以及被绑定内容自清单生成后是否发生变化。 该过程可以概括为五个阶段： 设备或应用创建或编辑素材。 声明生成器在清单中记录选定操作及其他断言。 清单经过加密签名。 清单嵌入文件，或通过其他受支持机制变得可发现。 验证器检查清单，并向查看者呈现可用的来源信息。 签名标识签署者使用的凭证，但不会让清单内每一项陈述都自动成为经过独立验证的事实。信任仍取决于谁签署记录、其作出了什么断言，以及您为何信任该签署者或其验证过程。 硬绑定和软绑定有什么作用？ 硬绑定将清单与受到保护的确切内容关联，通常使用加密哈希。如果受保护的字节改变，验证可以检测到当前清单不再与该版本素材匹配。 软绑定旨在帮助定位衍生或转换媒体的来源信息。C2PA Content Credentials 规范解释说，软绑定可以根据数字内容计算，而不是根据完全相同的原始字节。例子包括用于查找相关清单的指纹或不可见水印。 当平台移除嵌入元数据或有人截图时，这一区别很重要。嵌入清单可能不再随新文件存在，但持久的查询机制仍可能将转换副本重新连接到外部记录。能否恢复取决于具体实现，因此绝不能假设一定能恢复。 签名如何验证？ 验证器会检查多个层面，而不是只查看“存在 C2PA”这一标记。它检查清单结构是否正确、签名是否有效、签名凭证是否符合相关信任模型或被其信任，以及清单是否仍绑定到正在检查的素材。 验证问题 成功检查支持什么 它不能证明什么 清单结构正确吗？ 记录遵循所需结构 声明在事实上真实 签名有效吗？ 签名记录在签署后未被更改 签署者可信 签署者受信任吗？ 凭证连接到已认可的信任来源 所描绘的事件发生过 素材绑定通过验证吗？ 受保护的素材与签名状态匹配 说明文字或背景准确 是否声明使用 AI？ 签署者记录了相关 AI 操作 所有其他未声明的文件都未使用 AI 技术规范区分了结构正确、有效和可信等状态。界面可能简化这些结果，因此请查看详情，不要把每个徽标都解读为相同的保障程度。 Adobe Content Credentials 与 C2PA 有何关系？ Adobe 是 C2PA 的共同创立者，并开发实现该标准的产品，但 C2PA 不是 Adobe 独有的文件格式。其他软件、硬件、发布者、平台和验证工具也可以实现同一开放规范。 Adobe 的 Content Credentials 文档说明其检查工具使用基于 C2PA 的加密方法显示可用来源和完整性信息。某些 Adobe 流程会自动将凭证附加到受支持的 Firefly 生成输出；其他流程则允许创作者选择包含哪些身份或归属信息。 因此，Adobe 生成的凭证应作为 C2PA 的一种实现来阅读。签发者、操作和验证结果比单纯出现 Adobe 产品名称提供更多信息。 如何检查 Content Credentials？ 从可获得的最佳文件开始，如果能够取得原件，就不要以压缩截图作为起点。用兼容检查工具打开文件，或使用支持该功能的平台提供的凭证界面，然后按有意识的顺序检查结果。 确认凭证与所选文件关联。 检查验证状态及任何警告或失败。 确定签署者或声明生成器。 查看记录的操作、素材和 AI 使用声明。 记下凭证签发时间以及是否包含后续编辑。 将来源信息与外部主张、来源和发布背景比较。 如果界面通过截图或指纹找到可能的匹配项，请将这种查询与原始文件的硬绑定验证区分开。两者都有用，但关系不同。 Content Credentials 缺失意味着什么？ 缺少凭证只意味着验证器通过所用方法没有找到可访问的凭证。没有额外证据时，只能得出这一结论。 凭证采用是自愿且不均衡的。相机可能不支持 C2PA，编辑器可能未启用该功能，平台可能移除嵌入元数据，或者您收到的副本可能经过转换。合法创作者也可能出于隐私或安全原因选择不包含身份信息。 C2PA 自身的指南提醒，不要将未签名媒体视为天然不可信。缺少来源信息是信息缺口，不是 AI 判定。 Content Credentials 能证明什么，不能证明什么？ Content Credentials 在回答有限的来源问题时最有力：谁或什么签署了记录、声明了哪些操作、签名清单是否被更改，以及它是否仍与所检查素材关联。 它们不能独立证明场景发生过、引语准确或发布者的描述诚实。合成生成的图片可以带有有效凭证，真实相机图片也可以没有凭证。有效签名的素材仍可能配上错误日期或误导性说明。 这就是 AIFakeScan 将来源信息视为一种证据渠道的原因。我们的方法说明将可用来源信息和元数据与其他检查结合，同时保留不确定性。有关实用流程，请参阅如何检测 AI 生成图片。 如何阅读 C2PA 检查结果 请保存完整验证报告，而不只是徽标。以下是实用审核类别；不同验证器可能使用不同措辞。它们不是保证出现的 AIFakeScan 结果标签列表。 审核类别 已完成检查中的含义 下一步 未找到凭证 验证器通过其检查的路径未找到受支持的凭证 索取原始导出文件；检查是否支持外部恢复 验证通过且签署者可信 报告的验证和信任检查成功 阅读实际操作和 AI 使用声明；单独验证说明文字 签名检查通过，但签署者不受信任 部分完整性检查成功，但签署者不符合验证器的信任政策 检查证书和信任政策；不要将不熟悉等同于欺诈 验证失败 至少一项报告的验证规则失败 排查前保留确切代码和文件 不完整、不受支持或错误 验证器无法完成相关检查 记录缺失的覆盖范围，不要称凭证不存在 判断图片前先排查文件 保留产生该结果的文件。如有可能，取得创作者的原始导出文件，并在不重新保存的情况下检查。比较详细验证代码、签署者、声明的操作和验证器版本。第二个兼容验证器可能有助于解释差异，但不同徽标本身不是解释。 文件版本 比较前记录 解释边界 创作者的导出文件 获取路径、文件身份、凭证详情 它仍可能只包含部分制作历史 社交平台或消息下载文件 平台、下载路径、日期、大小和尺寸 测试这个实际交付的文件；不要假设每个平台或路径表现相同 截图 截图软件、裁剪和来源页面 图片中可见的凭证图标本身不是经过验证的清单 这些是排查说明，而非平台测试结果。AIFakeScan 的可用检查会在每份报告中说明；不可用的 C2PA 检查不是阴性发现。如果问题涉及 Google 的不可见水印，请使用单独的SynthID 验证指南。 使用专用 C2PA 验证器检查文件 当您需要可执行的结果而不是空白工作表时，请使用AIFakeScan C2PA 检查器。仅来源模式验证文件容器、用 c2patool 检查嵌入的 Content Credentials、报告本地信任状态和声明的操作，并展示少量基本元数据。它不会运行视觉 AI 分类器或付费检测器。 