{"version":"https://jsonfeed.org/version/1.1","title":"AI Fake Scan 查證指南","home_page_url":"https://aifakescan.com/zh-hant/resources","feed_url":"https://aifakescan.com/zh-hant/resources/feed.json","description":"介紹 AI 圖片與影片的來源、證據及偵測限制的繁體中文指南。","items":[{"id":"https://aifakescan.com/zh-hant/resources/how-to-check-if-a-photo-was-edited-with-ai","url":"https://aifakescan.com/zh-hant/resources/how-to-check-if-a-photo-was-edited-with-ai","title":"如何判斷照片局部是否經過 AI 編輯","summary":"懷疑照片局部經過 AI 編輯？了解如何比較早期影像、檢查內容憑證，並謹慎解讀偵測結果。","date_published":"2026-11-17T05:50:44.481Z","date_modified":"2026-11-17T05:50:44.481Z","tags":["圖片查證","Content Credentials","媒體來源"],"content_text":"如果懷疑照片局部經過 AI 編輯，先尋找早期版本，比較關鍵區域。查看實際收到的檔案是否帶有經簽署的內容憑證（Content Credentials），並用偵測結果作為進一步檢查的線索。你可能可以證明兩張照片在某處不同，但差異的原因仍然未知。 AI 可以改變照片中的什麼？ 2026 年 11 月 10 日，Adobe 在 Adobe MAX 上宣布 Firefly Image 的 Edit Object 功能。Adobe 表示這是測試版功能，可選取照片中已有的物件，改變顏色等屬性，並設計為讓影像其餘部分維持不變。即使場景的其他部分看起來熟悉，改變一個物件也可能影響觀看者對照片的理解。Adobe MAX 公告 · Adobe Edit Object 說明文件 假設一張房屋刊登照片顯示水槽旁的牆上有插座，而同一房間的舊照片中那面牆是空白的。首先要問的是插座是否真實存在，因為觀看者可能會據此判斷。其次才是影像如何發生變化。在更多證據縮小可能性之前，房間整修、傳統修圖和生成式編輯都有可能。這是用來說明局部編輯及其他可能原因的例子，並非 Edit Object 的輸出，也不是偵測工具的測試。 如何找到用於比較的版本？ 保存收到的收到時的影像，並保留頁面網址和說明文字。向上傳者索取畫質最佳的檔案；如果可能，還可以索取較早的匯出檔案或同一次拍攝中前後相鄰的畫面。先搜尋整張影像，再裁切招牌或有特色的門口等未變化的部分進行搜尋。搜尋可能找到裁切方式或說明文字不同的版本。如何在 Google Lens 中以圖搜尋 利用疑似編輯區域之外的細節對齊兩個版本。比較物件、邊緣、反射、陰影，以及物件遮住的內容。在把差異視為編輯結果之前，先核對日期和拍攝角度。對房屋刊登照片的例子，第一條有用的紀錄可以是：「兩張照片在插座位置呈現的細節不同。照片日期與差異原因尚未確認。」要核實實際情況，可以要求提供近期的另一角度照片或即時視訊看屋。 內容憑證能告訴你哪些局部編輯資訊？ 如果有內容憑證，檢查簽名者、驗證狀態和記錄的操作。C2PA Content Credentials 可以包含有關特定檔案來源和編輯歷程的簽署資訊。關鍵在於實際記錄了什麼操作，以及對編輯的描述有多具體。憑證可能標識了工具，卻沒有指出影像中的具體區域。C2PA 說明 Adobe 的文件說明，像「文字生成影像」輸出這類完全由 Firefly 生成的素材會自動取得內容憑證。對於局部編輯，應檢查實際匯出檔案及其中宣告的操作。如果房屋刊登副本中找不到憑證，記錄「在房屋刊登副本中未找到憑證」，並索取原始匯出檔案。這個結果無法確定編輯方法。內容憑證結果指南說明如何解讀驗證狀態。Adobe Firefly 說明 應如何解讀偵測結果？ 從手邊畫質最佳的副本開始，並記錄提交的是哪個版本。AIFakeScan 影像偵測工具無法僅憑整張影像的視覺訊號可靠定位局部編輯。在目前測試版中，只有視覺訊號時結果仍為「無法判定」（Inconclusive）。如果房屋刊登副本的掃描結果為「無法判定」，可以報告：「本次掃描未能判定插座區域是否經過編輯。」裁切影像的結果只適用於該裁切區域。AIFakeScan 方法說明 一篇關於網路流傳的生成和編輯影像的研究預印本評估了從新聞、事實查核和社群管道收集的實際流通的素材。它關注的問題與此相關：針對生成工具未經處理的輸出進行測試，所回答的問題比檢查可能被局部編輯並重新發布的照片更窄。對於證據有限的結果，可參考影像掃描結果不確定時的檢查指南。 應如何報告發生的變化？ 描述照片中影響相關說法的部分，指出兩個版本，並提供支持措辭的證據。如果檔案有差異，而編輯方法尚不明確，可以寫：「早期照片中，房屋刊登照片顯示插座的位置是一面空白牆。我們無法確定差異是影像編輯還是房間變化造成的。」如果原始匯出檔案帶有經驗證且可信的憑證，宣告發生了生成式替換，應報告該宣告的操作；只有在紀錄指出具體區域時，才能說明受影響的區域。 常見問題 相機拍攝的照片可能包含 AI 生成的像素嗎？ 可能。相機可以拍下原始場景，編輯者之後可以使用生成式 AI 替換或擴展其中的一部分。對照照片或有紀錄的編輯歷程有助於確定變化發生在哪裡。 能透過截圖確認局部編輯嗎？ 截圖可以保留貼文顯示的內容，也能幫助你搜尋早期版本。要調查檔案級來源並更仔細地檢查影像，如果可以，應索取最初上傳的檔案或原始匯出檔案。"},{"id":"https://aifakescan.com/zh-hant/resources/how-to-verify-a-viral-news-clip","url":"https://aifakescan.com/zh-hant/resources/how-to-verify-a-viral-news-clip","title":"分享前如何查證一段爆紅的新聞影片","summary":"一段假冒 Sky News 報導的影片冒充了主持人 Yalda Hakim。透過這個案例，了解如何對照電視台的節目存檔和主持人的直接聲明查證熱傳影片。","date_published":"2026-11-17T05:50:44.481Z","date_modified":"2026-11-17T05:50:44.481Z","tags":["影片查證","深偽","媒體來源"],"content_text":"分享新聞影片前，先確認是誰發布的，以及電視台或主持人實際發布過什麼。尋找完整節目、逐字稿或直接回應。在 Yalda Hakim 的案例中，她的聲明回答了她是否報導過這則新聞。至於使用了哪些畫面、影片如何製作，則需要不同的證據。 冒充 Yalda Hakim 的影片發生了什麼？ 2026 年 11 月 15 日，Sky News 主持人 Yalda Hakim 在 X 上表示，一段流傳的影片使用 AI 冒充她，她從未報導過影片聲稱由她報導的那則新聞。Sky News 在她的官方個人頁面列出該帳號，Journalism Pakistan 轉載了她的聲明。Feature Pakistan 將影片描述為近四分鐘長、模仿 Sky News 新聞快報的風格。Hakim 在 X 上的聲明 · Sky News 主持人個人頁面 · Journalism Pakistan · Feature Pakistan 她的回應直接釐清內容是否出自她的問題。引用的報導描述了她的否認和影片呈現方式，但無法確立原始畫面、製作工具或檔案被修改的程度。 透過節目存檔可以查證什麼？ Sky News 在節目存檔中發布 The World with Yalda Hakim 的完整節目。要查證影片是否出自該媒體，可以在其管道搜尋特色語句，並查看影片所稱日期前後的完整節目。如果找到可能相符的內容，比較前後的話語和鏡頭，並記錄節目網址與時間點。官方上傳內容中相符的片段可以證實該媒體發布過什麼。Sky News 節目存檔 保留轉傳貼文的網址，記下查過的日期和頻道。如果搜尋存檔沒有找到相符內容，應將其作為搜尋結果報告，並尋找主持人或電視台的回應。在此案例中，經 Journalism Pakistan 印證的聲明支持 Hakim 的否認。我們尚未逐格確認影片與來源節目的畫面是否相符。 如果影片重新使用了真實的攝影棚畫面怎麼辦？ 對幾張清晰畫面進行反向搜尋，尋找獨特圖卡或背景細節。利用可能相符的結果找到完整節目，並比較多個時刻。攝影棚和圖卡會在不同集數中重複出現。在認定某一集是來源前，記錄鏡頭順序是否相符。如何在 Google Lens 中以圖搜尋 將話語及其順序與原始音訊或可靠的逐字稿核對。分別報告畫面和語音中任何相符之處，並記錄兩個版本各自的時間點。 偵測工具能為調查提供什麼？ 據報導，這段影片近四分鐘長，超過 AIFakeScan Basic Scan 每個檔案兩分鐘的限制。對於有權檢查的影片，請保留完整檔案和音訊。如果提交較短片段，應保持音訊完整，並記錄其在完整影片中的起訖時間。報告僅適用於該片段的結果。 Basic Scan 會抽樣影片畫格，並檢查可取得的音軌資訊。它不會對換臉或複製、合成語音進行分類。如果使用個別的浮水印驗證工具，應記錄供應商和涵蓋的媒體類型。未偵測到浮水印的結果仍不能排除其他製作方法。使用影片查證清單記錄涵蓋範圍和尚未完成的檢查。Google 的 SynthID 公告 應如何寫出查證結果？ 在此案例中，謹慎的摘要可以是：「Yalda Hakim 表示，這段影片使用 AI 冒充她，她從未報導過這則新聞。」連結該聲明及一篇可閱讀的相關報導。如果之後確定了來源畫面，再補充節目和時間點，並且只描述比較能夠證實的變化。 常見問題 台標或新聞跑馬燈能證明影片是真的嗎？ 台標和跑馬燈能表明影片自稱來自哪家電視台。應在官方發布管道找到相關素材，並將有關片段與流傳版本比較，查證其來源。 存檔中找不到就足以稱一段影片為深度偽造嗎？ 應將存檔中未找到視為搜尋中的一個缺口。檢查相鄰日期和官方影片頻道，尋找完整錄影，並尋找電視台或主持人的聲明。記錄你能否確定是誰發布了影片，以及檢查的是哪個版本。"},{"id":"https://aifakescan.com/zh-hant/resources/check-image-metadata-for-ai","url":"https://aifakescan.com/zh-hant/resources/check-image-metadata-for-ai","title":"如何檢查圖片詮釋資料以調查 AI 圖片","summary":"了解如何檢查圖片詮釋資料、軟體標籤和 Content Credentials，以及它們能揭示和不能揭示哪些關於 AI 圖片的資訊。","date_published":"2026-10-28T07:27:33.522Z","date_modified":"2026-10-28T07:27:33.522Z","tags":["圖片查證","Content Credentials","媒體來源"],"content_text":"要透過圖片詮釋資料調查 AI 使用情況，請檢查檔案中嵌入的 EXIF 和 XMP 欄位，尋找建立與編輯線索，再尋找可驗證的 Content Credentials。軟體名稱、相機型號或缺失欄位是線索，不是判定。請結合圖片來源、其他版本以及適當時的 AI 偵測器一起分析。 詮釋資料是隨檔案保存的資訊，可能包括相機型號、拍攝時間、編輯軟體或描述。部分欄位可以編輯或刪除，下載的副本也可能與創作者最初保存的檔案不同。因此，實際問題是：這個具體副本能告訴我們什麼，還有什麼未知？ 應該先檢查哪個檔案？ 請向傳送者索取原始圖片檔案，而不是螢幕截圖或貼在聊天中的圖片。保留一份未修改的副本，並記錄其來源、收到時間，以及是否經過下載、縮放或匯出。如果無法取得原始檔，請標記現有副本並在這個限制內進行查證。 檢查檔案前先明確主張。您要檢查的是場景是否由相機拍攝、圖片的一部分是否經過 AI 編輯，還是圖片是否顯示了說明文字中的地點？這些是不同的問題。真實相機照片也可以編輯；逼真的圖片也可能描繪虛假或虛構的事件。 對於敏感圖片，在向第三方服務上傳檔案或分享報告之前，請考慮詮釋資料是否會洩露位置、姓名或其他私人資訊。 在哪裡可以找到圖片詮釋資料？ 在電腦或手機上 在電腦上，查看檔案資訊或屬性面板，尋找尺寸、相機型號和日期等圖片詳情。在手機上，在照片 App 中開啟原始檔並查看資訊或詳細資料。選項因裝置、檔案類型和應用程式而異；只顯示少數欄位的面板不能證明檔案不含其他詮釋資料。 請區分檔案系統的修改日期與相機拍攝日期。檔案在複製或保存時可能獲得新的修改日期；該日期並不自動等於場景被拍攝的日期。 使用 ExifTool 如需更詳細的本機檢查，請從官方網站安裝ExifTool，開啟終端機並執行以下唯讀指令，將引號中的路徑替換為您的檔案路徑： exiftool -G1 -a -s \"/path/to/image.jpg\" 這些選項會顯示詮釋資料群組名稱、包含重複標籤名稱並使用較短的標籤名稱。ExifTool 支援讀取和寫入詮釋資料；上述指令只讀取檔案。有關平台設定和選項，請參閱ExifTool 文件。查看器可能在嵌入欄位之外同時報告檔案和系統屬性，因此請注意組名。 哪些欄位有用，它們能證明什麼？ 欄位或訊號 有用的問題 限制 相機品牌和型號 所稱裝置是否與現有來源一致？ 該值可以修改或複製，不能驗證場景真實性。 DateTimeOriginal 所述拍攝時間是否與其他證據相符？ 時鐘和時區可能錯誤，欄位也可以編輯。 軟體或處理歷史 是否列出了編輯應用程式？ 僅憑編輯器名稱不能證明使用了 AI 生成。 GPS 座標 紀錄的位置是否與主張相符？ 座標可能缺失、錯誤或被故意修改，也可能暴露私人地點。 缺少 EXIF 或 XMP 這是螢幕截圖、匯出檔案或其他經過修改的副本嗎？ 缺失欄位不能證明 AI 來源，也不能準確解釋發生了什麼。 EXIF 和 XMP 是詮釋資料格式，不是真實性證書。當欄位與獨立取得的資訊一致時，它可能有用。如果沒有原始檔或無法確認是誰寫入欄位，其證據力就更弱。 在我們的螢幕截圖與壓縮實驗中，原始測試檔案沒有可見的 EXIF。該實驗不應被當作螢幕截圖移除了相機 EXIF 的證據；比較並未證明這一點。這提醒我們，在描述變化之前，先檢查起始檔案實際包含什麼。 如何檢查 Content Credentials？ Content Credentials 基於 C2PA 標準，可以攜帶有關素材及其歷程的簽署聲明。相容檢查工具會檢查可用憑證及其驗證狀態。Content Authenticity Initiative 的檢查指南解釋了如何檢查可用憑證。 使用AIFakeScan C2PA 檢查工具或其他相容檢查工具查看可用資訊，並在得出結論前閱讀我們的 C2PA 結果指南。AIFakeScan 會上傳檔案並以私密方式保存，直到您刪除上傳檔案；檢查工具不會擷取遠端資訊清單。有效簽章在檢查工具的驗證範圍內，可以支持簽署資訊自簽署後未被更改的結論；它不能獨立證明憑證中的每項聲明都真實，也不能證明所描繪的事件發生過。 未找到憑證表示沒有可用的來源資訊，不是 AI 使用的證明。憑證可能在某個副本中缺失，也可能從未建立。無效或不完整的結果值得進一步審核，而不是自動提出指控。請紀錄實際結果及測試的檔案。 如何將詮釋資料與其他證據結合？ 尋找較早副本或原始發布者，將主張與獨立來源比較，並在適當時向創作者詢問背景。如果使用AI 圖片偵測器，請將結果視為額外訊號，並注意工具的不確定性。我們的圖片偵測指南解釋了為何單一視覺或自動檢查不夠。 簡單的審核紀錄可以明確這種區別： 確定具體檔案、其來源和要查證的主張。 紀錄相關嵌入欄位以及是否取得原始檔。 記下憑證驗證結果及任何來源或地點檢查。 以有限範圍陳述結論，包括相互衝突的證據和未回答的問題。 例如，「副本沒有可見的相機 EXIF；其來源仍未查證」比「沒有 EXIF 就是 AI」更準確。如果主張涉及目的地，請參考另一篇旅行照片查證指南。 常見問題 圖片詮釋資料能告訴我圖片是否由 AI 生成嗎？ 它可能包含相關軟體標籤或來源紀錄，但普通詮釋資料本身很少能確定圖片的製作方式。請檢查來源和任何簽章憑證，並明確未知之處。 缺少 EXIF 是否表示圖片由 AI 製作？ 不。檔案可能因保存或分享方式等多種原因缺少 EXIF。僅憑缺少 EXIF 不能確定創作者或製作方式。 EXIF 中的相機型號能證明圖片是真實照片嗎？ 不能。普通詮釋資料欄位可以修改或複製。請將相機型號視為需要結合原始檔及其他證據驗證的線索。 有效的 Content Credential 能證明場景真實發生過嗎？ 不能。驗證涉及簽章憑證和檢查工具的檢查，並不能獨立確認每項聲明或所描繪的現實事件。 不上傳檔案也能檢查圖片詮釋資料嗎？ 可以。裝置的資訊面板或 ExifTool 等本機工具可以在不上傳圖片的情況下顯示可用詮釋資料。請確認每個工具顯示什麼，並保護敏感資訊。"},{"id":"https://aifakescan.com/zh-hant/resources/how-to-spot-ai-generated-travel-photos","url":"https://aifakescan.com/zh-hant/resources/how-to-spot-ai-generated-travel-photos","title":"如何辨別 AI 生成的旅行照片","summary":"在相信一張目的地圖片前，了解如何查證旅行照片的來源、地點和原始檔，並區分 AI 線索與證明。","date_published":"2026-10-28T07:27:33.522Z","date_modified":"2026-10-28T07:27:33.522Z","tags":["圖片查證","AI 生成圖片","媒體來源"],"content_text":"要辨別 AI 生成的旅行照片，可以先檢查來源、尋找較早版本、將所稱地點與獨立參考資料比較，並索取原始檔案。視覺異常和偵測結果可以幫助您決定調查什麼，但它們本身不能確定事實是否真實。 請區分兩個問題：這張圖片是否準確呈現目的地，以及圖片是如何製作的。真實照片也可能搭配誤導性說明、過時日期或經過編輯的背景。AI 插圖可能描繪真實地點，卻不一定展示實際景觀。您的結論應與證據能支持的問題相符。 這張旅行照片到底聲稱了什麼？ 搜尋前，記下地點名稱、所稱視角、日期和主張的來源。例如，一張飯店圖片可能暗示從房間能看到海灘。這與附近某處是否存在海灘是不同的主張。 保存頁面 URL、可取得時的發布日期，以及供個人私下審核的圖片副本，並保留說明文字。後續轉載可能去掉背景資訊，或替舊圖片加上新的地點。 這裡應避免迅速貼上「真或假」的標籤：即使照片最初由相機拍攝，實際需要決定的也可能是景觀、時間或住宿是否符合預訂中的承諾。 如何找到原始來源？ 使用Google 的以圖搜圖流程上傳副本、貼上圖片 URL，或從網頁發起搜尋。結果可能包含相似圖片及使用該圖片的頁面。除了完整畫面，也應搜尋有辨識度的裁切部分，因為轉載可能經過縮放或重新構圖。 開啟有價值的結果，比較日期、說明文字和發布者背景。搜尋結果顯示的日期只是線索，並不保證是首次發布日期。您找到的第一個結果本身也可能是轉載。尋找可辨識的創作者、提供背景的來源頁面，或能解釋圖片來源的可信帳戶。 如果圖片由商家提供，請索取原始圖片、拍攝視角和日期。無法提供這些資訊會留下疑問，但不是欺騙的證明。在將他人的圖片上傳到搜尋服務之前，請考慮隱私及該服務的資料處理方式。 如何查證所稱地點？ 在多個獨立來源中尋找相同的固定特徵，例如海岸線形狀、街道布局、建築位置、山體輪廓或橋梁。比較相機角度與距離，而不要期待每張圖片完全相同。可使用官方目的地地圖、有日期的地面視角影像（如有）及其他獨立來源的照片。 應考慮季節、光線、天氣、施工和編輯帶來的變化。地標與另一視角不同，是需要解決的問題，不會自動成為 AI 偽影。請確認參考圖片確實來自同一地點和同一時期。 考慮一個虛構例子：一家度假村將照片宣傳為私人陽台景觀。地圖和獨立街景圖片顯示相同海岸線，但沒有任何證據能確認從該陽台可以看到什麼。您可以說海岸線看起來一致，但陽台景觀的主張仍未經查證。不要僅憑這個缺口推斷 AI 來源或提出指控。 觀察到的情況 有用的後續步驟 仍不確定什麼 同一圖片出現在兩個不同地點名稱下 查看較早貼文、背景和可辨識的地標 沒有更多證據時，哪條說明準確 風景一致，但視角不明確 索取從所稱位置拍攝、帶日期的景觀 承諾的景觀是否存在 反射或結構看起來不尋常 比較原始檔和獨立視角 是否由編輯、透視或生成造成 偵測器報告了 AI 訊號 檢查來源、檔案和來源憑證 沒有佐證時，真實製作歷史是什麼 原始檔案和憑證能告訴您什麼？ 如果取得原始檔，請檢查可用的 EXIF 和 XMP 欄位，尋找相機、日期、地點和編輯線索。我們的圖片詮釋資料指南提供了實用流程。普通詮釋資料可以編輯，副本缺少詮釋資料也很常見；相機標籤或缺失欄位都不能單獨解決問題。 接著檢查 Content Credentials，可使用AIFakeScan C2PA 檢查工具或其他相容檢查工具尋找 Content Credentials。AIFakeScan 會上傳檔案並以私密方式保存，直到您刪除上傳檔案；檢查工具不會擷取遠端資訊清單。Content Authenticity Initiative介紹了如何檢查憑證。經過驗證的憑證有助於評估已簽署的來源資訊，但不能獨立證明目的地主張。未找到憑證並不證明由 AI 生成。 如果原始檔是私密檔案或包含 GPS 資料，分享前請取得許可，並避免公開敏感位置資訊。 視覺線索和偵測器能辨識 AI 旅行照片嗎？ 尋找值得查證的細節：不一致的標誌、重複的窗戶、異常反射、不可能的幾何結構，或與獨立視角不符的背景。每一項也可能有其他解釋，包括透視、壓縮、全景拼接或普通編輯。不要依賴單個異常細節。 一個AI 圖片偵測器可以提供另一種訊號。AIFakeScan 的視覺訊號在測試期間仍不能單獨得出結論；可信的來源證據可能支持更強的發現。偵測器無法自行查證飯店房間景觀或辨識地點。如果結果與來源證據衝突，請繼續調查，而不是將答案取平均。參見AI 生成照片與真實照片，了解相機拍攝、AI 編輯和完全生成的圖片之間的區別。 如果證據不完整怎麼辦？ 結論應具體且與證據相稱。「地點看起來與獨立視角一致，但我無法查證房間景觀」是一項有用的發現。「這張圖片是 AI 生成的」需要製作方式的證據，不能僅憑與說明文字不符。如果圖片影響訂房，請在決定前索取該確切視角的近期附日期圖片，並向提供者確認條件。 紀錄來源連結、測試的檔案版本、任何憑證或偵測結果，以及仍未知的內容。如果之後取得原始檔或更好的獨立參考資料，請重新審視該主張。 常見問題 單憑觀察就能辨識 AI 旅行照片嗎？ 不能可靠地做到。視覺異常可以提示問題，但透視、編輯和壓縮也可能產生不尋常的細節。請檢查來源和獨立地點證據。 目的地真實存在，是否表示照片本身真實？ 不。真實地點可能出現在舊照片、編輯過的圖片、配有誤導性說明的圖片或生成圖片中。除了地點，也要查證具體視角和主張。 如何找到旅行圖片的較早副本？ 使用反向圖片搜尋工具搜尋完整圖片和有辨識度的裁切部分，然後開啟結果，比較發布者背景和日期。找到的最早結果不一定是原始檔。 缺少詮釋資料能證明旅行照片由 AI 生成嗎？ 不能。副本缺少詮釋資料可能有許多原因。請紀錄發現並尋找原始檔或佐證。 如果無法驗證飯店景觀，我該怎麼辦？ 請向提供方索取從特定房間或視角拍攝的近期帶日期圖片，並確認預訂條件。如果證據仍不充分，請將景觀描述為未經驗證。"},{"id":"https://aifakescan.com/zh-hant/resources/ai-generated-photo-vs-real-photo","url":"https://aifakescan.com/zh-hant/resources/ai-generated-photo-vs-real-photo","title":"AI 生成照片與真實照片：首先檢查什麼","summary":"透過來源歷程、編輯紀錄和檔案證據比較 AI 生成照片與真實照片。了解哪些線索重要，哪些可能產生誤導。","date_published":"2026-10-12T05:10:44.698Z","date_modified":"2026-10-12T05:10:44.698Z","tags":["圖片查證","AI 生成圖片","Content Credentials"],"content_text":"比較 AI 生成照片與真實照片時，應從圖片如何製作入手，而不是看它有多逼真。尋找原始來源與檔案，檢查可用的建立紀錄，並將視覺或偵測器發現作為輔助證據。還要考慮第三種可能：真實照片的一部分經過 AI 編輯。 第三類很重要。相機可能拍下了人物，而生成工具提供了背景。把整張圖片簡單稱為真實或虛假，可能掩蓋您需要調查的具體變化。 當比較回答具體問題時更有用：場景是否經過拍攝、是否加入了什麼，或附帶的故事是否準確？這些問題需要不同的證據。 在這個比較中，「真實照片」是什麼意思？ 在本指南中，相機來源的照片是指相機拍攝了基礎場景。它仍可能經過裁切、調色或修飾。完全生成的圖片描繪的是模型合成的場景。AI 編輯的照片則將相機素材與生成的加入、移除或替換內容結合。 這些是工作分類，不是上傳工具自動分配的標籤。一個檔案可能混合多種情況，其歷程也可能不可用。如果證據不能確定製作方式，請使用「未知」，而不要強行給出二選一的答案。 製作類別 要調查的問題 可索取的有用證據 相機來源照片 實際拍攝了什麼？ 原始檔案和來源背景 AI 編輯照片 拍攝後改變了什麼？ 修改前的版本和編輯歷程 完全生成的圖片 誰生成並揭露了它？ 創作者揭露和生成紀錄 未知或混合歷程 哪些部分仍缺乏證據？ 更好的來源材料和明確的主張 關於更廣泛的逐步調查，請參閱我們的偵測 AI 生成圖片指南。本文重點是選擇能區分這些製作類別的證據。 哪些證據能區分生成與編輯？ 索取能夠回答您懷疑的變化的紀錄。較早版本可能顯示同一個人在不同環境中。創作者可能揭露生成插圖。檔案歷程可能記錄 AI 輔助編輯。請註明每項發現的來源和範圍。 Content Credentials 是關於建立和編輯歷程的簽章紀錄。Content Authenticity Initiative 常見問題解釋了相容工具可以紀錄 AI 生成或相機拍攝及後續編輯。憑證不是通用的假照片判定，缺少憑證也不能確定製作方式。 使用C2PA 檢查工具檢查受支援的檔案紀錄，再查看驗證狀態、簽署者和操作。關於編輯的有效紀錄應作為編輯報告；它不會自動成為整個場景都由 AI 生成的證據。 我們的C2PA 說明也區分了來源資訊與事實真實性。簽署的歷程不會證明說明文字、地點或故事。普通相機詮釋資料是另一類線索，不應與簽署歷程等同。 如何比較原始檔和分享副本？ 首先確認您擁有什麼檔案。螢幕截圖是對顯示內容的新一次擷取，其自身檔案欄位並不描述原始場景。裁切或匯出副本也可能缺少解釋明顯瑕疵所需的背景。 如果創作者提供較早版本，請先比較完整構圖，再放大細節。注意主體、背景、物體位置和邊界的差異。詢問是什麼操作導致變化，不要假設所有可見差異都是 AI 造成的。 這是一張概念性的證據圖，不展示偵測器輸出，也不展示經過測試的真實與合成圖片配對。 有用的比較紀錄包括兩個檔案的來源、它們是完整圖片還是裁切圖，以及正在檢查的具體變化。如果只有一張壓縮螢幕截圖，請紀錄這一限制，不要把未見過的原始檔當作已檢查。 能從手、皮膚或文字辨識 AI 照片嗎？ 這些細節可以引導進一步觀察，但不應決定結論。請將可疑特徵與周圍內容比較，並詢問模糊、透視、光照或傳統編輯是否提供其他解釋。 對於人像，請檢查手指與所持物體的接觸、眼鏡與臉部的關係，或同一物品上應保持一致的文字。不要將光滑皮膚或不尋常面孔變成指控。在歸因前先描述觀察到的不一致。 對於風景或房產圖片，請檢查結構如何連接以及反射與場景的關係。欄桿融入牆壁是值得調查的觀察結果。外觀連貫的建築仍不能證明所列房產存在。 視覺檢查在兩個方向上都有同樣的邊界：奇怪細節不能確定 AI 生成，逼真外觀也不能確定相機來源。只要可能，請尋找製作歷程方面的證據。 來源搜尋和浮水印如何幫助？ 反向圖片搜尋可能發現較早發布內容、創作者揭露或不同的說明文字。Google 的圖片背景資訊指南介紹了「關於此圖片」中可用的資訊。請使用相符項調查時間順序和背景；不要將索引日期當作經過認證的拍攝日期。 如果圖片早於新貼文所稱事件，您可能已質疑說明文字，卻沒有確定任何關於 AI 的資訊。沒有可取得的相符結果也表示來源仍未解決，而非證明圖片由 AI 生成。 浮水印檢查回答的是更有限的問題。根據 2026 年十月 12 日的審閱，Google 的 Gemini 驗證說明介紹了檢查上傳媒體中受支援的 SynthID 浮水印。