结果将以下状态分开：可信验证、签名有效但本地不信任、验证失败、没有凭证、验证不可用和报告不受支持。“未运行”绝不会显示为“未找到”。结果中会显示验证状态代码，可以下载经过净化的 JSON 报告，其中不包含私密检查 URL、访问令牌或上传文件名。 在60 文件截图与压缩案例研究中，四个生成的原始文件带有有效但本地不受信任的 AI 声明。它们的 16 个转换版本未保留嵌入凭证。该实测结果适用于这些文件和导出路径，并非关于支持 C2PA 的编辑器的普遍陈述。 常见问题 C2PA 和水印相同吗？ 不。C2PA 定义了更广泛的来源系统。清单可以嵌入文件并通过加密方式绑定；水印或指纹则可能作为软绑定，帮助在转换后恢复相关记录。 有效的 Content Credential 是否意味着图片真实？ 它表示针对凭证及其与素材关系的规定验证检查已成功，并不能独立证明场景、说明文字、日期或每项断言的真实性。 Content Credentials 能显示使用了 AI 吗？ 它们可以显示签署者声明了相关 AI 创建或编辑操作。这是阳性的来源证据。缺少 AI 声明不是从未使用 AI 的普遍证明。 Content Credentials 可以被移除吗？ 文件被清除、转换或重新捕获时，嵌入元数据可能丢失。一些实现使用外部存储、指纹或不可见水印来改善恢复，但持久性取决于系统和转换方式。 谁控制 C2PA？ Coalition for Content Provenance and Authenticity 制定开放规范。各公司和组织在自己的产品和服务中实现这些规范。 实际启示 请将 Content Credentials 作为签名来源信息来阅读，而不是通用真相徽标。检查验证状态、签署者、声明的操作和素材关系，然后通过来源调查与背景核实现实世界主张。这种组合比单独使用凭证或 AI 检测器都更有力。"},{"id":"https://aifakescan.com/zh-hans/resources/what-is-a-deepfake-deepfake-vs-ai-generated-content","url":"https://aifakescan.com/zh-hans/resources/what-is-a-deepfake-deepfake-vs-ai-generated-content","title":"什么是深度伪造？深度伪造与 AI 生成内容的区别","summary":"了解深度伪造的含义、它与更广泛的 AI 生成内容有何不同、主要操纵类型，以及如何核查疑似冒充。","date_published":"2026-09-22T06:43:03.997Z","date_modified":"2026-09-22T06:43:03.997Z","tags":["深度伪造","合成媒体","视频验证"],"content_text":"深度伪造是使用 AI 模仿或改变一个人的身份、外貌、声音或行为的合成或篡改媒体。AI 生成内容是更广泛的类别：它可以描绘虚构人物、地点、物体或事件，而不冒充任何真实个人。所有深度伪造都是 AI 生成或 AI 修改的内容，但并非所有 AI 生成素材都是深度伪造。 这一区别同时影响风险和验证方式。完全生成的风景与换脸视频都可能是合成内容，但只有其中一种依赖于对真实人物身份的主张。 什么是深度伪造？ “deepfake”一词结合了深度学习和伪造。常见用法是指使用机器学习技术创建或修改的媒体，使真实人物看起来说过或做过其未说或未做的事，或模仿其面孔或声音。 边界处的定义有所不同。NIST 对合成媒体的描述将其广义定义为由算法（包括 AI）显著修改或生成的信息。NIST 的媒体取证资料将面部相关操纵分为身份替换、表情替换、属性操纵和整脸合成等类别。 WITNESS 将“合成媒体”作为更广泛的类别，并将深度伪造描述为对某人面孔、声音或行为的逼真模拟。这种以人为中心的定义很有用，因为冒充通常是深度伪造尤其有害的原因。 深度伪造与 AI 生成内容有什么区别？ AI 生成内容包括由生成模型制作或大幅改变的文本、图片、音频和视频。它可以被明确披露，也可以是虚构、艺术作品或用于普通商业流程，无须模仿真实人物。 深度伪造通常针对身份。它可能将一个人的脸放到另一个身体上、重演面部表情、用可识别的声音生成语音，或创建涉及某个具名人物的逼真场景。 媒体类型 使用 AI？ 模仿真实人物？ 典型例子 生成插图 是 不一定 根据提示词创建的虚构城市 完全生成的主持人 是 身份虚构时不是 已披露的虚拟主持人 换脸 是 是 将一个人的脸放到另一个人的表演上 面部重演 是 是 真实人物的表情或口部动作被修改 声音克隆 是 是 模仿已知说话人的合成语音 传统误导性编辑 不一定 可能 通过剪辑去掉背景的真实片段 最后一行很重要：有害或欺骗性媒体不会自动成为深度伪造。旧视频重新使用、虚假说明、选择性剪辑或手工编辑，都可能在没有生成式 AI 的情况下误导。 深度伪造的主要类型有哪些？ 换脸 换脸将来源身份替换或融合到目标图片或视频中。即使表面身份改变，基础身体、动作、环境和音频仍可能是真实的。 面部重演与唇形同步操纵 面部重演在保留目标人物身份的同时改变表情、视线、头部或嘴部动作。唇形同步系统可以让人物看起来说出了替换音频中的话。 声音克隆 声音克隆生成模仿特定说话人的语音。它可能出现在电话、语音消息、播客片段中，也可能作为修改视频的音轨。美国联邦贸易委员会警告称，冒充者可能在虚假紧急求助中使用声音克隆，并建议通过已知渠道联系所谓来电者。 合成身份与身体操纵 有些媒体结合生成面孔、修改后的身体和虚构背景。其他内容改变年龄、头发、衣服或属性，但不替换整个身份。这些情况说明，“深度伪造”不是单一技术操作。 完全由 AI 生成的人物是深度伪造吗？ 不模仿可识别个人的生成式人物，通常更适合称为合成人物或 AI 生成角色。将所有逼真的 AI 人像都称为深度伪造，可能模糊该术语所描述的身份相关伤害。 当生成场景虚假描绘真实具名人物时，即使系统生成了整个画面而不是换脸，该标签仍可能适用。实际使用时，请同时描述技术和主张：“虚假描绘某公众人物的 AI 生成图片”比单一标签更准确。 所有深度伪造都有恶意吗？ 不。经同意，这种技术可以用于配音、无障碍、讽刺、电影制作、教育或已披露的创作。伦理和法律问题取决于同意、披露、背景和伤害，而不只是使用 AI。 高风险用途包括未经同意的私密图像、欺诈、骚扰、证据操纵和意图影响决定的冒充。即便如此，也不要仅凭自动检测结果指控创作者或当事人。对后果重大的案例，请保留原始来源并寻求专业审核。 如何核查疑似深度伪造？ 从主张和身份入手，而不是先看视觉异常。