文件所述的 SynthID 涵蓋範圍是 Google AI 內容。請閱讀實際驗證結果；聊天機器人對外觀的一般看法不是同一項檢查。 偵測到的浮水印可能涉及生成或編輯，因此請保留其報告的範圍。沒有浮水印不能排除其他系統。我們的SynthID 指南解釋了如何使用官方驗證流程。 AI 照片偵測器的作用是什麼？ 在確定檔案和問題後使用偵測器。閱讀其證據類別和涵蓋範圍，然後將輸出與來源歷程比較。不要用整張圖片的分數代替關於具體編輯的問題。 我們的AIFakeScan 圖片偵測器可以檢查受支援的檔案證據。我們的方法說明說明目前測試版的限制：校準和評估尚未完成，僅依被動訊號的結果仍無法得出結論，也不宣稱有經過驗證的準確率百分比或實測 AI 機率。 如果結果未解決問題，請索取更好的原始檔或更清楚的歷程。如果兩個工具意見不同，請分別保留發現。圖片結果無法得出結論指南提供了下一步方法，不會將不確定性升級為判定。 對於混合圖片，您會寫什麼結論？ 考慮一個示意性人像場景：創作者提供較早的相機照片，並揭露將背景替換為生成的風景。您的問題是最終人像是否是在該地點拍攝的人物照片。 謹慎的結論是：「創作者描述這是一張相機拍攝的人像，背景被替換為生成景色。最終圖片不能證明人物是在所描繪環境中拍攝的。」這樣說明相關變化，而不暗示人物的臉一定由 AI 生成。 再考慮一張沒有原始檔、創作者揭露或有用搜尋結果的螢幕截圖。恰當結果是製作歷程未確定。偵測器無法得出結論的結果不能填補這些缺失事實。 可以用四個欄位總結 AI 生成照片與真實照片的比較： 來源：哪些證據支持相機拍攝或生成？ 變化：哪些證據支持加入、移除或替換？ 背景：圖片是否支持其附帶的日期、地點或主張？ 缺口：哪些內容無法檢查，什麼材料能解決問題？ 這些例子用於解釋方法，不是已報告的實驗，也不是對特定人物圖片的主張。 常見問題 真實照片也可以經過 AI 編輯嗎？ 可以。相機來源圖片可以包含生成的加入或替換內容。請描述有證據支持的編輯及其範圍，而不要假設單一標籤能解釋整個檔案。 詮釋資料中的相機名稱能證明照片真實嗎？ 相機欄位本身不能確定所描繪場景的完整歷程。作出真實性主張前，請檢查原始來源和可用的製作紀錄。 Content Credentials 能證明事件發生過嗎？ 它們可以提供有關檔案的、可歸屬且可驗證的歷程，但不能獨立證明事件或說明文字在事實上真實。 AI 偵測器能準確辨識哪部分經過編輯嗎？ 只有當它明確提供並執行合適的定位檢查時才可以。整圖訊號不會自動定位小範圍的生成區域。 如果只有螢幕截圖怎麼辦？ 保存其來源，搜尋底層圖片，並在可能時索取原始檔。請說明結論適用於所檢查的副本，並紀錄缺失的歷程。 下一步 選擇您需要驗證的製作主張，收集最好的檔案，並比較來源、編輯和背景證據。使用圖片偵測器進行受支援的檢查；當主張取決於運動或語音時，請參考我們的影片驗證清單。"},{"id":"https://aifakescan.com/zh-hant/resources/ai-video-verification-checklist","url":"https://aifakescan.com/zh-hant/resources/ai-video-verification-checklist","title":"網路上分享影片片段的 AI 影片查證清單","summary":"在分享片段前，使用 AI 影片查證清單審核來源、背景、運動、音訊和偵測器涵蓋範圍，並保留清晰的證據紀錄。","date_published":"2026-10-12T05:10:44.698Z","date_modified":"2026-10-12T05:10:44.698Z","tags":["影片查證","AI 生成影片","深偽證據"],"content_text":"使用此 AI 影片查證清單，在將片段作為證據分享前確認來源、檢驗說明文字並檢查錄影。保留原始檔案，分別審核動作和聲音，並記錄偵測器實際檢查了什麼。未解決的項目應保持未解決，而不是變成真假判定。 該清單面向資訊流或群聊中的片段：戲劇性事件、看似名人的聲明或出人意料的場景。它有助於區分製作方式問題與誤導性日期、地點或說明文字。 調查紀錄是結果的一部分。其他人應能看到來源、重新查看相同時間戳，並理解結論為何得出。 如何使用此清單？ 分三輪進行：來源與主張、連續畫面與語音、技術涵蓋範圍與報告。每項記錄為已檢查、未解決或不適用，並附上證據。「已檢查」表示您完成了調查，不表示片段通過真實性測試。 如果重要的來源或涵蓋範圍缺口仍存在，請避免將錄影作為已驗證的紀錄分享。您仍可以解釋發現了什麼並索取缺失材料。 輪次 調查內容 要保留的紀錄 來源與主張 發布者、日期、地點和完整背景 URL 和確切主張 連續畫面與語音 連續性、剪輯點和音軌 時間戳和比較 涵蓋範圍與報告 憑證、浮水印和偵測器範圍 發現與未解決的檢查 有關基礎方法的詳細介紹，請閱讀如何判斷影片是否由 AI 生成。本頁提供工作表和報告結構。 第 1 輪：來源和主張應檢查什麼？ 1. 保存確切主張 用一句話寫下說明文字的主張，包括所稱事件、日期、地點、人物或話語。片段可能真實但附帶陳述錯誤，因此請明確調查目標。 2. 尋找原始或更長的上傳版本 記錄收到片段的帳戶和頁面，再搜尋更早或完整版本。尋找發布者身分、一貫的發文歷程和任何製作揭露。不要自動將找到的第一個相符結果當作原始檔。 3. 搜尋有代表性的影格 選擇包含獨特地點、標誌或物體的清晰影格。搜尋完整影格和有意義的裁切部分，然後閱讀相符頁面。Google 的圖片背景資訊指南有助於解釋這些搜尋可能揭示的背景。相符結果是線索；沒有相符不能確定是生成內容。 4. 檢查日期、地點和周邊事件 將主張與更長的錄影或獨立記述比較。搜尋有辨識度的口述短語和事件名稱。如果較早上傳內容包含相同畫面，請將這一時間順序發現與任何 AI 主張分開紀錄。 WITNESS 的目擊者影片查證指南為將錄影作為證據進行評估提供基礎。有用的問題是可用材料支援什麼，而不只是它看起來是否可信。 第 2 輪：錄影中應檢查什麼？ 5. 保留檔案版本和音軌 保持可取得的最佳檔案不變。記錄長度，以及它是轉載、螢幕錄影還是摘錄。即使不信任音軌，也要保留它。審核副本，並記下任何擷取區間的起始點。 6. 以正常速度觀看一次 在集中看異常影格前，先審核整個片段。記下突然的開頭、結尾、剪輯和值得回看的時刻。暫停的轉場可能與連續觀看的動作不同。 7. 在相鄰影格中跟蹤物體 慢速重播可疑區間。跟蹤移動的面孔、手、所持物體或背景特徵，觀察其被遮擋後重新出現的情況。紀錄觀察到的變化，並檢查模糊、鏡頭移動、遮擋或傳統編輯是否可以解釋。 8. 單獨調查語音 如有可識別的完整錄影或逐字稿，請與所稱發言比較。留意重要詞句附近的變化，並檢查唇部動作是否持續錯位。配音或同步錯誤也可能導致不相符；奇怪的聲音或逼真的聲音都不能確定製作方式。 我們的AI 影片偵測器分別報告音訊涵蓋範圍。基本音訊檢查不對複製或合成語音分類，基本檢查也不包含專門的換臉分類。請閱讀我們的深偽指南，以了解身分操縱是核心問題時的處理方式。 第 3 輪：實際執行了哪些技術檢查？ 9. 閱讀可用憑證 檢查驗證結果、簽署者和紀錄的操作。確定與 AI 相關的紀錄涉及完全生成還是編輯。C2PA 說明描述了與媒體綁定、可歸屬的來源資訊，而不是對故事真實性的認證。缺少憑證不能確定製作方式。 我們的憑證結果指南解釋了驗證與解釋為何是不同步驟。不要將紀錄的軟體操作變成每一影格都被偽造的主張。 10. 使用受支援的官方浮水印驗證器 根據 2026 年十月 12 日的查證，Google 的 Gemini 驗證說明介紹了檢查上傳影片中的 SynthID。請閱讀明確的浮水印結果及其涵蓋範圍。Gemini 文件所述的 SynthID 涵蓋範圍是 Google AI 媒體，而不是每個生成工具。 影片中報告的一個部分並不表示其中每一影格都偵測到浮水印。未偵測到標記不能排除其他系統。請按照SynthID 指南使用官方流程，並將該檢查與 AIFakeScan 自身能力區分開。 11. 閱讀偵測器抽樣和不可用檢查 詢問檢查是否查看每一影格或抽樣時刻，以及臉部或語音分類是否實際執行。AIFakeScan 方法說明指出，抽樣影片分析可能漏掉短暫編輯和未抽樣時刻。時間區間用於指引進一步審核，並不定義精確的編輯邊界。 在目前測試版中，校準和評估仍未完成。僅依被動訊號的發現仍無法得出結論，也不宣稱有經過驗證的準確率百分比或實測 AI 機率。深度檢查不向大眾開放。失敗、不受支援和不可用的檢查應記錄為缺口。 此工作表是原創插圖，不是偵測器報告。未解決的行展示如何紀錄缺失證據，而不是推斷為陰性發現。 12. 針對確切主張寫結論 將來源發現、您的觀察和可歸屬的工具輸出分開。說明檢查了哪個檔案和哪些區間，再列出未解決的問題。不要平均無關偵測器的分數，也不要將多數投票當作證明。 發現 有依據的報告 它不能確定什麼 較早上傳內容早於說明文字所稱時間 日期主張受到反駁 AI 製作了畫面 創作者揭露了生成插入片段 注明已揭露片段的來源 其他每一影格都已驗證 只審核了抽樣影格 說明有限涵蓋範圍 整個片段已被評估 未執行語音分類 語音來源仍未測試 聲音是真實的 如何保留有用的證據紀錄？ 將此範本與 AI 影片查證清單一起使用。加入連結和時間戳，而不只是標籤。 主張：正在檢查的確切句子。 來源：收到的 URL、發布者，以及找到的原始或更長版本。 檔案：長度、版本、音軌和任何摘錄偏移量。 背景：支援所述日期、地點或事件的證據。 觀察：審核的區間和考慮過的其他解釋。 技術發現：憑證狀態、浮水印結果和偵測器涵蓋範圍。 未解決項目：缺失的原始檔、未測試的語音或不受支援的檢查。 結論：收集的證據支援的有限陳述。 範例：一個 15 秒片段的說明文字稱其為今天的洪水。您在較早的完整錄影中找到相同片段。您的結論涉及錯誤的日期主張；您尚未確定 AI 生成。如果未執行語音檢查，即使視覺背景已解決，音軌仍未測試。 最終紀錄應保留這個區別。這樣審核者可以查證時間順序，而不會繼承沒有依據的合成媒體指控。這個例子是虛構教學場景，不是已報告的測試。 常見問題 完成清單能證明影片真實嗎？ 不能。完成表示紀錄了所做調查及其發現。重要證據仍可能缺失，來源背景、視覺內容和語音也可能分別未解決。 奇怪的一影格能證明 AI 生成嗎？ 不能。請檢查相鄰影格和更好的副本，再檢驗模糊或切鏡等普通解釋。具體異常是調查線索。 如果影片沒有聲音怎麼辦？ 紀錄來源是無聲錄影，還是移除了音訊的摘錄。不要對缺失或未見過的原始音軌作任何推斷。 工具意見不一致時該怎麼辦？ 保留每個工具的發現和聲明涵蓋範圍。尋找原始檔案或更強的製作歷程，不要將不同分數合併為最終機率。 真實片段仍可能傳播虛假資訊嗎？ 可能。錯誤的日期、地點、說明文字或被省略的背景即使沒有生成畫面也能產生誤導。請在檢查媒體製作歷程的同時查證主張。 下一步 保存片段和主張，填寫三輪檢查，並使用影片偵測器取得受支援的技術證據。如果材料是靜態圖片，請使用單獨的AI 照片與真實照片對比區分拍攝、生成和後續編輯。"},{"id":"https://aifakescan.com/zh-hant/resources/ai-image-detector-inconclusive-what-to-check-next","url":"https://aifakescan.com/zh-hant/resources/ai-image-detector-inconclusive-what-to-check-next","title":"AI 圖片偵測器顯示無法得出結論：下一步檢查什麼","summary":"針對無法得出結論的 AI 圖片檢查的實用流程：檢查涵蓋範圍、保留原始檔、檢查憑證和浮水印，並紀錄來源背景。","date_published":"2026-10-03T08:13:58.314Z","date_modified":"2026-10-03T08:13:58.314Z","tags":["AI 偵測","媒體鑑識","媒體來源"],"content_text":"AI 圖片偵測器顯示無法得出結論，表示依照該工具的規則，現有證據不足以支持可靠的來源判定。這不表示「肯定真實」或「肯定由 AI 製作」，也不代表兩者各占一半。請先檢查哪些分析已完成，再取得最好的檔案、檢查來源資訊並調查來源主張。 目標是減少真正重要的不確定性。第二個不透明的分數，可能不如原始匯出檔案、紀錄的製作歷史或顯示說明文字有誤的較早發布內容有幫助。 檢查已完成，還是某項檢查不可用？ 解釋判定前，請閱讀處理狀態和各證據部分。整體無法得出結論仍可能伴隨有用的已完成檢查。上傳失敗或不受支援的分析是不同問題，應分別紀錄。 報告內容 您知道什麼 下一步 已完成，但無法得出結論 受支援的分析不足以支援更強的判定 檢查證據、限制和原始檔案 驗證不可用 該證據管道未被檢查 解決可用性問題或使用合適的驗證器 檔案或分析不受支援 輸入或請求的檢查超出支援範圍 取得受支援的版本，同時保留原始檔 處理失敗 嘗試的檢查未成功完成 保留錯誤資訊，解決原因後重試 未找到憑證或浮水印 已完成且受支援的檢查未找到該類訊號 保留檢查的範圍限制；繼續查看其他證據 對於 AIFakeScan 目前的測試版，被動偵測器融合尚未通過校準關卡。如果沒有受支援的強來源資訊或官方驗證訊號，僅依被動訊號的結果仍為「無法得出結論」。這是產品判定規則，並不證明每張提交圖片都同樣模糊。 請同時閱讀方法和涵蓋範圍限制並結合AI 圖片偵測器。不要將內部模型觀察值轉換為圖片由 AI 生成的實測機率。 更改圖片之前先取得原始檔案 下一項有用的輸入通常是紀錄更清楚的檔案，而不是更激進的重試。請保留收到的副本，索取相機原始檔案或生成匯出檔案，並清楚標記兩個版本。 由Corvi 及其同事進行的研究探討了擴散模型生成圖片的偵測，包括涉及壓縮和縮放的社群網路場景。該研究支援將轉換視為相關評估條件；它不能為無關的線上檢查工具提供準確率保證。 詢問您的副本如何產生：從來源下載、透過通訊應用程式保存、螢幕截圖、裁切，還是重新匯出。記錄來源方能確認的內容及仍未知的內容。 分析前不要銳化、放大或重新保存唯一可用的副本，這些操作會產生另一個需要解釋的版本。如果比較不同版本，請一次只改變一項，並分別保留報告。 我們的螢幕截圖和壓縮研究提供了檔案轉換的有限實例。請將其作為案例研究，而不是適用於所有螢幕截圖或生成工具的準確率基準。 檢查來源資訊和聲明的操作 可用時，Content Credentials 可以為紀錄的建立或編輯操作提供證據。使用C2PA 檢查工具，結合簽署者和聲明閱讀驗證狀態。缺少紀錄表示存在資訊缺口。 相關C2PA 規範區分了操作和素材。