询问画面中据称是谁、据称说了或做了什么，以及媒体最早出现在哪里。 保存 URL、账户、说明文字、时间戳和可获得的最佳文件。 通过追溯来源和搜索有代表性的帧，寻找更长或更早的版本。 将主张与官方录像、可靠报道或其他已知渠道比较。 检查相邻帧中持续出现的身份、动作和合成不一致。 单独检查音频；查看剪辑，并通过独立联系渠道核实说话人。 检查可用的 Content Credentials 或其他来源记录。 使用合适的检测器作为辅助证据，并记录其声明的覆盖范围。 关于详细媒体流程，请阅读如何判断视频是否由 AI 生成。该流程既适用于合成场景，也适用于疑似身份操纵。 为什么视觉上的“深度伪造特征”不够 固定清单很快会过时。不自然眨眼、变形牙齿、奇怪的手或边缘伪影可以提供线索，但现代系统可能避开这些现象。真实画面也可能有模糊、压缩、丢帧、配音、滤镜或照明效果，看起来像经过操纵。 请检查连续画面，而不是只看一张截图。询问异常是否在相邻帧和质量更好的副本中持续存在。更重要的是寻找外部证据：原始录像、另一个摄像角度、相符的公开露面，或时间和地点上的矛盾。 逼真的面孔不能验证事件。反过来，一帧难看的画面也不能证明换脸。 AI 视频检测器能告诉您什么？ 检测器可能识别与其支持类别的媒体相关的模式。解释输出时应考虑模型训练、文件质量、操纵类型以及检查了多少视频。 AIFakeScan 的方法说明指出，基础检查不包含专门的换脸分类，基础音频检查不对克隆或合成语音分类。视频分析可能抽样帧，而不是检查每一帧。仅基于被动信号的测试版结果仍无法得出结论；它们不是经过验证的 AI 概率。 这些边界可以防止常见错误：把一般视频结果当作分别测试了人物的脸和声音。仅将AI 视频检测器用于它所描述的检查，然后结合身份和来源核查。 Content Credentials 如何帮助调查深度伪造？ Content Credentials 可以记录谁或什么签署了素材、声明了哪些操作，以及签署的来源信息是否仍与文件匹配。声明的 AI 编辑或生成操作可以是有关已记录流程的强阳性证据。 它们不能证明场景真实，也不能保证获得同意。缺少凭证不能证明操纵，因为采用凭证是可选的，元数据也可能丢失。请阅读C2PA Content Credentials：它们是什么以及如何运作，了解有效来源记录与真实世界主张之间的区别。 遭遇疑似冒充诈骗时该怎么办？ 放慢互动节奏。不要只依赖看起来的面孔、声音、来电显示或账户。请通过您已知真实的电话号码、网站或账户联系该个人或组织。 不要在压力下汇款或发送敏感信息。保留消息和交易详情，通知相关平台或金融服务提供商，并通过适当的官方渠道举报欺诈。目标是独立核实请求，而不是与媒体内容争辩。 常见问题 深度伪造一定是视频吗？ 不。该术语可以涵盖经过操纵或合成的图片、视频和音频，尤其是模仿真实人物身份、声音、外貌或行为的内容。 每个面部滤镜都是深度伪造吗？ 通常不是。已披露的娱乐滤镜更适合按其作用描述。当 AI 操纵涉及真实人物并形成逼真的身份或行为主张时，深度伪造标签才更相关。 深度伪造检测器能证明视频是假的吗？ 不应将任何检测结果视为通用证明。覆盖范围因操纵类型和文件质量而异。后果重大的结论需要来源证据、可能时的原始媒体和适当的专家审核。 真实画面仍可能构成虚假信息吗？ 可能。真实画面可能年代久远、说明错误、经过选择性剪辑，或被赋予虚假地点。文件真实性与周边主张的真伪是不同问题。 描述疑似媒体最清楚的方式是什么？ 说明观察到的技术和主张，例如“疑似克隆声音冒充家庭成员”或“完全生成的场景被标为真实画面”。准确语言比把所有可疑素材都称为深度伪造更有用。 实际启示 对模仿或操纵身份的 AI 媒体使用“深度伪造”，对更广泛类别使用“AI 生成内容”。然后核查具体人物、行为、来源和背景。准确分类有助于选择正确证据，而不是依赖单一视觉线索或检测分数。"},{"id":"https://aifakescan.com/zh-hans/resources/can-ai-detectors-be-wrong-why-false-positives-happen","url":"https://aifakescan.com/zh-hans/resources/can-ai-detectors-be-wrong-why-false-positives-happen","title":"AI 检测器会出错吗？误报为何发生","summary":"了解 AI 检测器为何会产生误报和漏报、压缩和模型不匹配如何影响结果，以及如何审核有争议的提示。","date_published":"2026-09-22T03:26:18.348Z","date_modified":"2026-09-24T18:28:42.409Z","tags":["AI 检测","误报","媒体取证"],"content_text":"会。AI 检测器可能产生误报——将真实媒体标记为 AI 生成，也可能产生漏报——未发现合成或篡改内容。结果取决于检测器被训练识别什么、收到什么媒体、使用什么阈值，以及现实条件是否与评估数据相符。 检测结果是来自模型的证据，不是对作者身份、真实性或真相的最终裁决。 AI 检测中的误报是什么？ 误报是指检测器将真实或超出适用范围的内容标记为 AI 生成或篡改。漏报是指合成内容被分类为真实、没有标记或无法得出结论。 这些错误不同于不受支持的上传或系统故障，也不同于误导性说明文字：照片可能真实，而附带的故事是假的。 结果 媒体由 AI 生成 媒体不是 AI 生成 检测器标记为 AI 真正例 假正例（误报） 检测器未标记为 AI 假负例（漏报） 真负例 实际服务可能设有无法得出结论的状态，而不是强行给每个文件一个二元标签。当证据薄弱或覆盖范围未知时，这通常是更诚实的结果。 AI 检测器为什么会出错？ 大多数被动检测器学习与训练样本相关的模式，它们并没有一种适用于所有情况的“AI”物理测试。如果新的生成工具、相机处理流程、编辑流程或压缩模式不同于检测器的训练分布，表现就可能改变。 NIST 的合成内容报告将检测视为更大透明度工具箱的一部分，该工具箱还包含来源信息、认证、标注和水印。这种分层方法反映了仅依赖分类的局限。 常见错误来源包括模型不匹配、后处理、低质量输入、局部编辑、模糊的真实标签，以及为不同运营风险选择的阈值。 模型不匹配如何造成错误结果？ 检测器可能在与其训练数据相似的生成工具和数据集上表现良好，却难以推广到不熟悉的系统。新模型可能产生不同的纹理、频率模式、运动和噪声特征。 相关GenImage 基准明确评估跨生成工具检测：使用一个生成工具的图片训练，再用其他工具的图片测试。这是部署中的核心问题，因为用户很少事先知道生成模型。 反向的不匹配也很重要。检测器可能学到其数据集中真实图片的捷径特征，例如相机噪声、分辨率或预处理，然后将不寻常但真实的图片误判为 AI 输出。 压缩和编辑如何影响检测准确率？ JPEG 压缩、社交平台重新编码、截图、缩放、锐化、降噪、滤镜和反复导出都会改变像素级信号。视频还涉及帧插值、比特率变化、裁剪和音频同步。 依赖脆弱高频伪影的检测器可能在压缩后失去有用信号，也可能将普通压缩块、振铃、过度平滑或强降噪误认为合成模式。 始终识别文件版本。原始导出文件的结果与转载截图的结果不具有相同的证据价值。如有可能，请比较原件与流传副本，而不是将它们视为可互换。 为什么普通图片也可能触发误报？ 真实图片出于许多原因可能在统计上不寻常。计算摄影、人像模式分割、HDR 合成、夜间模式堆叠、强降噪、放大、修复、美颜滤镜和类似插图的场景，都可能偏离简单的相机照片分布。 扫描图、截图、游戏渲染、图表、产品模型图、CGI 和数字艺术也可能超出检测器预期的“真实照片与 AI 图片”任务。模型被迫对范围外媒体分类时，仍可能返回分数，即使该分数没有意义。 解释结果前，请询问服务是否支持该媒体类型和工作流程。“上传表单接受”不等于“已针对这类内容验证”。 阈值如何改变误报和漏报？ 分类器通常产生一个内部评分，并将其与判定阈值比较。降低阈值可以发现更多合成媒体，但也会标记更多真实媒体。提高阈值可以减少错误指控，但也会让更多合成内容漏过。 不存在普遍正确的阈值。审核队列可能容忍更多误报，因为每个标记都由人审核。学术诚信或欺诈决定需要强得多的流程，因为错误指控可能造成重大伤害。 除非提供商针对相关人群证明了这种解释，否则不应将分数读作校准概率。“模型分数 0.8”和“此内容有 80% 的概率由 AI 生成”并不自动等同。 多个检测器能解决问题吗？ 一致结果可以增加背景，但多数投票不是证明。检测器可能共享训练数据、模型家族或预处理假设，因此错误可能相关。 不要将无关系统的分数取平均。应记录每个工具检查了什么、支持范围、文件版本及结果措辞。如果输出不同，请调查差异，而不是选择最自信的数字。 独立证据比另一个不透明的分数更有价值：来源记录、创作者披露、原始文件、较早版本或佐证视频，可以回答分类器无法回答的问题。 检测器和水印验证器有什么区别？ 被动检测器推断内容是否类似与 AI 生成相关的样本。水印验证器查找已知的嵌入信号。来源验证器检查签名记录及其与素材的关系。 这些方法回答不同的问题。提供商水印的阳性结果可以在其支持的系统范围内提供直接来源证据。被动检测器可以覆盖没有水印的内容，但通常不确定性更大。Content Credentials 可以解释声明的操作，但可能缺失或被移除。 最有力的流程会结合可用渠道，同时不假装其中一种可以替代另一种。 如何解读 AIFakeScan 结果？ AIFakeScan 的方法说明指出测试版的评估和校准尚未完成。仅基于被动信号的结果仍无法得出结论，服务不提供实测 AI 概率或经过验证的准确率百分比。 查看找到了哪些证据：Content Credentials、元数据、服务可用的水印信号或被动模型观察值。整图结果可能无法定位小范围编辑。视频抽样可能漏掉短暂篡改，基础检查不包含专门的换脸或克隆语音分类。 使用AI 图片检测器或AI 视频检测器收集受支持的证据，然后在结论中保留不确定性。 可能误报后应该怎么做？ 不要仅凭结果公开指控。保留确切文件并记录工具、日期、设置和输出，然后寻找能够独立支持或质疑该分类的证据。 确认媒体类型在检测器声明的范围内。 获取原始文件，而不是截图或压缩转载。 检查可用的 Content Credentials 和元数据。 追溯较早版本和创作者披露。 比较不同文件版本的结果，不要将分数取平均。 询问提供商结果含义以及有哪些验证支持。 将后果重大的案例转交给有资质的人工审核。 针对图片的调查，请参阅如何检测 AI 生成图片。针对视频，请使用如何判断视频是否由 AI 生成。 真实照片被标记时的实用审核 请把以下内容作为调查提示，而不是对特定检测器的诊断。来源主张本身也必须核查：被描述为相机照片的文件也可能包含后来的生成式编辑。 要调查的文件历史 要索取的证据 值得进行的比较 智能手机处理或人像模式 相机原始导出文件和拍摄详情 比较原件与分享副本，并记录工作流程 修图或美颜滤镜 如有，提供编辑历史和编辑前图片 将传统修饰与任何已声明的生成式操作分开 修复或放大 应用、功能、设置和源文件 询问该流程是否使用 AI 重建细节 截图或反复分享 原始下载文件和分享路径 比较文件证据及视觉模型输出 作为照片提交的插图或 CGI 创作者的项目或导出历史 应用照片检测器的假设之前先确定媒体类别 不要不断编辑文件，直到分数变成您想要的答案。请先定义比较并保留每个结果。输出变化说明系统对不同输入作出了不同回应；如果来源未知，它不能说明哪个答案正确。 写一份他人可以核查的审核记录 记录有争议的主张、文件身份、已知编辑历史、工具和日期、确切输出及未运行的检查。附上创作者提供的证据并解释冲突。一个有用的结论可能是：“检测器提示与提供的来源历史冲突；在取得原始导出文件之前，制作方式仍未解决。”这是示意性措辞模板，不是对某张测试图片的发现。 如果怀疑来源是 Google AI，请将官方 SynthID 检查与视觉分类分开。对于缺失或损坏的来源信息，请参阅C2PA 结果指南。AIFakeScan 的测试版视觉信号单独使用时仍无法得出结论。 质疑结果前加入转换对照 我们的60 文件截图与压缩案例研究说明了具体输入为何重要。对四张生成图片而言，本地模型原始输出的平均值在原件上为 0.9968，在浏览器截图上为 0.8569，缩放后为 0.7151，JPEG 质量 60 导出后为 0.5226。各文件的变化幅度差异很大。 这些数值不是准确率百分比。它们是一次实测提醒：保留原件、一次只改变一个设置并保留每个结果。如果真实照片的结果有争议，请比较未经修改的文件与每个受控衍生版本，而不是反复编辑直到分数改变。 常见问题 AI 检测器会错误指控某人吗？ 会。误报可能发生，尤其是在处理范围外、经过转换或不熟悉的媒体时。不要仅凭检测结果作出处分、声誉或法律结论。 高检测分数能证明 AI 生成吗？ 不能仅凭分数。您需要知道分数如何针对可比较媒体定义、校准和验证。许多模型分数不是概率。 压缩会让 AI 内容在检测器看来像真实内容吗？ 压缩可能削弱检测器使用的信号，也可能引入使分类混淆的伪影。其影响取决于检测器、文件和压缩过程。 