AI 素材、AI 編輯和素材由 AI 建立是不同聲明。請紀錄實際出現的內容，不要將三者都描述為完整圖片生成。 我們的本機憑證檢查不擷取遠端資訊清單。如果來源方稱附有來源資訊但未找到，請索取簽署的原始檔，並詢問他們使用了哪種檢查流程。 也可檢查詮釋資料是否提供值得追查的線索，例如應用程式名稱或匯出歷程。詮釋資料應引導提問，而不是解決問題：單獨的軟體標籤不能確定完整製作過程。 實際問題應具體：「可用紀錄對這個檔案說明了什麼？」在調查之前，請將其說明文字或所描繪事件是否準確作為獨立的未決問題。 來源符合時使用供應商浮水印檢查 根據懷疑的供應商和支援的媒體類型選擇浮水印流程。一個浮水印系統的驗證器不會測試所有 AI 生成工具。陰性或不可用結果都應附帶其涵蓋範圍限制。 Google DeepMind 的 SynthID 文件介紹了套用於其生成式 AI 產品的浮水印，以及檢查媒體是否由 Google AI 生成或修改的 Gemini 流程。當這正是您要回答的問題時，請遵循目前官方說明。 本站的SynthID 檢查工具頁面會引導您使用相關流程。它不會對上傳圖片直接執行 SynthID 掃描。請使用連結中的官方流程，並在記錄結果時保留其支援的媒體和供應商範圍。 保存供應商的確切輸出。「找到受支援的浮水印」不同於「這張圖片所講述的故事是真實的」。「未找到受支援的浮水印」也不同於「未使用 AI」。 獨立查證來源主張 圖片來源與附帶主張是不同的問題。即使生成方式仍未確定，您也可能查證圖片早於所稱事件、曾在別處發布，或描繪的是不同地點。 將以下檢查作為調查流程： 寫下具體主張：誰、在哪裡、何時，以及據稱發生了什麼。 找到您能證實的最早發布內容，並保留 URL 和日期。 尋找其他視角、附近事件或獨立報導來支援背景資訊。 向創作者或發布者索取原始檔及工作流程說明。 區分已確認的事實、推斷和未解決的細節。 NIST 的數位內容透明度報告討論了來源追蹤和合成內容偵測作為不同方法的用途，這些用途取決於背景。報告還指出，真實內容仍可能產生誤導。因此，技術來源檢查只能回答查證任務的一部分。 如果另一個偵測器給出不同結果，請保留差異並調查各工具的涵蓋範圍。不要將無關分數取平均，也不要將多數投票當作證明。關於更廣泛的錯誤問題，請參見AI 偵測器為何會誤報。 保留證據紀錄並選擇有用的停止點 簡短的證據紀錄能讓不確定性變得可操作。紀錄檔案版本、已完成的檢查、觀察結果和未解決的問題。在花時間反覆檢查之前，先判斷什麼進一步資訊可能改變您的結論。 證據紀錄欄位 範例措辭 檔案版本 來自轉載的螢幕截圖；未提供原始檔 處理 檢查已完成；被動結果無法得出結論 來源資訊 未找到本機可用憑證 浮水印涵蓋範圍 未執行官方供應商檢查 來源背景 最早確認的發布內容另行紀錄 未解決的問題 來源方能否提供原始匯出檔案 下一步 索取原始檔並檢查聲明的工作流程 這些條目只是範本範例，不是某個已測試檔案的報告。請替換為您的實際觀察。 有用的停止點是有限結論，例如：「此副本的來源仍未確定；說明文字已獨立查證」，或「來源方提供了經過驗證、聲明使用 AI 編輯的紀錄」。如果沒有可用檢查能解決未決問題，更多重試可能只是重複同樣的限制。 對於後果重大的決定，請保留證據並獲得適合該案例的專業審核。在額外證據支援更有限、站得住腳的陳述之前，無法得出結論的結果應保持如此。 常見問題 無法得出結論是否表示圖片很可能是真實的？ 不。該結果不能確定由人製作。請閱讀判定原因和涵蓋範圍：不確定性可能反映證據不足、模型解釋未經驗證，或檔案及受支援檢查存在限制。 無法得出結論的檢查是技術故障嗎？ 不一定。檢查可以成功完成，但仍缺乏足以判定來源的證據。請檢查處理狀態和各證據管道，區分不確定性與失敗或不可用的分析。 我應該一直上傳，直到得到確定的結果嗎？ 只有在發生有意義的變化時才重複，例如取得原始檔或解決不可用的檢查。保留兩份報告。重複同一項受支援的分析本身不會增加獨立證據。 我應該向審核圖片的人分享什麼？ 分享具體檔案版本、來源、檢查日期、結果措辭、已完成的檢查和限制，並包含任何經過獨立驗證的背景。請將觀察結果與仍需調查的主張分開。"},{"id":"https://aifakescan.com/zh-hant/resources/c2pa-checker-results-explained","url":"https://aifakescan.com/zh-hant/resources/c2pa-checker-results-explained","title":"C2PA 檢查結果詳解：有效、無效和缺失的憑證","summary":"解讀 C2PA 檢查狀態、簽署者可信度和 AI 聲明，清晰紀錄證據，避免將來源資訊與真實性證明混淆。","date_published":"2026-10-03T08:13:58.314Z","date_modified":"2026-10-03T08:13:58.314Z","tags":["C2PA","Content Credentials","媒體來源"],"content_text":"C2PA 檢查結果描述特定檔案可用的來源紀錄。經過驗證的憑證所支持的結論，比「這張圖片是真實的」更有限。缺少憑證不能證明由 AI 生成，驗證失敗也不能說明是誰更改了檔案或為什麼更改。 有用的下一步是結合狀態、簽署者、聲明的操作和限制一起閱讀。本指南解釋C2PA 檢查工具顯示的結果標籤，然後介紹如何紀錄結果實際支援什麼。 每種 C2PA 檢查狀態是什麼意思？ 這些標籤描述憑證檢查的不同結果，不能互換為真實性評級。請從報告中的確切措辭入手，並將結果與您提交的檔案版本對應起來。 報告標籤 如何解讀 下一步 憑證已驗證 檢查工具已為所檢查的檔案確認可信的憑證證據 閱讀簽署者及聲明的操作 簽署者可信度未確認 找到憑證，但檢查工具未確認可信狀態 檢查警告和簽署者詳情；不要假設所有驗證檢查均已通過 驗證失敗 可用報告包含驗證失敗資訊 保留失敗詳情，並與原始檔案比較 未找到 Content Credentials 檢查透過其支援的方法未找到憑證 索取原始檔並調查其他證據 驗證不可用 無法執行憑證檢查 將此管道視為未檢查 報告不受支援 驗證器輸出無法解釋為受支援的憑證報告 保留可用報告詳情並尋找相容的檢查流程 相關C2PA 查證指南區分了可解析的紀錄、成功驗證與可信的簽章憑證。介面可能將這些詳情濃縮為一個徽章，因此底層警告很重要。 如果想更全面地了解資訊清單和簽章，請閱讀Content Credentials 是什麼以及如何運作。本文重點是如何處理已經獲得的結果。 「憑證已驗證」能證明圖片是真實的嗎？ 它支援檢查工具報告的憑證關聯，但不能獨立驗證場景、說明文字、地點或日期。技術上通過驗證的圖片仍可能配有不準確的敘述。 相關C2PA 消費者指南明確區分了可驗證的來源資訊與對數位媒體真實性的判斷。 在得出來源結論之前，請閱讀各項操作。技術規範提供了可描述建立、編輯和素材的操作及來源類型欄位。它們可以回答不同的問題： 建立操作可以聲明素材由 AI 生成。 編輯操作可以描述對現有素材進行的 AI 修改。 即使最終素材組合了多個來源，其中某個素材也可能由 AI 生成。 不要把這些情況都簡化成「整張圖片由 AI 生成」。例如，合成圖片中由 AI 建立的背景，與整個場景都由 AI 生成是不同的主張。 解釋發現時，請使用聲明的範圍：「經過驗證的紀錄聲明使用了 AI 編輯」比「每個像素都是假的」更準確。然後調查發布者是否準確呈現這種編輯。 如何處理不受信任的簽署者或驗證失敗？ 請區分簽署者可信度與驗證錯誤。「簽署者可信度未確認」表示此檢查工具尚未將紀錄提升為可信狀態。該標籤本身不能證明其他所有檢查都成功，也不能證明簽署者不誠實。 尋找簽署者姓名、驗證代碼和報告說明。如果第二個驗證工具的結果不同，請記錄差異，而不是選擇看起來更令人放心的徽章。請確認兩個工具是否檢查了完全相同的位元組，以及信任設定或支援格式是否不同。 對於「驗證失敗」，請保留具體警告。失敗可能涉及憑證或其與素材的關聯；單憑標籤無法確定原因。不要僅憑摘要徽章判斷存在故意竄改。 一個實用的比較方法是取得創作者簽署的原始檔案並單獨檢查。如果原始檔和流傳的副本產生不同結果，請記錄差異。這是調查傳播歷程的線索，不會自動證明存在不當行為。 如需升級處理，請保存確切檔案、工具名稱、檢查日期、狀態和任何錯誤代碼。徽章螢幕截圖可以提供背景，但保留所檢查的檔案才能讓發現可重現。 為什麼檢查工具可能找不到 Content Credentials？ 該發現適用於所檢查的檔案及憑證發現方法。它不能區分未簽署的原始檔和丟失嵌入來源資訊的副本，也不能確定是否使用了 AI。 我們的檢查工具檢查本機可用憑證，不會擷取不受信任檔案中嵌入的 URL 所指向的遠端資訊清單。因此，即使存在外部來源紀錄，也可能無法透過這項檢查取得。 其他實現可能提供恢復流程。Adobe 的文件介紹了一種使用不可見浮水印、數位指紋和其 Content Credentials 雲端來恢復相符紀錄的方法，甚至適用於螢幕截圖後。這是文件所述 Adobe 流程的功能，不應假設每個 C2PA 檢查工具都有此能力。 在自己建立新副本前，請向來源方索取原始簽署匯出檔案。轉換、重新儲存或螢幕截圖會給調查引入另一個版本。如果只有轉載，請在筆記中保留這項限制。 「驗證不可用」和「報告不受支援」需要不同處理：解決檢查問題或使用相容流程。兩者都不是已完成且未找到內容的檢查。 如何將結果變成有用的證據紀錄？ 寫一段其他人可以查證的有限陳述。將報告觀察到的內容與您正在評估的現實主張分開，避免來源發現在線上分享或審核時變成更廣泛的判定。 使用此範本： 欄位 要紀錄什麼 素材 檔案名稱、格式、尺寸和版本；如有，紀錄檔案雜湊 來源 該具體副本來自哪裡以及何時取得 檢查 工具、日期、結果標籤及可用驗證詳情 聲明 按報告措辭紀錄 AI 操作、編輯或素材 限制 缺失欄位、不可用檢查或缺少原始檔 背景 仍需獨立驗證的說明文字或主張 對於缺失結果，一筆合適的紀錄是：「透過受支援的本機檢查，未在此副本中找到憑證；尚未取得原始檔。」對於可信的 AI 聲明，請記錄聲明範圍與簽署者，而不要指控創作者。 如果來源資訊無法解決問題，AI 圖片偵測器可提供另一種受支援的證據管道。也請閱讀它的限制，並透過來源調查查證媒體附帶的敘述。 常見問題 「簽署者可信度未確認」和「驗證失敗」相同嗎？ 不相同。它們代表不同的報告結果。沒有可信狀態本身不能指出驗證失敗，也不能證明所有驗證檢查均已通過。請檢查詳情，並在筆記中保留確切標籤。 AI 生成圖片可以擁有經過驗證的 Content Credentials 嗎？ 可以。憑證可以聲明 AI 建立或編輯。相關問題是可信紀錄聲明瞭什麼操作，而不是檔案是否有憑證徽章。 缺少 Content Credentials 能證明檔案是假的嗎？ 不能。這一結果表示受支援的檢查未在該副本中找到可用憑證。它不能確定由人還是 AI 製作，也無法解決說明文字是否準確。 我應該編輯檔案來修復失敗的憑證嗎？ 更改前請保留檔案。索取原始簽章匯出檔案並單獨檢查。編輯或重新匯出的副本是新的調查素材，不應在不說明的情況下替代最初檢查的證據。"},{"id":"https://aifakescan.com/zh-hant/resources/ai-image-detection-after-screenshots-compression","url":"https://aifakescan.com/zh-hant/resources/ai-image-detection-after-screenshots-compression","title":"螢幕截圖和 JPEG 壓縮如何改變我們的 60 個檔案 AI 圖片偵測測試","summary":"一項可重現的案例研究，包含 12 個來源、60 個檔案，探討螢幕截圖、縮放、JPEG 壓縮、詮釋資料重新編碼、C2PA 憑證和視覺模型輸出。","date_published":"2026-09-24T18:28:42.409Z","date_modified":"2026-09-24T18:28:42.409Z","tags":["AI 偵測","媒體來源"],"content_text":"螢幕截圖、縮放和 JPEG 壓縮不只是讓檔案變小。它們會產生不同的檔案，可能移除嵌入的來源資訊，也可能改變視覺偵測器的分數。我們進行了一項受控的 60 個檔案案例研究，展示這些變化在一個規模較小、紀錄完整的樣本中如何出現。 我們測試了什麼 我們從公開的 AI Detector Arena 樣本儲存庫中選擇了 12 張來源圖片：四張相機照片、四張 Flux 生成圖片，以及四張對相機照片進行明顯編輯後的衍生圖片。四類主題是動物、藝術、食物和風景。 每個來源生成了五個版本： 位元組完全相同的原始檔案； 在 Chrome 中以 1280 × 900 像素渲染後實際截取的瀏覽器螢幕截圖； 最長邊限制為 1024 像素的縮放版本； 品質設為 60 的 JPEG 匯出版本； 省略詮釋資料後重新編碼的 PNG。 對每個版本，我們記錄 SHA-256 雜湊、格式、尺寸、位元組大小、EXIF 欄位數量、C2PA 結果，以及 AIFakeScan 本機視覺模型的原始輸出。測試於 2026 年九月 25 日使用 c2patool 0.26.60 和 `community-forensics-384.onnx` 執行。 下載 60 行結果 CSV. 下載來源清單. 下載執行設置。 視覺模型輸出發生了什麼 表中每個儲存格列出四個檔案的原始分數平均值。這些是此樣本中的觀察結果，不是準確率，也不是經過校準的機率。 來源組 原始檔案 螢幕截圖 縮放 JPEG 品質 60 移除詮釋資料 相機照片 0.0036 0.0021 0.0115 0.0020 0.0036 明顯編輯的照片 0.0063 0.0014 0.0145 0.0031 0.0063 Flux 生成圖片 0.9968 0.8569 0.7151 0.5226 0.9968 生成圖片組的變化最大。一張生成的藝術圖片從原始檔的 0.9978 降至縮放後的 0.3240，以及 JPEG 壓縮後的 0.0093。一張生成的風景圖片從 0.9900 降至螢幕截圖中的 0.4344。其他生成檔案經相同轉換後仍接近 1.0。 這種差異說明，不能將螢幕截圖的分數當作未見過的原始檔案的分數。這也說明，不斷編輯檔案直至偵測器給出偏好的答案，並不是有效的審核方法。 Content Credentials 發生了什麼 全部四個生成的原始檔都包含聲明生成內容的 C2PA 資訊清單。c2patool 回報清單有效，但其簽章憑證不在本機信任清單中，因此紀錄的結果是有效但不受信任。 這四個檔案各自的螢幕截圖、縮放後的 JPEG、壓縮後的 JPEG 和移除詮釋資料版本均不含嵌入的 Content Credential。其餘八個相機與編輯後的來源檔案在所有測試版本中也沒有憑證。 此結果適用於這些匯出路徑，不代表每次縮放或每個編輯器都會移除 C2PA。支援 C2PA 的工作流程可以保留或替換憑證。這也不表示沒有憑證的檔案是真實的。 詮釋資料發生了什麼 使用 Pillow 檢查時，所選的 12 個原始檔均未顯示 EXIF 欄位。因此在此樣本中，移除詮釋資料的版本不能證明相機 EXIF 被移除。這些版本確實顯示，即使本機視覺模型輸出到小數點後六位仍相同，像素等同的重新編碼也會改變檔案雜湊和容器。 這一限制是結果的一部分。所選原始檔案本來沒有可移除的詮釋資料，因此我們沒有改稱詮釋資料被移除。 我們沒有測試什麼 所選檔案沒有文件顯示它們來自受支援的專有浮水印供應商。因此，我們沒有執行官方 SynthID 或其他供應商的浮水印檢查，紀錄中的相關欄位保持空白。空白表示未執行，並非浮水印不存在。 我們也沒有將這些檔案上傳至社群平台。本文沒有對任何特定平台保留或移除什麼作出結論。 如何檢查自己的不同版本 在編輯器中開啟前，保留您擁有的最早版本。 為每個版本計算雜湊並標記，不要覆蓋原始檔。 對每個檔案使用C2PA 檢查器，查看是否存在憑證以及驗證是否完成。 如果懷疑來源是 Google AI，請對每個相關版本按照SynthID 驗證流程操作。 執行AI 圖片偵測器，紀錄完整報告和限制，而不是只複製一個分數。 說明結果適用於具體檢查的檔案。 本案例研究的限制 每個來源組包含四張圖片，涵蓋四個主題。樣本用於展示可重現的方法，並非估計整體準確率。編輯組使用了一種明顯的編輯方式。本機模型只是一個偵測器版本。供應商浮水印和社群平台傳輸均未測試。查證上述任何摘要時，應使用完整的逐列紀錄。 常見問題 螢幕截圖能繞過所有 AI 圖片偵測器嗎？ 不能。在此樣本中，有些生成圖片的螢幕截圖分數接近原始分數，其他螢幕截圖則變化明顯。螢幕截圖是新的輸入，報告時應如實說明。 沒有 C2PA 是否證明圖片是真實的？ 不能。這表示該檔案中沒有找到可用憑證。許多真實檔案和生成檔案都沒有嵌入式憑證。 原始視覺分數是準確率百分比嗎？ 不是。它是針對一個檔案觀察到的模型輸出。本實驗不估計敏感度、特異度或總體準確率。"},{"id":"https://aifakescan.com/zh-hant/resources/ai-image-detector-tools-comparison","url":"https://aifakescan.com/zh-hant/resources/ai-image-detector-tools-comparison","title":"AI 圖片偵測工具比較：在 2026 年選擇合適的證據檢查","summary":"從證據類型、隱私、存取權限和結果限制比較 AI 圖片偵測、C2PA 驗證和 SynthID 檢查。","date_published":"2026-09-24T18:28:42.409Z","date_modified":"2026-10-03T08:13:58.314Z","tags":["AI 偵測","AI 浮水印"],"content_text":"AI 圖片偵測器、Content Credentials 驗證器和供應商浮水印檢查工具回答的是不同問題。有用的比較應從所需證據出發，而不是只看一個「最佳」分數。 供應商比較於 2026 年九月 25 日查證。檔案保存和檢查範圍說明於 2026 年十月 3 日對照實作進行審閱。AIFakeScan 的表現基於我們執行的 60 個檔案案例研究和實作檢查。除非某項明確標為已測試，Google、Adobe 和 Sightengine 項目僅依據當時的官方文件。 快速選擇表 工具 主要證據 適用場景 陰性結果不能證明什麼 本文的證據依據 AIFakeScan AI 圖片偵測器 本機視覺模型及可用的檔案證據 初步檢查來源不明的圖片，分別查看證據和限制 檔案真實或從未經過 AI 編輯 對紀錄的 60 個檔案版本進行了本機測試 AIFakeScan C2PA 檢查工具 嵌入式 Content Credentials、驗證和本機信任狀態 檢查來源、簽署者狀態、聲明的操作和基本詮釋資料 沒有憑證的檔案是真實的 對同一組 60 個檔案進行了本機測試 Google Gemini 驗證 用於 Google AI 的 SynthID 及受支援的 Content Credentials 詢問圖片是否由 Google AI 建立或編輯 沒有使用其他生成工具 供應商文件；我們的實驗中沒有相容來源 Adobe Content Authenticity Inspect Content Credentials 及可恢復的相符憑證 在 Adobe 的網頁流程中檢查憑證歷史 缺少憑證能夠證明真實性 介面可用性及供應商文件；未記錄上傳結果 Sightengine genai API 透過託管 API 對視覺像素分類 可以接受外部供應商時進行程式化視覺篩檢 來源、簽署者身分或普遍正確性 供應商文件；本次對比未執行付費 API AIFakeScan：組合檔案證據，但不將其混為一談 通用AI 圖片偵測器執行本機視覺模型並報告可用檔案證據。專用C2PA 檢查工具採用僅檢查來源的模式，不執行像素分類器或付費偵測器。 在我們的 60 個檔案案例研究中，C2PA 檢查工具在四個生成的原始檔中發現有效但在本機不受信任的生成內容資訊清單。由這些原始檔衍生的 16 個轉換版本均不含嵌入憑證。生成圖片組的視覺模型平均分數從原始檔的 0.9968 變為 JPEG 品質 60 版本的 0.5226。這些觀察結果說明兩種證據應保持分開；它們不能用來將 AIFakeScan 與其他偵測器排名。 公開的基本檢查檔案在 AIFakeScan 的伺服器基礎設施上處理。上傳的原始檔以私密方式保存，直到擁有者在檢查頁面選擇「刪除檔案和結果」。報告存取權限在 45 分鐘後過期；到期不會刪除原始檔。檢查工具並非在瀏覽器本機執行。上傳敏感媒體前，請查看目前的隱私權政策。 Google Gemini：使用官方 SynthID 流程 Google 幫助頁面稱，已登入且符合條件的 Gemini 使用者可以上傳一個檔案，詢問其是否由 Google AI 建立或編輯。Gemini 目前可辨識 Google AI 工具內容中的 SynthID，也可以概述受支援的 Content Credentials。 當問題具體針對 Google 浮水印時，這是一條合適的途徑，但它不是通用浮水印測試。SynthID「未偵測到」結果不能排除其他 AI 系統，Google 也紀錄了某些檔案可能得到不明確的結果。 使用SynthID 檢查流程準備檔案、複製精確的問題並記錄回傳結果。對於來自 Google 的內容，請使用外部官方驗證流程。本站另行提供的 OpenAI 圖片與音訊浮水印檢查取決於所述供應商、設定和存取權限；它們不能證明浮水印涵蓋範圍是全面的。 Adobe Content Authenticity：檢查憑證歷史 Adobe 的網頁 Inspect 功能專為 Content Credentials 設計。Adobe 文件介紹了在憑證可用時查看來源、編輯歷史和生成式 AI 資訊，包括恢復部分相符憑證的方法。 本次審閱期間可存取公開網站，但我們未紀錄上傳結果。因此表中列出的是文件所述能力，而非實測結果。它可作為檢查憑證的第二種介面，尤其適用於 Adobe 工作流程。 Sightengine：託管視覺 API Sightengine 文件介紹了一種託管的 `genai` 模型，用於檢查像素內容並回傳 AI 生成分數，在某些存取層級還提供依生成工具區分的資訊。供應商表示，該視覺分數不使用詮釋資料，並提供測試方案和付費正式方案。 我們沒有將 60 個檔案傳送至 Sightengine，因此本文不比較其分數或準確率與 AIFakeScan 的差異。當外部 API 及其目前的資料處理方式、限制與價格適合您的工作流程時，可考慮使用它。 根據問題選擇工具 您的問題 從這裡開始 需要時補充 此檔案是否帶有可驗證的來源或編輯歷史？ C2PA 檢查工具 用 Adobe Inspect 作為另一種憑證介面 這是否由 Google AI 建立或編輯？ Gemini SynthID 驗證 C2PA 與來源調查 像素內容是否類似模型學習到的生成圖片模式？ AI 圖片偵測器 另一家視覺偵測供應商及受控的檔案版本比較 所描繪的事件或說明文字是真的嗎？ 來源調查與交叉查證 反向圖片搜尋、最初發布者和背景證據 表中的工具均不能證明事實真實。來源資訊可以記錄誰簽署了歷程；浮水印可以辨識相容的供應商；視覺模型可以產生機率性訊號。請在寫出最終結論前將各項發現分開。 隱私、存取和費用說明 工具 檔案處理 於 2026 年九月 25 日查證的存取和價格說明 AIFakeScan 上傳至處理服務；原始檔以私密方式保存，直到擁有者刪除，報告存取權限在 45 分鐘後過期 測試期間提供公開基礎檢查；請在工具頁面查看目前限額 Gemini 根據帳戶和產品條款上傳至 Google 需要登入並使用符合條件的帳戶；Google 說明了每日驗證配額 Adobe Inspect 上傳或提供給 Adobe 的網頁檢查流程 當時可公開存取網頁；帳戶和功能可用性可能變化 Sightengine 傳送至 Sightengine 託管 API 供應商說明提供免費測試方案和付費正式方案；請查證目前價格 常見問題 哪個 AI 圖片偵測器最準確？ 本對比沒有作出該主張。可靠的準確率比較需要版本明確、具有代表性的標註資料集、相同輸入、預先定義的指標和完整的失敗紀錄。這裡的工具回答的問題也不同。 應該先使用 C2PA 還是視覺偵測器？ 如果有原始檔案，先檢查來源，因為經過驗證的聲明可以直接提供檔案歷程證據。然後針對憑證未回答的問題增加視覺和背景檢查。 一個工具能檢查所有不可見的 AI 浮水印嗎？ 本對比中的公開工具沒有一個證明能全面涵蓋所有專有浮水印系統。請使用供應商的相容檢查工具，並準確紀錄執行的是哪個系統。"},{"id":"https://aifakescan.com/zh-hant/resources/synthid-checker-guide","url":"https://aifakescan.com/zh-hant/resources/synthid-checker-guide","title":"如何檢查 SynthID：官方驗證步驟與限制","summary":"透過官方 Detector 或 Gemini 圖片流程檢查 SynthID，了解媒體涵蓋範圍、檔案版本和針對不同供應商的驗證。","date_published":"2026-09-24T16:21:51.477Z","date_modified":"2026-10-19T09:31:03.686Z","tags":["AI 浮水印","媒體來源"],"content_text":"檢查 SynthID 時，請從 Google 官方 SynthID Detector 開始，針對受支援的圖片、影片和音訊進行檢查。查看其目前對 Google 與參與合作夥伴的涵蓋範圍。AIFakeScan 的視覺檢查與相容的浮水印檢查考察的是不同證據。 官方途徑審閱於 2026 年十月 19 日。下方紀錄表用於紀錄檔案版本和結果，不是準確率基準。 在哪裡可以檢查 SynthID？ Google 於 2026 年十月 7 日宣布在全球開放英文版 SynthID Detector。該公開服務檢查受支援的圖片、影片和音訊檔案。服務可用不代表公開 API 可用，也不會在 AIFakeScan 內啟用 Google 驗證。 開啟官方 SynthID Detector並查看目前檔案要求。保留原始檔，上傳受支援的檔案，閱讀結果並保存其確切措辭及檢查日期。參見Google 存取公告。 SynthID 將人無法察覺的浮水印嵌入生成媒體。Google 稱它的設計目標是抵抗部分轉換，包括裁切和有損壓縮。該設計目標不能證明您手中檔案的成功率。 如何在 Gemini 中驗證圖片 按照 Google 目前的Gemini 驗證說明操作。使用符合資格的個人或 Workspace 帳戶登入，開啟 Gemini，使用「新增檔案」並上傳一張圖片。詢問它是否由 Google AI 建立或編輯。閱讀回傳的驗證說明，並將確切回答與檔案一起保存。 對於 Gemini，提交檔案前請查看目前說明頁面，確認上傳限額和帳戶要求。Gemini、SynthID Detector 和 AIFakeScan 的限額各不相同。 如果只有螢幕截圖，Google 建議圍繞一張圖片緊密裁切，而非上傳拼圖。請同時保留未修改的螢幕截圖並記錄裁切情況。如有可能，請索取原始下載檔案。 結果能支援什麼結論？ 使用服務的確切措辭，分別紀錄偵測到、未偵測到和不明確的結果。查看所用檢查器目前支援的媒體和供應商範圍。發現受支援的浮水印不能驗證場景或說明文字。 請使用以下解釋清單；下列標籤是審核類別，並非承諾介面一定使用的措辭。 收到的結果 要紀錄什麼 下一步怎麼做 報告偵測到 SynthID 確切回答、檔案、日期及所述範圍 區分生成與編輯；單獨查證圖片說明文字 未報告偵測到 針對本次提交檔案的陰性發現 繼續考慮其他生成工具和圖片來源歷史 結果不明確 紀錄解釋，不將其轉換為是或否 尋找更好的來源檔案並保留不確定性 上傳失敗或檢查未完成 錯誤或缺失的涵蓋範圍 標記為未檢查；不要紀錄為陰性結果 檢查工具的回應不應在未說明的情況下變成對某個人、事件或發布者的更廣泛主張。例如，找到 AI 編輯證據不能辨識所有修改區域，也不能證明相關新聞說法虛假。 SynthID、Content Credentials 與視覺偵測 這些證據管道可能出現在同一次審核中，請將其輸出分開。 證據管道 要問的問題 應保留的限制 SynthID 驗證 相容供應商的檢查是否找到了其浮水印？ 浮水印檢查具有明確的供應商涵蓋範圍 C2PA Content Credentials 驗證了哪些來源聲明，採用了什麼信任規則？ 簽署的歷史不能保證事實真實 普通詮釋資料 還保留哪些相機、軟體或匯出線索？ 可編輯欄位是背景資訊，不是獨立證明 視覺模型 此模型對提交的像素報告了什麼？ 分類不能還原建立歷史 Gemini 也可以檢查 Content Credentials。請將這些發現與其 SynthID 回應分開保存。我們的C2PA 指南解釋了驗證和信任狀態。 