无法得出结论的结果是失败吗？ 不是。当证据不足以支持可靠的二元结论时，无法得出结论是正确结果。它传达不确定性，而不是隐藏不确定性。 什么证据比检测器分数更强？ 经过验证的来源信息、针对提供商的水印、原始文件、记录的制作历史和独立确认的来源背景，可以提供更直接的来源和使用证据。 实际启示 AI 检测器可以是有用的初筛工具，但其错误受数据、范围、转换和阈值影响。请将结果视为一个证据渠道，独立核查基本主张，切勿将未经校准的分数变成其设计本不支持的确定性。"},{"id":"https://aifakescan.com/zh-hans/resources/what-is-an-ai-watermark-what-it-can-and-cannot-prove","url":"https://aifakescan.com/zh-hans/resources/what-is-an-ai-watermark-what-it-can-and-cannot-prove","title":"什么是 AI 水印？它能证明什么，不能证明什么","summary":"了解可见和不可见的 AI 水印如何运作、阳性信号能确定什么，以及为什么缺少水印不能证明内容真实。","date_published":"2026-09-22T03:26:18.348Z","date_modified":"2026-09-24T18:28:42.409Z","tags":["AI 水印","Content Credentials","媒体来源"],"content_text":"AI 水印是添加到生成或 AI 编辑内容中的信号，使兼容检测器日后能够识别其来源或制作方式。信号可以是可见的，例如标志；也可以是人无法察觉的，例如嵌入图片像素、视频帧、音频或生成文本中的模式。 检测到的水印可以提供有用的阳性证据。没有水印不能证明内容由人制作，即使是有效水印也不能证明场景或说明文字真实。 AI 水印如何运作？ AI 系统在生成或导出内容时添加已知信号。对应的验证器查找该信号，并报告是否以足够的置信度检测到。嵌入和检测方法取决于媒体类型和水印提供商。 对于图片和视频，系统可以对像素模式进行细小修改，设计目标是经受普通转换。音频系统可以改变信号特征，而不产生明显可听的标记。文本水印可能影响词元选择，使生成的段落呈现统计模式。 NIST 的合成内容报告解释了水印设计涉及相互竞争的目标：稳健性、安全性、低感知失真、足够的信息容量、效率以及尽量少地干扰正常工作流程。改善一项属性可能使另一项更难实现。 可见水印与不可见水印有什么区别？ 可见水印是人可以看到的标记，例如标志、标签、用户名或半透明覆盖层。它们能直接传达信息，但通常可以被裁掉、遮盖、复制或错误呈现。 不可见水印以旨在让人无法察觉的方式嵌入内容。它们需要兼容检测器，并可能设计成能够经受缩放、滤镜、压缩、裁剪或其他预期转换。 水印类型 主要优点 主要局限 可见标志或标签 观看者可以立即理解 可能被裁掉、遮盖或复制 不可见图片信号 在不改变外观的情况下可能经受部分普通编辑 需要正确的检测器，经过更强修改后可能失效 视频帧水印 可以识别带标记的片段或帧 重新编码和编辑会影响检测覆盖范围 音频水印 可以在无法听见的同时支持机器验证 噪声、混音和不受支持的格式可能影响检测 文本水印 可以通过词元选择模式标记输出 简短、事实性、翻译或大幅改写的文本更难评估 这两类都不天然具有通用性。为一个水印家族构建的检测器不会自动识别另一个。 检测到的 AI 水印能证明什么？ 阳性匹配可以支持有限的归属陈述：所检查的媒体包含某个验证器识别为属于其水印系统的信号。这一陈述的强度取决于系统安全性、验证过程、覆盖范围和误报控制。 例如，Google DeepMind 将 SynthID 描述为嵌入受支持的 Google 生成图片、音频、文本和视频中的不可见水印。经过验证的 SynthID 结果可以表明受支持的 Google AI 创建或修改了媒体，但它不是关于所有 AI 系统的一般声明。 有些水印只编码是否存在。其他水印可能有助于定位外部来源信息，或识别模型、服务或素材。重新表述前请阅读验证器的确切结果。 AI 水印不能证明什么？ 水印不能独立确定所描绘内容是否符合事实。真实事件的生成图片和虚构插图都可能带有有效的 AI 水印。水印涉及来源或过程，而不是说明文字的真实性。 它也不能证明是谁输入提示词生成内容、谁发布了素材、使用是否获得授权，或每个组成部分是否都由 AI 生成。合成作品可能同时包含带水印和不带水印的元素。 不应将检测到的信号扩展为验证器未作出的主张。“这个文件包含与系统 X 相关的水印”比“这证明帖子是虚假信息”更准确。 没有水印是否意味着内容真实？ 不。水印检查的阴性结果只适用于验证器支持的信号和媒体。内容可能由不加水印的模型创建、在引入水印之前导出、经过转换而无法检测，或由其他提供商生成。 它也可能是真实的相机媒体。关键是，缺少水印无法区分这些可能性。 覆盖范围可能因产品、模型、日期、文件类型和导出路径而异。OpenAI 的来源信息指南明确说明了受支持内容的范围。负责任的解释应指出检查了哪种水印，而不是报告一个通用的“AI 水印扫描”。 AI 水印可以被移除吗？ 某些转换可以削弱或破坏水印。结果取决于水印设计、媒体和变化程度。裁剪、重新压缩、缩放、噪声、滤镜、转录、翻译、改写、混音或通过另一设备录制内容，都可能改变信号。 稳健的系统会针对预期的正常编辑进行测试，但稳健并不代表不可破坏。Google 表示，图片和视频的 SynthID 设计为经受裁剪、滤镜、帧率变化和有损压缩等变化，同时也将水印描述为组成部分之一，而不是完整解决方案。 攻击者也可能试图伪造水印，或错误声称没有标记的文件是真实的。因此，安全性既包括抵抗移除，也包括抵抗插入。 截图会如何影响 AI 水印？ 截图根据渲染后的像素创建新图片。它通常会丢失原始文件的元数据和嵌入清单，同时可能缩放、转换颜色或重新压缩可见内容。 如果截图中的信号仍足够强，不可见像素水印可能保留，但这取决于具体系统。可见标记可能保留，除非截图将其排除或遮盖。即使新文件不再包含原始记录，指纹或软绑定服务也可能找到相关来源信息。 不要从一次测试推而广之。“这张截图中未找到信号”不同于“原件没有水印”。 AI 水印与 C2PA Content Credentials 有什么不同？ AI 水印通常是嵌入内容的信号。C2PA Content Credentials 是签名的来源记录，可以包含有关来源、编辑、素材和 AI 使用的更丰富信息。 C2PA 可以使用不可见水印或指纹作为软绑定，帮助在转换后重新发现清单。因此两种技术可以互补：水印提高持久性，清单提供背景和加密断言。 阅读C2PA Content Credentials：它们是什么以及如何运作，详细了解签名、素材绑定和缺失凭证。 应如何验证 AI 水印结果？ 从水印提供商运营或记录的方法开始。确认它支持相关媒体类型、产品、模型和大致创建时期。 保留可获得的最佳原始文件及其来源 URL。 记录验证器、日期、文件版本和确切结果措辞。 区分阳性匹配、阴性结果、不受支持的文件和无法得出结论的结果。 单独检查 Content Credentials 或其他来源信息。 独立核实帖子的来源、日期、地点和事实主张。 避免将针对提供商的结果转变为通用 AI 判定。 AIFakeScan 不声称能访问每家供应商的不可见水印验证器。我们的方法说明将“未找到标记”与证明媒体真实区分开。 按证据类型选择验证器 您需要的证据 验证途径 缺失意味着什么 Google AI SynthID 通过 Gemini 的[官方 SynthID 流程](https://aifakescan.com/zh-hans/synthid-checker) 未检测到 Google AI 水印或结果不明确；不能排除其他生成工具 C2PA Content Credentials [C2PA 检查器](https://aifakescan.com/zh-hans/c2pa-checker) 该具体文件中未找到可用凭证；不能证明真实性 可见标签或标志 视觉检查和来源审核 未观察到可见标签；不可见系统未被检查 像素模式信号 [AI 图片检测器](https://aifakescan.com/zh-hans/ai-image-detector) 模型在其声明的覆盖范围内未产生强证据；不能证明是真实照片 AIFakeScan 不提供通用的不可见水印检测器。C2PA 验证、元数据检查和可见文字审核不能重新标为覆盖所有专有水印。2026 年工具对比列出了每种可用途径实际检查的证据。 常见问题 所有 AI 生成图片都有水印吗？ 没有。水印采用情况和覆盖范围因提供商、模型、产品、文件类型、日期和导出路径而异。开源和第三方流程可能使用不同信号或不使用水印。 可见的 AI 标签可信吗？ 请将其视为线索。可见标签可能被复制、移除或错误使用。请寻找支持性的来源信息，并核实添加标签的来源。 一个检测器能找到所有不可见水印吗？ 不能。不同水印家族使用不同的嵌入和检测方法。兼容检测器通常需要知道它要寻找什么信号。 水印与元数据相同吗？ 不同。元数据是与文件关联保存的信息，可以携带详细记录。不可见水印嵌入内容特征中，在某些元数据被移除的情况下仍可能保留。 检测不到水印时应该相信内容吗？ 阴性检查不能确定真实性。请继续追溯来源、检查来源信息、验证背景，并使用其他适当证据。 实际启示 将 AI 水印用作针对特定提供商的来源信号。阳性结果可能有意义；阴性结果仍有多种解释。请将水印检查与 Content Credentials、来源验证和对实际主张的审慎解读结合。"},{"id":"https://aifakescan.com/zh-hans/resources/how-to-detect-ai-generated-images","url":"https://aifakescan.com/zh-hans/resources/how-to-detect-ai-generated-images","title":"如何检测 AI 生成图片","summary":"了解如何结合来源核查、Content Credentials、视觉检查和检测结果调查 AI 生成图片，而不将线索误认为证明。","date_published":"2026-09-21T08:13:53.515Z","date_modified":"2026-09-24T18:28:42.409Z","tags":[],"content_text":"要检测 AI 生成图片，请结合来源验证、来源信息检查、视觉检查和能解释自身局限的检测器。单一奇怪细节或检测分数无法可靠解决所有案例。有用的问题不仅是“这看起来像 AI 吗？”，还有“什么证据支持这张图片的制作方式？” 本指南提供一种可重复的图片调查方法，不将怀疑当作证明。它还区分两个问题：图片是否由 AI 生成或编辑，以及附带的主张是否真实。 1. 明确需要验证什么 打开检测器之前，请写下主张。“这张照片显示了昨天这座城镇的洪水”包含地点主张、日期主张，以及相机记录场景的隐含主张。每项都需要不同证据。 配有虚假说明的真实照片不需要任何 AI 就能误导。AI 辅助编辑可能只改变背景。完全合成的插图可能被清楚标记，并在其背景中完全适当。 对于新闻图片，优先核查原始来源、地点、日期和独立报道。 对于产品清单，请索取更多原始照片或其他验证商品的方法。 对于作者身份争议，请索取制作历史和原始文件，而不是只依赖外观。 在笔记中将这些问题分开。“我无法验证日期”不等于“由 AI 生成”。 2. 保留可获得的最佳文件 保存原帖 URL、账户名称、说明文字和访问时间。如有可能，请从创作者处获取可下载的原始图片，而不是转载截图。 使用副本工作。检查前避免反复导出或缩放文件，因为这会改变您要评估的材料。记录副本是原始导出、平台下载还是截图；如果不知道，请说明。 未经许可和适当的隐私审查，不要将私人文件、私密图片或客户机密材料上传至第三方检测器。在向任何地方提交文件之前，可以先调查公开来源。 3. 追溯图片来源和较早用途 搜索整张图片，再尝试有辨识度的裁剪部分，例如建筑、标志或可识别物体。请阅读匹配项背后的页面，而不只比较缩略图。寻找较早的说明文字、更高分辨率副本、创作者披露和连贯的发帖顺序。 Google 的“关于此图片”文档介绍了可能包括 Google 首次遇到某张图片或相似图片时间的背景信息。请将其作为发现线索的工具，而不是经过认证的创建日期。较早的索引副本不一定能识别摄影师或原始发布者。 没有反向搜索匹配并不是 AI 生成的证据。新照片、私人图片或大幅修改的裁剪图也可能没有可访问的匹配项。 例如，假设一张戏剧性的“新”风暴图片出现在一个关于另一个国家的旧页面上。这会质疑当前说明文字。您可以解释不一致，而不对图片制作方式提出没有依据的主张。 4. 检查 Content Credentials 和元数据 如果有 Content Credentials，请检查验证结果、签署者和记录的操作。它们描述的是生成图片、AI 辅助编辑，还是拍摄与编辑历史？这些信息是否真正适用于此文件？ 相关C2PA 说明介绍了通过加密方式绑定的来源记录。