原始檔與分享副本的記錄表 每個檔案保留一筆紀錄。如果比較原始檔與社群平台下載檔案或螢幕截圖，請在上傳前標記版本。不要為取得不同的偵測結果而覆寫原始檔。 欄位 審核時填寫 審核問題 關於生成、編輯或來源的具體主張 檔案身分 檔案名稱、格式、尺寸，以及可選的 SHA-256 雜湊 取得方式 來源 URL 或傳送者、下載日期，以及是原始檔還是副本 已知更改 裁切、螢幕截圖、縮放、匯出或平台路徑；無法得知時標為未知 官方驗證 服務、日期、確切回答以及檢查是否完成 其他證據 憑證詳情、發布歷史、創作者說明和相互衝突的發現 結論 證據支援什麼，哪些問題仍未知 這是一份空白審核範本，不包含實測的浮水印存留結果。比較兩個來源不明的檔案，也無法得知在任一檔案到達您手中之前存在什麼訊號。 AIFakeScan 的作用 使用AI 圖片偵測器查看可用檔案證據並閱讀涵蓋範圍說明。AIFakeScan 不執行 Google 的專有 SynthID 檢查工具。其測試版視覺訊號單獨使用時仍為「無法得出結論」，不能提供經過校準的 AI 機率。 如需更廣泛的來源調查，請閱讀如何偵測 AI 生成圖片。如果偵測器提示與來源歷史衝突，請使用誤報審核指南。 使用互動式 SynthID 驗證流程 AIFakeScan SynthID 檢查工具列出各供應商的存取權限和涵蓋範圍。對於受支援的媒體，請使用外部官方 Detector；Gemini 仍是另一種圖片檢查流程。在 AIFakeScan 內提交任何內容前，請確認供應商狀態。 使用外部途徑不會將檔案上傳至 AIFakeScan，也不會匯入結果。只有已確認且已啟用的工具內檢查工具才能在此接收檔案。請記錄所用服務、確切回答、檔案版本和日期。 本指南仍是涵蓋範圍、檔案版本處理和結果解釋的詳細參考。工具頁面是針對 `synthid checker` 查詢意圖的操作入口。 常見問題 通用 AI 圖片偵測器就是 SynthID 檢查器嗎？ 不是。視覺分類器和相容浮水印檢查器考察的是不同證據。請查看對實際執行檢查的明確說明。 未偵測到 SynthID 是否證明圖片是真實照片？ 不能。該結果不能排除所有其他 AI 系統，也不能證明所描繪場景的真實性。請紀錄這一有限發現並繼續調查來源。 AIFakeScan 能驗證 SynthID 嗎？ AIFakeScan 內的 Google 驗證仍取決於整合存取權限。對於其支援的媒體，請使用外部官方 SynthID Detector；對於文件所述的圖片流程，也可使用 Gemini。其他工具內供應商檢查僅在其各自狀態確認可用時執行。 可以審核螢幕截圖嗎？ 可以，但請將其作為單獨的檔案版本保存並尋找原始檔。不要將螢幕截圖結果當作未見過的原始檔案的完整歷史。"},{"id":"https://aifakescan.com/zh-hant/resources/c2pa-content-credentials-what-they-are-and-how-they-work","url":"https://aifakescan.com/zh-hant/resources/c2pa-content-credentials-what-they-are-and-how-they-work","title":"C2PA Content Credentials：它們是什麼以及如何運作","summary":"了解 C2PA Content Credentials 紀錄什麼、如何驗證簽章和素材綁定，以及有效或缺失的憑證能證明和不能證明什麼。","date_published":"2026-09-22T06:43:03.997Z","date_modified":"2026-09-24T18:28:42.409Z","tags":["C2PA","Content Credentials","媒體來源"],"content_text":"C2PA 是記錄與驗證數位媒體來源及編輯歷程的開放技術標準。Content Credentials 是基於該標準建立、面向使用者的來源紀錄。它們可以幫助您查看誰或什麼簽署了檔案、聲明了哪些操作，以及簽署紀錄是否仍與素材相符。 它們不會自動證明圖片、影片或說明文字真實。有效憑證證明的是關於簽章來源紀錄的特定事項，而不是與媒體有關的每一項現實世界主張。 C2PA 代表什麼？ C2PA 是 Coalition for Content Provenance and Authenticity（內容來源與真實性聯盟）的縮寫。該聯盟制定技術規範，以便將可偵測竄改的來源資訊附加到圖片、影片、音訊、文件和其他數位素材。 該標準不是 AI 偵測器，不會檢查視覺偽影並猜測模型是否生成了檔案。它為參與的相機、軟體、發布者和 AI 系統提供一種共同方式，對素材歷程作出簽章聲明。 相關C2PA 說明將來源描述為有關素材歷程的事實。憑證可能包含關於來源、編輯、工具、素材或 AI 使用的聲明。出現哪些聲明取決於具體實作，以及簽署者選擇或設定記錄什麼。 什麼是 Content Credentials？ Content Credentials 是遵循 C2PA 規範的來源資訊體驗所使用的名稱。可以把 C2PA 看作技術框架，而 Content Credentials 是人們檢查的簽章紀錄和介面。 Content Credential（也稱 C2PA 資訊清單）可以包含： 簽發憑證的應用程式、服務、裝置或組織； 套用憑證的日期； 聲明的建立或編輯操作； 用於建立合成素材的各組成素材資訊； 當簽發流程紀錄時，使用生成式 AI 的指示； 可選的創作者或發布者身分資訊； 用於將資訊清單綁定到素材的加密資料。 並非每個憑證都包含以上所有欄位。例如，缺少創作者姓名並不能證明紀錄無效。隱私選擇和實作差異會影響揭露內容。 C2PA 資訊清單如何運作？ 參與工具建立包含素材聲明的資訊清單，並使用加密憑證簽署。內容綁定將資訊清單與相關素材關聯。相容驗證工具隨後可以檢查簽章、資訊清單結構，以及被綁定內容自資訊清單產生後是否發生變化。 該過程可以概括為五個階段： 裝置或應用程式建立或編輯素材。 聲明產生器在資訊清單中記錄選定操作及其他聲明。 資訊清單經過加密簽章。 資訊清單嵌入檔案，或透過其他受支援機制變得可供尋找。 驗證器檢查資訊清單，並向查看者呈現可用的來源資訊。 簽章標識簽署者使用的憑證，但不會讓資訊清單內每一項陳述都自動成為經過獨立驗證的事實。信任仍取決於誰簽署紀錄、提出什麼聲明，以及您為何信任該簽署者或其驗證過程。 硬綁定和軟綁定有什麼作用？ 硬綁定將資訊清單與受保護的確切內容關聯，通常使用加密雜湊。如果受保護的位元組改變，驗證可以偵測到目前資訊清單不再與該版本素材相符。 軟綁定旨在幫助定位衍生或轉換媒體的來源資訊。C2PA Content Credentials 規範解釋說，軟綁定可以根據數位內容計算，而不是根據完全相同的原始位元組。例子包括用於尋找相關資訊清單的指紋或不可見浮水印。 當平台移除嵌入詮釋資料或有人擷取螢幕截圖時，這個區別很重要。嵌入資訊清單可能不再隨新檔案存在，但持久的查詢機制仍可能將轉換副本重新連結到外部紀錄。能否恢復取決於具體實作，因此絕不能假設一定能恢復。 簽章如何驗證？ 驗證工具會檢查多個層面，而不是只查看「存在 C2PA」這項標記。它檢查資訊清單結構是否正確、簽章是否有效、簽章憑證是否符合相關信任模型或被其信任，以及資訊清單是否仍綁定至正在檢查的素材。 驗證問題 成功檢查支援什麼 它不能證明什麼 資訊清單結構正確嗎？ 紀錄遵循所需結構 聲明在事實上真實 簽章有效嗎？ 簽章紀錄在簽署後未被更改 簽署者可信 簽署者受信任嗎？ 憑證連結到已認可的信任來源 所描繪的事件發生過 素材綁定通過驗證嗎？ 受保護的素材與簽章狀態相符 說明文字或背景準確 是否聲明使用 AI？ 簽署者紀錄了相關 AI 操作 所有其他未聲明的檔案都未使用 AI 技術規範區分了結構正確、有效和可信等狀態。介面可能簡化這些結果，因此請查看詳情，不要把每個徽章都解讀為相同的保障程度。 Adobe Content Credentials 與 C2PA 有何關係？ Adobe 是 C2PA 的共同創立者，並開發實作該標準的產品，但 C2PA 不是 Adobe 獨有的檔案格式。其他軟體、硬體、發布者、平台和驗證工具也可以實作同一開放規範。 Adobe 的 Content Credentials 文件說明其檢查工具使用基於 C2PA 的加密方法顯示可用來源和完整性資訊。某些 Adobe 流程會自動將憑證附加到受支援的 Firefly 生成輸出；其他流程則允許創作者選擇包含哪些身分或歸屬資訊。 因此，Adobe 生成的憑證應作為 C2PA 的一種實作來閱讀。簽發者、操作和驗證結果比單純出現 Adobe 產品名稱提供更多資訊。 如何檢查 Content Credentials？ 從可取得的最佳檔案開始，如果能夠取得原始檔，就不要以壓縮螢幕截圖作為起點。用相容檢查工具開啟檔案，或使用支援該功能的平台提供的憑證介面，然後依序仔細檢查結果。 確認憑證與所選檔案關聯。 檢查驗證狀態及任何警告或失敗。 確定簽署者或聲明生成器。 查看紀錄的操作、素材和 AI 使用聲明。 記下憑證簽發時間以及是否包含後續編輯。 將來源資訊與外部主張、來源和發布背景比較。 如果介面透過螢幕截圖或指紋找到可能的相符結果，請將這種查詢與原始檔案的硬綁定驗證區分開。兩者都有用，但關係不同。 Content Credentials 缺失表示什麼？ 缺少憑證只表示驗證工具透過所用方法沒有找到可存取的憑證。沒有額外證據時，只能得出這項結論。 憑證採用是自願且不均衡的。相機可能不支援 C2PA，編輯器可能未啟用該功能，平台可能移除嵌入詮釋資料，或者您收到的副本可能經過轉換。合法創作者也可能出於隱私或安全原因選擇不包含身分資訊。 C2PA 自身的指南提醒，不要將未簽章媒體視為天然不可信。缺少來源資訊是資訊缺口，不是 AI 判定。 Content Credentials 能證明什麼，不能證明什麼？ Content Credentials 在回答有限的來源問題時最有力：誰或什麼簽署了紀錄、聲明瞭哪些操作、簽章資訊清單是否被更改，以及它是否仍與所檢查素材關聯。 它們不能獨立證明場景發生過、引語準確或發布者的描述誠實。合成生成的圖片可以帶有有效憑證，真實相機圖片也可以沒有憑證。有效簽章的素材仍可能配上錯誤日期或誤導性說明。 這就是 AIFakeScan 將來源資訊視為一種證據管道的原因。我們的方法說明將可用來源資訊和詮釋資料與其他檢查結合，同時保留不確定性。有關實用流程，請參閱如何偵測 AI 生成圖片。 如何閱讀 C2PA 檢查結果 請保存完整驗證報告，而不只是徽章。以下是實用審核類別；不同驗證工具可能使用不同措辭。它們不是保證出現的 AIFakeScan 結果標籤清單。 審核類別 已完成檢查中的含義 下一步 未找到憑證 驗證工具透過其檢查的路徑未找到受支援的憑證 索取原始匯出檔案；檢查是否支援外部恢復 驗證通過且簽署者可信 報告的驗證和信任檢查成功 閱讀實際操作和 AI 使用聲明；單獨驗證說明文字 簽章檢查通過，但簽署者不受信任 部分完整性檢查成功，但簽署者不符合驗證器的信任政策 檢查證書和信任政策；不要將不熟悉等同於欺詐 驗證失敗 至少一項報告的驗證規則失敗 排查前保留確切代碼和檔案 不完整、不受支援或錯誤 驗證器無法完成相關檢查 紀錄缺失的覆蓋範圍，不要稱憑證不存在 判斷圖片前先排查檔案 保留產生該結果的檔案。如有可能，取得創作者的原始匯出檔案，並在不重新保存的情況下檢查。比較詳細驗證代碼、簽署者、聲明的操作和驗證器版本。第二個相容驗證器可能有助於解釋差異，但不同徽章本身不是解釋。 檔案版本 比較前紀錄 解釋邊界 創作者的匯出檔案 獲取路徑、檔案身分、憑證詳情 它仍可能只包含部分製作歷程 社群平台或訊息下載檔案 平台、下載路徑、日期、大小和尺寸 測試這個實際交付的檔案；不要假設每個平台或路徑表現相同 螢幕截圖 螢幕截圖軟體、裁切和來源頁面 圖片中可見的憑證圖標本身不是經過驗證的資訊清單 這些是排查說明，而非平台測試結果。AIFakeScan 的可用檢查會在每份報告中說明；不可用的 C2PA 檢查不是陰性發現。如果問題涉及 Google 的不可見浮水印，請使用單獨的SynthID 查證指南。 使用專用 C2PA 驗證器檢查檔案 當您需要可執行的結果而不是空白工作表時，請使用AIFakeScan C2PA 檢查工具。僅來源模式驗證檔案容器、用 c2patool 檢查嵌入的 Content Credentials、報告本機信任狀態和聲明的操作，並展示少量基本詮釋資料。它不會執行視覺 AI 分類器或付費偵測器。 結果將以下狀態分開：可信驗證、簽章有效但本機不信任、驗證失敗、沒有憑證、驗證不可用和報告不受支援。「未執行」絕不會顯示為「未找到」。結果中會顯示驗證狀態代碼，可下載經過淨化的 JSON 報告，其中不包含私人檢查 URL、存取權杖或上傳檔案名稱。 在60 個檔案的螢幕截圖與壓縮案例研究中，四個生成的原始檔案帶有有效但本機不受信任的 AI 聲明。它們的 16 個轉換版本未保留嵌入憑證。該實測結果適用於這些檔案和匯出路徑，並非關於支援 C2PA 的編輯器的普遍陳述。 常見問題 C2PA 和浮水印相同嗎？ 不。C2PA 定義了更廣泛的來源系統。資訊清單可以嵌入檔案並通過加密方式綁定；浮水印或指紋則可能作為軟綁定，幫助在轉換後恢復相關紀錄。 有效的 Content Credential 是否表示圖片真實？ 它表示針對憑證及其與素材關係的規定驗證檢查已成功，並不能獨立證明場景、說明文字、日期或每項斷言的真實性。 Content Credentials 能顯示使用了 AI 嗎？ 它們可以顯示簽署者聲明瞭相關 AI 建立或編輯操作。這是陽性的來源證據。缺少 AI 聲明不是從未使用 AI 的普遍證明。 Content Credentials 可以被移除嗎？ 檔案被清除、轉換或重新擷取時，嵌入詮釋資料可能丟失。一些實作使用外部儲存、指紋或不可見浮水印來改善恢復，但持久性取決於系統和轉換方式。 誰控制 C2PA？ Coalition for Content Provenance and Authenticity 制定開放規範。各公司和組織在自己的產品和服務中實作這些規範。 實際啟示 請將 Content Credentials 作為簽章來源資訊來閱讀，而不是通用真相徽章。檢查驗證狀態、簽署者、聲明的操作和素材關係，然後通過來源調查與背景查證作實世界主張。這種組合比單獨使用憑證或 AI 偵測器都更有力。"