有效记录可以支持可归属的历史，但不能独立证明所描绘的事件或附带说明文字真实。缺少凭证是中性情况，不能证明文件真实或合成。 普通元数据需要单独且更谨慎地阅读。相机字段和软件名称可以提供线索，但可以被编辑或删除。软件导出标签说明某个处理步骤，不一定说明每个可见元素如何创建。 同样，可见水印可以复制或移除。不可见水印检查针对特定系统。Google DeepMind 的 SynthID 概览介绍了其水印系统；它不是适用于每个生成工具的通用测试，本指南也不暗示 AIFakeScan 提供 SynthID 验证器。 5. 检查视觉一致性，而不是依赖“AI 特征”清单 先观察整个场景，再以合理的放大程度检查细节。寻找无法协调的关系：一个物体与另一个物体相接却没有合理边界、反射与应反射的物体不一致，或重复结构意外变化。 手、牙齿、文字、阴影和细纹理可以是有用的观察位置，但它们不是 AI 永久不变的指纹。逼真的图片可能没有明显错误，普通照片也可能出现运动模糊、异常透视、处理伪影或视觉错觉。 观察结果 有用的后续步骤 它不能确定什么 文字扭曲 寻找更清晰的原件并比较标志 AI 创建了整张图片 手或边缘奇怪 检查附近背景及可能的模糊 仅凭此作出可靠的 AI 判定 缺少元数据 索取原始导出或拍摄文件 图片是合成的 有效凭证中声明了 AI 操作 检查操作、签署者和受影响的历史 场景的每个部分都是伪造的 较早副本带有不同说明文字 核实较早的背景和时间顺序 是否涉及 AI 在指定原因前先描述观察。“栏杆融入袖子”是可核查的陈述；“像素证明 AI”通常掩盖了仍需测试的假设。 6. 将 AI 图片检测器作为辅助证据 如果使用AIFakeScan 图片检测器，请在阅读结果的同时查看证据和局限。我们的方法说明解释了测试版评估和校准尚未完成：仅被动信号的结果仍无法得出结论，服务不提供实测 AI 概率或经过验证的准确率百分比。 检查工具查看了什么。它报告的是来源声明、元数据线索，还是被动模型信号？这些是不同类型的证据。整图结果也不一定能定位小范围 AI 编辑区域。 如果工具意见不同，请保留差异。不要平均无关分数，也不要将多数投票当作证明。询问工具是否支持相关媒体类型，以及其结论是否依赖相似信号。 7. 写出与证据相符的结论 用四个字段写简短记录：主张、检查的文件、发现的证据和剩余不确定性。链接原始来源，并将您的观察与工具输出区分开。 合适的结论可能是“创作者将这张图片标为 AI 生成”“可用来源记录声明了 AI 编辑”或“无法从这张截图验证来源”。不要将最后一种陈述升级为明确指控。 涉及某人声誉、就业或潜在不当行为的重大决定，快速检测器检查并不够。采取行动或分享指控之前，请获取原始材料并寻求专业审核。 保留图片验证工作表 将这份空白工作表复制到审核笔记中。它将上述七个步骤转化为其他人可以追踪的记录。这是建议流程，不是已完成实验或准确率基准。 审核字段 您的记录 正在检查的主张 区分生成、编辑、身份和说明文字问题 文件身份 文件名、格式、尺寸；需要时记录 SHA-256 哈希 来源 找到的最早 URL、发布者、日期和文件获取方式 版本 原始导出、平台下载、截图或未知 已知转换 软件、设置和顺序；明确标记未知细节 Content Credentials 是否存在、详细验证、签署者可信度和声明的操作；或未检查 提供商水印 官方验证器、日期、确切回答和覆盖范围 视觉模型 如有则记录工具及版本、确切输出、声明的局限和任何不可用检查 来源佐证 创作者说明、较早发布内容和独立背景 结论 有限且有支持的主张、相互冲突的证据和剩余问题 比较原件与截图或压缩副本 先保留原件。如果比较有用，请从同一个未修改来源创建每个衍生版本，一次只改变一个设置，并标记输出。记录编辑器、尺寸、导出设置和每份独立报告。社交平台下载可能结合多种转换，因此请描述实际路径，不要将所有差异归因于压缩。 将元数据、凭证验证、水印验证和视觉模型输出放在不同列中，不要将它们平均成真实性百分比。没有已知来源历史时，结果变化不能确定哪个版本获得了正确分类。 使用SynthID 指南了解 Google 官方检查，使用C2PA 指南了解凭证状态，当提示与其他证据冲突时使用误报指南。 从与主张相符的检查开始 使用C2PA 检查器检查嵌入来源信息和签署者状态。当问题专门是 Google AI 是否创建或编辑了文件时，使用SynthID 验证流程。使用AI 图片检测器获取附有明确局限的视觉模型信号。 相关2026 年工具对比将这些证据类型对应到 AIFakeScan、Gemini、Adobe Inspect 和托管视觉 API。截图与压缩实验提供了已完成的版本比较实例，可下载哈希和逐行结果。 常见问题 仅凭观察能判断图片是否由 AI 生成吗？ 有时明显的不一致可以提示调查方向，但外观本身无法可靠解决所有案例。请在可用时使用来源历史和来源信息，并让无法得出结论的案例保持如此。 缺少 EXIF 数据是否意味着图片由 AI 生成？ 不。缺少元数据不能确定制作方式。得出结论前，请询问文件如何下载、导出或截取。 AI 检测器能证明图片真实吗？ 阴性或无法得出结论的检测结果不能确定真实性，也不能证明附带的日期、地点或故事。这些主张需要单独验证。 应该首先检查什么？ 从来源和主张开始。保留最佳副本，搜索较早用途，再检查来源信息和视觉细节。用检测器增加证据，而不是替代调查。 下一步 收集原始 URL 和可获得的最佳图片，然后依次完成上述检查。如果想检查受支持的文件信号，请打开AI 图片检测器并在解释结果前阅读AIFakeScan 如何运作。"},{"id":"https://aifakescan.com/zh-hans/resources/how-to-tell-if-a-video-is-ai-generated","url":"https://aifakescan.com/zh-hans/resources/how-to-tell-if-a-video-is-ai-generated","title":"如何判断视频是否由 AI 生成","summary":"了解如何通过追溯来源、检查视频帧、音频和来源信息判断视频是否由 AI 生成，并认识检测器无法证明的内容。","date_published":"2026-09-21T08:13:53.515Z","date_modified":"2026-09-21T08:13:53.515Z","tags":[],"content_text":"要判断视频是否由 AI 生成，请追溯来源、尽可能检查原始文件、观察随时间变化的运动，并将检测结果与来源信息及独立证据比较。