},{"id":"https://aifakescan.com/zh-hant/resources/what-is-a-deepfake-deepfake-vs-ai-generated-content","url":"https://aifakescan.com/zh-hant/resources/what-is-a-deepfake-deepfake-vs-ai-generated-content","title":"什麼是深偽？深偽與 AI 生成內容的區別","summary":"了解深偽的含義、它與更廣泛的 AI 生成內容有何不同、主要操縱類型，以及如何查證疑似冒充。","date_published":"2026-09-22T06:43:03.997Z","date_modified":"2026-09-22T06:43:03.997Z","tags":["深偽","合成媒體","影片查證"],"content_text":"深偽是使用 AI 模仿或改變一個人的身分、外貌、聲音或行為的合成或竄改媒體。AI 生成內容是更廣泛的類別：它可以描繪虛構人物、地點、物體或事件，而不冒充任何真實個人。所有深偽都是 AI 生成或 AI 修改的內容，但並非所有 AI 生成素材都是深偽。 這一區別同時影響風險和驗證方式。完全生成的風景與換臉影片都可能是合成內容，但只有其中一種依賴於對真實人物身分的主張。 什麼是深偽？ 「deepfake」一詞結合了深度學習和偽造。常見用法是指使用機器學習技術建立或修改的媒體，使真實人物看起來說過或做過其未說或未做的事，或模仿其面孔或聲音。 邊界處的定義有所不同。NIST 對合成媒體的描述將其廣義定義為由演算法（包括 AI）顯著修改或生成的資訊。NIST 的媒體鑑識資料將臉部相關操縱分為身分替換、表情替換、屬性操縱和整臉合成等類別。 WITNESS 將「合成媒體」作為更廣泛的類別，並將深偽描述為對某人面孔、聲音或行為的逼真模擬。這種以人為中心的定義很有用，因為冒充通常是深偽尤其有害的原因。 深偽與 AI 生成內容有什麼區別？ AI 生成內容包括由生成模型製作或大幅改變的文字、圖片、音訊和影片。它可以被明確揭露，也可以是虛構、藝術作品或用於普通商業流程，無須模仿真實人物。 深偽通常針對身分。它可能將一個人的臉放到另一個身體上、重演臉部表情、用可辨識的聲音生成語音，或建立涉及某個具名人物的逼真場景。 媒體類型 使用 AI？ 模仿真實人物？ 典型例子 生成插圖 是 不一定 根據提示詞建立的虛構城市 完全生成的主持人 是 身分虛構時不是 已揭露的虛擬主持人 換臉 是 是 將一個人的臉放到另一個人的表演上 臉部重演 是 是 真實人物的表情或口部動作被修改 聲音複製 是 是 模仿已知說話人的合成語音 傳統誤導性編輯 不一定 可能 透過剪輯去掉背景的真實片段 最後一行很重要：有害或欺騙性媒體不會自動成為深偽。舊影片重新使用、虛假說明、選擇性剪輯或手工編輯，都可能在沒有生成式 AI 的情況下誤導。 深偽的主要類型有哪些？ 換臉 換臉將來源身分替換或融合到目標圖片或影片中。即使表面身分改變，基礎身體、動作、環境和音訊仍可能是真實的。 臉部重演與唇形同步操縱 臉部重演在保留目標人物身分的同時改變表情、視線、頭部或嘴部動作。唇形同步系統可以讓人物看起來說出了替換音訊中的話。 聲音複製 聲音複製生成模仿特定說話人的語音。它可能出現在電話、語音訊息、Podcast片段中，也可能作為修改影片的音軌。美國聯邦貿易委員會警告稱，冒充者可能在虛假緊急求助中使用聲音複製，並建議透過已知管道聯絡所謂來電者。 合成身分與身體操縱 有些媒體結合生成面孔、修改後的身體和虛構背景。其他內容改變年齡、頭髮、衣服或屬性，但不替換整個身分。這些情況說明，「深偽」不是單一技術操作。 完全由 AI 生成的人物是深偽嗎？ 不模仿可辨識個人的生成式人物，通常更適合稱為合成人物或 AI 生成角色。將所有逼真的 AI 人像都稱為深偽，可能模糊該術語所描述的身分相關傷害。 當生成場景虛假描繪真實具名人物時，即使系統生成了整個畫面而不是換臉，該標籤仍可能適用。實際使用時，請同時描述技術和主張：「虛假描繪某公眾人物的 AI 生成圖片」比單一標籤更準確。 所有深偽都有惡意嗎？ 不。經同意，這種技術可以用於配音、無障礙、諷刺、電影製作、教育或已揭露的創作。倫理和法律問題取決於同意、揭露、背景和傷害，而不只是使用 AI。 高風險用途包括未經同意的私密影像、詐欺、騷擾、證據操縱和意圖影響決定的冒充。即便如此，也不要僅憑自動偵測結果指控創作者或當事人。對後果重大的案例，請保留原始來源並尋求專業審核。 如何查證疑似深偽？ 從主張和身分入手，而不是先看視覺異常。詢問畫面中據稱是誰、據稱說了或做了什麼，以及媒體最早出現在哪裡。 保存 URL、帳戶、說明文字、時間戳和可獲得的最佳檔案。 透過追溯來源和搜尋有代表性的影格，尋找更長或更早的版本。 將主張與官方錄影、可靠報導或其他已知管道比較。 檢查相鄰影格中持續出現的身分、動作和合成不一致。 單獨檢查音訊；查看剪輯，並透過獨立聯絡管道查證說話人。 檢查可用的 Content Credentials 或其他來源紀錄。 使用合適的偵測器作為輔助證據，並紀錄其聲明的涵蓋範圍。 關於詳細媒體流程，請閱讀如何判斷影片是否由 AI 生成。該流程既適用於合成場景，也適用於疑似身分操縱。 為什麼視覺上的「深偽特徵」不夠 固定清單很快會過時。不自然眨眼、變形牙齒、奇怪的手或邊緣偽影可以提供線索，但現代系統可能避開這些現象。真實畫面也可能有模糊、壓縮、丟影格、配音、濾鏡或照明效果，看起來像經過操縱。 請檢查連續畫面，而不是只看一張螢幕截圖。確認異常是否在相鄰影格和品質更好的副本中持續存在。更重要的是尋找外部證據：原始錄影、另一個攝影角度、相符的公開露面，或時間和地點上的矛盾。 逼真的面孔不能驗證事件。反過來，一影格難看的畫面也不能證明換臉。 AI 影片偵測器能告訴您什麼？ 偵測器可能辨識與其支持類別的媒體相關的模式。解釋輸出時應考慮模型訓練、檔案品質、操縱類型以及檢查了多少影片。 AIFakeScan 的方法說明指出基本檢查不包含專門的換臉分類，基本音訊檢查不對複製或合成語音分類。影片分析可能抽樣影格，而非檢查每個影格。僅依被動訊號的測試版結果仍無法得出結論；它們不是經過驗證的 AI 機率。 這些邊界可以防止常見錯誤：把一般影片結果當作分別測試了人物的臉和聲音。僅將AI 影片偵測器用於它所描述的檢查，然後結合身分和來源查證。 Content Credentials 如何幫助調查深偽？ Content Credentials 可以紀錄誰或什麼簽署了素材、聲明了哪些操作，以及簽署的來源資訊是否仍與檔案相符。聲明的 AI 編輯或生成操作可以是有關已紀錄流程的強陽性證據。 它們不能證明場景真實，也不能保證獲得同意。缺少憑證不能證明操縱，因為採用憑證是可選的，詮釋資料也可能丟失。請閱讀C2PA Content Credentials：它們是什麼以及如何運作，了解有效來源紀錄與真實世界主張之間的區別。 遭遇疑似冒充詐騙時該怎麼辦？ 放慢互動節奏。不要只依賴看起來的面孔、聲音、來電顯示或帳戶。請透過您已知真實的電話號碼、網站或帳戶聯絡該個人或組織。 不要在壓力下匯款或傳送敏感資訊。保留訊息和交易詳情，通知相關平台或金融服務供應商，並透過適當的官方管道檢舉詐欺。目標是獨立查證請求，而不是與媒體內容爭辯。 常見問題 深偽一定是影片嗎？ 不。該術語可以涵蓋經過操縱或合成的圖片、影片和音訊，尤其是模仿真實人物身分、聲音、外貌或行為的內容。 每個臉部濾鏡都是深偽嗎？ 通常不是。已揭露的娛樂濾鏡更適合按其作用描述。當 AI 操縱涉及真實人物並形成逼真的身分或行為主張時，深偽標籤才更相關。 深偽偵測器能證明影片是假的嗎？ 不應將任何偵測結果視為通用證明。涵蓋範圍因操縱類型和檔案品質而異。後果重大的結論需要來源證據、可能時的原始媒體和適當的專家審核。 真實畫面仍可能構成虛假資訊嗎？ 可能。真實畫面可能年代久遠、說明錯誤、經過選擇性剪輯，或被賦予虛假地點。檔案真實性與周邊主張的真偽是不同問題。 描述疑似媒體最清楚的方式是什麼？ 說明觀察到的技術和主張，例如「疑似複製聲音冒充家庭成員」或「完全生成的場景被標為真實畫面」。準確語言比把所有可疑素材都稱為深偽更有用。 實際啟示 對模仿或操縱身分的 AI 媒體使用「深偽」，對更廣泛類別使用「AI 生成內容」。然後查證具體人物、行為、來源和背景。準確分類有助於選擇正確證據，而不是依賴單一視覺線索或偵測分數。"},{"id":"https://aifakescan.com/zh-hant/resources/can-ai-detectors-be-wrong-why-false-positives-happen","url":"https://aifakescan.com/zh-hant/resources/can-ai-detectors-be-wrong-why-false-positives-happen","title":"AI 偵測器會出錯嗎？誤報為何發生","summary":"了解 AI 偵測器為何會產生誤報和漏報、壓縮和模型不相符如何影響結果，以及如何審核有爭議的提示。","date_published":"2026-09-22T03:26:18.348Z","date_modified":"2026-09-24T18:28:42.409Z","tags":["AI 偵測","誤報","媒體鑑識"],"content_text":"會。AI 偵測器可能產生誤報——將真實媒體標記為 AI 生成，也可能產生漏報——未發現合成或竄改內容。結果取決於偵測器被訓練辨識什麼、收到什麼媒體、使用什麼門檻，以及真實世界的條件是否與評估資料相符。 偵測結果是來自模型的證據，不是對作者身分、真實性或真相的最終裁決。 AI 偵測中的誤報是什麼？ 誤報是指偵測器將真實或超出適用範圍的內容標記為 AI 生成或竄改。漏報是指合成內容被分類為真實、沒有標記或無法得出結論。 這些錯誤不同於不受支援的上傳或系統故障，也不同於誤導性說明文字：照片可能真實，而附帶的故事是假的。 結果 媒體由 AI 生成 媒體不是 AI 生成 偵測器標記為 AI 真正例 假正例（誤報） 偵測器未標記為 AI 假負例（漏報） 真負例 實際服務可能設有無法得出結論的狀態，而不是強行給每個檔案一個二元標籤。當證據薄弱或涵蓋範圍未知時，這通常是更誠實的結果。 AI 偵測器為什麼會出錯？ 大多數被動偵測器學習與訓練樣本相關的模式，它們並沒有一種適用於所有情況的「AI」物理測試。如果新的生成工具、相機處理流程、編輯流程或壓縮模式不同於偵測器的訓練分布，表現就可能改變。 NIST 的合成內容報告將偵測視為更大透明度工具箱的一部分，該工具箱還包含來源資訊、認證、標註和浮水印。這種分層方法反映了僅依賴分類的限制。 常見錯誤來源包括模型不相符、後處理、低品質輸入、局部編輯、模糊的真實標籤，以及為不同營運風險選擇的門檻。 模型不相符如何造成錯誤結果？ 偵測器可能在與其訓練資料相似的生成工具和資料集上表現良好，卻難以推廣到不熟悉的系統。新模型可能產生不同的紋理、頻率模式、運動和雜訊特徵。 相關GenImage 基準明確評估跨生成工具偵測：使用一個生成工具的圖片訓練，再用其他工具的圖片測試。這是部署中的核心問題，因為使用者很少事先知道生成模型。 反向的不相符也很重要。偵測器可能學到其資料集中真實圖片的捷徑特徵，例如相機雜訊、解析度或預處理，然後將不尋常但真實的圖片誤判為 AI 輸出。 壓縮和編輯如何影響偵測準確率？ JPEG 壓縮、社群平台重新編碼、螢幕截圖、縮放、銳化、降噪、濾鏡和反覆匯出都會改變像素層級訊號。影片還涉及影格插值、位元率變化、裁切和音訊同步。 依賴脆弱高頻偽影的偵測器可能在壓縮後失去有用信號，也可能將普通壓縮塊、振鈴、過度平滑或強降噪誤認為合成模式。 始終辨識檔案版本。原始匯出檔案的結果與轉載螢幕截圖的結果不具有相同的證據價值。如有可能，請比較原始檔與流傳副本，而不是將它們視為可互換。 為什麼普通圖片也可能觸發誤報？ 真實圖片出於許多原因可能在統計上不尋常。計算攝影、人像模式分割、HDR 合成、夜間模式堆疊、強降噪、放大、修復、美顏濾鏡和類似插圖的場景，都可能偏離簡單的相機照片分布。 掃描圖、螢幕截圖、遊戲渲染、圖表、產品模型圖、CGI 和數位藝術也可能超出偵測器預期的「真實照片與 AI 圖片」任務。模型被迫對範圍外媒體分類時，仍可能回傳分數，即使該分數沒有意義。 解釋結果前，請詢問服務是否支援該媒體類型和工作流程。「上傳表單接受」不等於「已針對這類內容驗證」。 門檻如何改變誤報和漏報？ 分類器通常產生一個內部評分，並將其與判定門檻比較。降低門檻可以發現更多合成媒體，但也會標記更多真實媒體。提高門檻可以減少錯誤指控，但也會讓更多合成內容漏過。 不存在普遍正確的門檻。審核佇列可能容忍更多誤報，因為每個標記都由人審核。學術誠信或詐欺決定需要強得多的流程，因為錯誤指控可能造成重大傷害。 除非供應商針對相關群體證明了這種解釋，否則不應將分數讀作校準機率。「模型分數 0.8」和「此內容有 80% 的機率由 AI 生成」並不自動等同。 多個偵測器能解決問題嗎？ 一致結果可以增加背景，但多數投票不是證明。偵測器可能共享訓練資料、模型家族或預處理假設，因此錯誤可能相關。 不要將無關係統的分數取平均。應紀錄每個工具檢查了什麼、支援範圍、檔案版本及結果措辭。如果輸出不同，請調查差異，而不是選擇最自信的數字。 獨立證據比另一個不透明的分數更有價值：來源紀錄、創作者揭露、原始檔案、較早版本或佐證影片，可以回答分類器無法回答的問題。 偵測器和浮水印驗證器有什麼區別？ 被動偵測器推斷內容是否類似與 AI 生成相關的樣本。浮水印驗證工具尋找已知的嵌入訊號。來源驗證工具檢查簽署紀錄及其與素材的關係。 這些方法回答不同的問題。供應商浮水印的陽性結果可以在其支援的系統範圍內提供直接來源證據。被動偵測器可以覆蓋沒有浮水印的內容，但通常不確定性更大。Content Credentials 可以解釋聲明的操作，但可能缺失或被移除。 最有力的流程會結合可用管道，同時不假裝其中一種可以替代另一種。 如何解讀 AIFakeScan 結果？ AIFakeScan 的方法說明指出測試版的評估和校準尚未完成。僅基於被動信號的結果仍無法得出結論，服務不提供實測 AI 機率或經過驗證的準確率百分比。 查看找到了哪些證據：Content Credentials、詮釋資料、服務可用的浮水印訊號或被動模型觀察值。整張圖片的結果可能無法定位小範圍編輯。影片抽樣可能漏掉短暫竄改，基本檢查不包含專門的換臉或複製語音分類。 使用AI 圖片偵測器或AI 影片偵測器收集受支援的證據，然後在結論中保留不確定性。 