奇怪的一帧或不匹配的唇部动作是继续调查的理由，并非 AI 生成的证明。 视频比照片多了一层复杂性：必须检查场景随时间如何变化。它也可能结合真实画面、生成插入片段、修改后的面部、字幕和替换音频。单一标签可能掩盖这些差异。 1. 将视频与主张分开 准确写下您要检查什么。问题是某人是否说过特定的话、事件是否发生在所称地点，还是整个场景是否由 AI 生成？ 这些问题需要不同的检查。真实片段可能因为年代久远、被剪短、配音或配上虚假说明而产生误导。视频也可能只在某个元素上使用 AI，而非完全合成。 对于据称是公开声明的视频，请寻找来自可识别来源的完整录像。对于事件画面，请寻找其他录像、报道和背景细节。不要让 AI 标签替代对事情本身的核查。 2. 保留来源并获取更好的副本 保存帖子 URL、账户、说明文字、访问时间以及创作者的任何披露。如有可能，请索取原件或更高质量的版本。对转载内容进行屏幕录制，作为技术检查的起点弱于底层文件。 保持原件不变，使用工作副本进行审核。记录片段时长及其是否看起来经过编辑，注意缺失的开头、结尾或声音。不要假设广泛流传的短片段包含理解它所需的背景。 谨慎处理敏感画面。上传前，请考虑同意、保密性和服务的数据处理条款。调查公开来源可能无需暴露他人的私密媒体就能回答问题。 3. 搜索有代表性的帧及周边背景 从不同时刻选择几张清晰的帧：广角画面、有辨识度的地点，以及含有可识别标志或物体的帧。分别进行反向搜索。模糊的过渡帧通常不是好的搜索起点。 尝试完整画面和有意义的裁剪部分，并单独搜索可见的短语和名称。比较匹配页面的日期和说明文字，然后沿这些线索寻找原始上传内容或更长版本。 WITNESS 的视频验证资源为核查目击者拍摄画面提供了更广泛的基础。核心任务是确定录像支持什么，而不只是判断它看起来是否可信。 Google 的图片背景信息指南可以帮助检查视频帧，但被索引的匹配项只是线索。没有匹配不意味着视频由 AI 生成。私密、近期或经过大幅修改的录像可能没有可访问的较早副本。 4. 正常观看，再检查随时间发生的变化 首先以正常速度观看完整片段，在适当时开启声音。记下值得回看的时间戳，然后放慢这些部分并逐帧查看相邻画面。单独暂停的一帧可能夸大普通过渡或模糊现象；周围的连续画面很重要。 检查人物身份、物体形状、接触和运动是否一致。人物衣服是否在没有切镜的情况下改变？物体在没有遮挡时是否消失？手是否穿过看似握住的物体？这些都是调查提示，而非独立的测试。 检查明显异常是否有普通解释，例如遮挡、镜头移动、切镜、反射或低质量副本。也要记住，动作连贯不能证明真实性：逼真的合成片段可能没有明显的视觉缺陷。 检查区域 要问的问题 重要局限 面部和衣服 相邻帧中的特征是否一致？ 模糊、切镜和遮挡会使比较变复杂 手和物体 接触是否符合物理规律？ 单个不清晰的帧是弱证据 背景 镜头移动时标志和结构是否持续存在？ 透视和编辑可能改变外观 反射和阴影 变化是否与场景和运动相符？ 复杂光照可能不直观 可疑区间 在更好的副本中问题是否持续存在？ 转载可能引入其自身的伪影 记录带时间戳的笔记。“杯子在这两个时刻之间改变了形状”比“整个视频感觉是假的”更有用。 5. 将音频作为独立证据轨道 留意背景声音的突然变化、重要词句附近的剪辑，以及音频是否属于看起来相同的环境。如有官方完整录像或逐字稿，请与所称发言比较。 唇形不同步不能证明声音克隆或 AI 换脸。配音、同步错误和传统编辑都是其他可能解释。同样，听起来自然的语音也不能证明所称说话人录制了它。 不要根据视觉检测器推断声音克隆的判定。AIFakeScan 的基础音频检查不对克隆或合成语音分类，基础检查也不包含专门的换脸分类。评估以人物身份为核心的片段时，这些限制尤其重要。 6. 检查来源信息，但不要将其与真实性混淆 如果文件有 Content Credentials，请检查验证状态、签署者和记录的操作。与 AI 相关的声明可能是已记录制作历史的有用证据。概括前请确定它描述的是生成、编辑还是其他操作。 我们的C2PA 说明解释了来源信息如何与媒体绑定。有效历史不能独立证明说明文字准确，也不能证明所描绘的事件按所称方式发生。缺少凭证不是 AI 生成的证据。 水印是另一种机制。Google DeepMind 介绍了用于文本和视频的 SynthID 水印，但针对特定供应商的验证方法并不是适用于所有合成媒体的通用扫描器。AIFakeScan 不承诺能够访问每一种不可见水印检查器。 7. 了解视频检测器实际检查了什么 解释结果前，请问服务检查了每一帧、抽样帧、元数据，还是可用来源信息。这些方法的覆盖范围不同。抽样可能漏掉短暂的插入片段，时间戳也可能标识的是已检查区间，而非精确的编辑边界。 使用AIFakeScan 视频检测器时，应配合已发布的方法说明。测试版的校准和评估仍未完成。仅基于被动信号的结果仍为“无法得出结论”；没有经过验证的准确率百分比或实测 AI 概率可作为判定。深度检查不向公众开放。 如果无法评估文件，请记录失败，而不要将其当作阴性结果。如果两个工具意见不同，请分别保留观察结果并调查原因，而不是将分数取平均。 8. 报告证据支持的最有限结论 假设一个片段被标注为突发事件。反向搜索某一帧后，找到前一年上传的更长视频。现在您可能有证据反驳当前日期的主张，但这本身不能证明画面由 AI 生成。 另一种情况下，创作者可能明确披露了合成制作，并提供相符的来源信息。您可以报告这些归属于该创作者的证据，同时将其与对每一帧的独立评估区分开。 使用简短的验证记录：来源 URL、文件版本、主张、检查的时间戳、发现和未解决的问题。“未经验证”是合理结果。对于后果重大的指控，请在采取行动前获取原始材料并寻求专业审核。 常见问题 一张截图能证明视频由 AI 生成吗？ 通常不能。截图失去了运动和音频背景，可能捕捉到不具代表性的瞬间。它可以帮助找到较早来源，但也应评估连续画面和原始文件。 不自然眨眼是可靠的深度伪造测试吗？ 不应由单一行为决定结论。请寻找来源、连续画面和制作历史中的佐证，而不是依赖固定的视觉特征清单。 视频真实但仍有误导性，可能吗？ 可能。即使录像本身真实，日期、地点、说明文字或周边背景也可能错误。请分别核查这些主张。 检测器会检查每一帧和说话人的声音吗？ 不一定。请阅读服务声明的覆盖范围。帧抽样、换脸分类和合成语音检测是不同能力；不要假设其中一项包含其他项。 下一步 运行检查前，保存来源、选择有代表性的帧并记录主张。使用AI 视频检测器执行受支持的检查，然后将其证据与来源调查结合。诚实地保留未解决的结果，比没有依据的自信标签更有用。"}],"language":"zh-Hans"}