可能誤報後應該怎麼做？ 不要僅憑結果公開指控。保留確切檔案並紀錄工具、日期、設定和輸出，然後尋找能夠獨立支援或質疑該分類的證據。 確認媒體類型在偵測器聲明的範圍內。 取得原始檔案，而不是螢幕截圖或壓縮轉載。 檢查可用的 Content Credentials 和詮釋資料。 追溯較早版本和創作者揭露。 比較不同檔案版本的結果，不要將分數取平均。 詢問供應商結果含義以及有哪些驗證支援。 將後果重大的案例轉交給有資格的人工審核。 針對圖片的調查，請參閱如何偵測 AI 生成圖片。針對影片，請使用如何判斷影片是否由 AI 生成。 真實照片被標記時的實用審核 請把以下內容作為調查提示，而不是對特定偵測器的診斷。來源主張本身也必須查證：被描述為相機照片的檔案也可能包含後來的生成式編輯。 要調查的檔案歷程 要索取的證據 值得進行的比較 智慧手機處理或人像模式 相機原始匯出檔案和拍攝詳情 比較原始檔與分享副本，並紀錄工作流程 修圖或美顏濾鏡 如有，提供編輯歷程和編輯前圖片 將傳統修飾與任何已聲明的生成式操作分開 修復或放大 應用程式、功能、設定和來源檔案 詢問該流程是否使用 AI 重建細節 螢幕截圖或反覆分享 原始下載檔案和分享路徑 比較檔案證據及視覺模型輸出 作為照片提交的插圖或 CGI 創作者的項目或匯出歷程 套用照片偵測器的假設之前，先確定媒體類別 不要不斷編輯檔案，直到分數變成您想要的答案。請先定義比較並保留每個結果。輸出變化說明系統對不同輸入作出了不同回應；如果來源未知，它不能說明哪個答案正確。 寫一份他人可以查證的審核紀錄 記錄有爭議的主張、檔案身分、已知編輯歷程、工具和日期、確切輸出及未執行的檢查。附上創作者提供的證據並解釋衝突。有用的結論可能是：「偵測器提示與提供的來源歷程衝突；在取得原始匯出檔案之前，製作方式仍未解決。」這是示意措辭範本，不是對某張測試圖片的發現。 如果懷疑來源是 Google AI，請將官方 SynthID 檢查與視覺分類分開。對於缺失或損壞的來源資訊，請參閱C2PA 結果指南。AIFakeScan 的測試版視覺信號單獨使用時仍無法得出結論。 質疑結果前加入轉換對照 我們的60 個檔案的螢幕截圖與壓縮案例研究說明具體輸入為何重要。對四張生成圖片而言，本機模型原始輸出的平均值在原始檔上為 0.9968，在瀏覽器螢幕截圖上為 0.8569，縮放後為 0.7151，JPEG 品質 60 匯出後為 0.5226。各檔案的變化幅度差異很大。 這些數值不是準確率百分比。它們是一次實測提醒：保留原始檔、一次只改變一個設定並保留每個結果。如果真實照片的結果有爭議，請比較未經修改的檔案與每個受控衍生版本，而不是反覆編輯直到分數改變。 常見問題 AI 偵測器會錯誤指控某人嗎？ 會。誤報可能發生，尤其是在處理範圍外、經過轉換或不熟悉的媒體時。不要僅憑偵測結果作出處分、聲譽或法律結論。 高偵測分數能證明 AI 生成嗎？ 不能僅憑分數。您需要知道分數如何針對可比較媒體定義、校準和驗證。許多模型分數不是機率。 壓縮會讓 AI 內容在偵測器看來像真實內容嗎？ 壓縮可能削弱偵測器使用的信號，也可能引入使分類混淆的偽影。其影響取決於偵測器、檔案和壓縮過程。 無法得出結論的結果是失敗嗎？ 不是。當證據不足以支援可靠的二元結論時，無法得出結論是正確結果。它傳達不確定性，而不是隱藏不確定性。 什麼證據比偵測器分數更強？ 經過驗證的來源資訊、針對供應商的浮水印、原始檔案、紀錄的製作歷程和獨立確認的來源背景，可以提供更直接的來源和使用證據。 實際啟示 AI 偵測器可以是有用的初篩工具，但其錯誤受資料、範圍、轉換和門檻影響。請將結果視為一個證據管道，獨立查證基本主張，切勿將未經校準的分數變成其設計本不支援的確定性。"},{"id":"https://aifakescan.com/zh-hant/resources/what-is-an-ai-watermark-what-it-can-and-cannot-prove","url":"https://aifakescan.com/zh-hant/resources/what-is-an-ai-watermark-what-it-can-and-cannot-prove","title":"什麼是 AI 浮水印？它能證明什麼，不能證明什麼","summary":"了解可見和不可見的 AI 浮水印如何運作、陽性訊號能確定什麼，以及為什麼缺少浮水印不能證明內容真實。","date_published":"2026-09-22T03:26:18.348Z","date_modified":"2026-09-24T18:28:42.409Z","tags":["AI 浮水印","Content Credentials","媒體來源"],"content_text":"AI 浮水印是加入生成或 AI 編輯內容的訊號，讓相容偵測器日後能辨識其來源或製作方式。訊號可以是可見的，例如標誌；也可以是人無法察覺的，例如嵌入圖片像素、影片影格、音訊或生成文字中的模式。 偵測到的浮水印可以提供有用的陽性證據。沒有浮水印不能證明內容由人製作，即使是有效浮水印也不能證明場景或說明文字真實。 AI 浮水印如何運作？ AI 系統在生成或匯出內容時加入已知訊號。對應的驗證工具尋找該訊號，並報告是否以足夠的信賴程度偵測到。嵌入與偵測方法取決於媒體類型和浮水印供應商。 對於圖片與影片，系統可以對像素模式進行細小修改，設計目標是經受一般轉換。音訊系統可以改變訊號特徵，而不產生明顯可聽的標記。文字浮水印可能影響詞元選擇，使生成的段落呈現統計模式。 NIST 的合成內容報告解釋了浮水印設計涉及相互競爭的目標：穩健性、安全性、低感知失真、足夠的資訊容量、效率以及盡量少地干擾正常工作流程。改善一項屬性可能使另一項更難實現。 可見浮水印與不可見浮水印有什麼區別？ 可見浮水印是人可以看到的標記，例如標誌、標籤、使用者名稱或半透明覆蓋層。它們能直接傳達資訊，但通常可以被裁掉、遮蓋、複製或錯誤呈現。 不可見浮水印以旨在讓人無法察覺的方式嵌入內容。它們需要相容偵測器，並可能設計成能夠經受縮放、濾鏡、壓縮、裁切或其他預期轉換。 浮水印類型 主要優點 主要限制 可見標誌或標籤 觀看者可以立即理解 可能被裁掉、遮蓋或複製 不可見圖片訊號 在不改變外觀的情況下可能經受部分普通編輯 需要正確的偵測器，經過更強修改後可能失效 影片影格浮水印 可以辨識帶標記的片段或影格 重新編碼和編輯會影響偵測涵蓋範圍 音訊浮水印 可以在無法聽見的同時支援機器驗證 雜訊、混音和不受支援的格式可能影響偵測 文字浮水印 可以透過詞元選擇模式標記輸出 簡短、事實性、翻譯或大幅改寫的文字更難評估 這兩類都不天然具有通用性。為一個浮水印家族構建的偵測器不會自動辨識另一個。 偵測到的 AI 浮水印能證明什麼？ 陽性相符結果可以支持有限的歸屬陳述：所檢查的媒體包含某個驗證工具辨識為屬於其浮水印系統的訊號。這項陳述的強度取決於系統安全性、驗證過程、涵蓋範圍和誤報控制。 例如，Google DeepMind 將 SynthID 描述為嵌入受支援的 Google 生成圖片、音訊、文字和影片中的不可見浮水印。經過驗證的 SynthID 結果可以表明受支援的 Google AI 建立或修改了媒體，但它不是關於所有 AI 系統的一般聲明。 有些浮水印只編碼是否存在。其他浮水印可能有助於定位外部來源資訊，或辨識模型、服務或素材。重新表述前請閱讀驗證器的確切結果。 AI 浮水印不能證明什麼？ 浮水印不能獨立確定所描繪內容是否符合事實。真實事件的生成圖片和虛構插圖都可能帶有有效的 AI 浮水印。浮水印涉及來源或過程，而不是說明文字的真實性。 它也不能證明是誰輸入提示詞生成內容、誰發布了素材、使用是否獲得授權，或每個組成部分是否都由 AI 生成。合成作品可能同時包含帶浮水印和不帶浮水印的元素。 不應將偵測到的訊號擴展為驗證器未作出的主張。「這個檔案包含與系統 X 相關的浮水印」比「這證明貼文是虛假資訊」更準確。 沒有浮水印是否表示內容真實？ 不。浮水印檢查的陰性結果只適用於驗證器支援的訊號和媒體。內容可能由不加浮水印的模型建立、在引入浮水印之前匯出、經過轉換而無法偵測，或由其他供應商生成。 它也可能是真實的相機媒體。關鍵是，缺少浮水印無法區分這些可能性。 涵蓋範圍可能因產品、模型、日期、檔案類型和匯出路徑而異。OpenAI 的來源資訊指南明確說明了受支援內容的範圍。負責任的解釋應指出檢查了哪種浮水印，而不是報告一個通用的「AI 浮水印掃描」。 AI 浮水印可以被移除嗎？ 某些轉換可以削弱或破壞浮水印。結果取決於浮水印設計、媒體和變化程度。裁切、重新壓縮、縮放、雜訊、濾鏡、轉錄、翻譯、改寫、混音或透過另一裝置錄製內容，都可能改變訊號。 穩健的系統會針對預期的正常編輯進行測試，但穩健並不代表不可破壞。Google 表示，圖片和影片的 SynthID 設計為經受裁切、濾鏡、影格率變化和有損壓縮等變化，同時也將浮水印描述為組成部分之一，而不是完整解決方案。 攻擊者也可能試圖偽造浮水印，或錯誤聲稱沒有標記的檔案是真實的。因此，安全性既包括抵抗移除，也包括抵抗插入。 螢幕截圖會如何影響 AI 浮水印？ 螢幕截圖根據渲染後的像素建立新圖片。它通常會丟失原始檔案的詮釋資料和嵌入資訊清單，同時可能縮放、轉換顏色或重新壓縮可見內容。 如果螢幕截圖中的訊號仍足夠強，不可見像素浮水印可能保留，但這取決於具體系統。可見標記可能保留，除非螢幕截圖將其排除或遮蓋。即使新檔案不再包含原始紀錄，指紋或軟綁定服務也可能找到相關來源資訊。 不要從一次測試推而廣之。「這張螢幕截圖中未找到訊號」不同於「原始檔沒有浮水印」。 AI 浮水印與 C2PA Content Credentials 有什麼不同？ AI 浮水印通常是嵌入內容的訊號。C2PA Content Credentials 是簽章的來源紀錄，可以包含有關來源、編輯、素材和 AI 使用的更豐富資訊。 C2PA 可以使用不可見浮水印或指紋作為軟綁定，幫助在轉換後重新找到資訊清單。因此兩種技術可以互補：浮水印提高持久性，資訊清單提供背景和密碼學聲明。 閱讀C2PA Content Credentials：它們是什麼以及如何運作，詳細了解簽章、素材綁定和缺失憑證。 應如何驗證 AI 浮水印結果？ 從浮水印供應商營運或紀錄的方法開始。確認它支援相關媒體類型、產品、模型和大致建立時期。 保留可獲得的最佳原始檔案及其來源 URL。 紀錄驗證器、日期、檔案版本和確切結果措辭。 區分陽性相符、陰性結果、不受支援的檔案和無法得出結論的結果。 單獨檢查 Content Credentials 或其他來源資訊。 獨立查證貼文的來源、日期、地點和事實主張。 避免將針對供應商的結果轉變為通用 AI 判定。 AIFakeScan 不聲稱能存取每家供應商的不可見浮水印驗證器。我們的方法說明將「未找到標記」與證明媒體真實區分開。 按證據類型選擇驗證器 您需要的證據 驗證途徑 缺失表示什麼 Google AI SynthID 透過 Gemini 的[官方 SynthID 流程](https://aifakescan.com/zh-hant/synthid-checker) 未偵測到 Google AI 浮水印或結果不明確；不能排除其他生成工具 C2PA Content Credentials [C2PA 檢查工具](https://aifakescan.com/zh-hant/c2pa-checker) 該具體檔案中未找到可用憑證；不能證明真實性 可見標籤或標誌 視覺檢查和來源審核 未觀察到可見標籤；不可見系統未被檢查 像素模式訊號 [AI 圖片偵測器](https://aifakescan.com/zh-hant/ai-image-detector) 模型在其聲明的涵蓋範圍內未產生強證據；不能證明是真實照片 AIFakeScan 不提供通用的不可見浮水印偵測器。C2PA 驗證、詮釋資料檢查和可見文字審核不能重新標為涵蓋所有專有浮水印。2026 年工具對比列出了每種可用途徑實際檢查的證據。 常見問題 所有 AI 生成圖片都有浮水印嗎？ 沒有。浮水印採用情況和涵蓋範圍因供應商、模型、產品、檔案類型、日期和匯出路徑而異。開源和第三方流程可能使用不同訊號或不使用浮水印。 可見的 AI 標籤可信嗎？ 請將其視為線索。可見標籤可能被複製、移除或錯誤使用。請尋找支援性的來源資訊，並查證加入標籤的來源。 一個偵測器能找到所有不可見浮水印嗎？ 不能。不同浮水印家族使用不同的嵌入和偵測方法。相容偵測器通常需要知道它要尋找什麼訊號。 浮水印與詮釋資料相同嗎？ 不同。詮釋資料是與檔案關聯保存的資訊，可以攜帶詳細紀錄。不可見浮水印嵌入內容特徵中，在某些詮釋資料被移除的情況下仍可能保留。 偵測不到浮水印時應該相信內容嗎？ 陰性檢查不能確定真實性。請繼續追溯來源、檢查來源資訊、驗證背景，並使用其他適當證據。 實際啟示 將 AI 浮水印用作針對特定供應商的來源訊號。陽性結果可能有意義；陰性結果仍有多種解釋。請將浮水印檢查與 Content Credentials、來源驗證和對實際主張的審慎解讀結合。"},{"id":"https://aifakescan.com/zh-hant/resources/how-to-detect-ai-generated-images","url":"https://aifakescan.com/zh-hant/resources/how-to-detect-ai-generated-images","title":"如何偵測 AI 生成圖片","summary":"了解如何結合來源查證、Content Credentials、視覺檢查和偵測結果調查 AI 生成圖片，而不將線索誤認為證明。","date_published":"2026-09-21T08:13:53.515Z","date_modified":"2026-09-24T18:28:42.409Z","tags":[],"content_text":"要偵測 AI 生成圖片，請結合來源查證、來源資訊檢查、視覺檢查與能說明自身限制的偵測器。單一奇怪細節或偵測分數無法可靠解決所有案例。有用的問題不只是「這看起來像 AI 嗎？」，還有「什麼證據支持這張圖片的製作方式？」 本指南提供一種可重複的圖片調查方法，不將懷疑當作證明。它還區分兩個問題：圖片是否由 AI 生成或編輯，以及附帶的主張是否真實。 1. 明確需要驗證什麼 開啟偵測器之前，請寫下主張。「這張照片顯示了昨天這座城鎮的洪水」包含地點主張、日期主張，以及相機紀錄場景的隱含主張。每項都需要不同證據。 配有虛假說明的真實照片不需要任何 AI 就能誤導。AI 輔助編輯可能只改變背景。完全合成的插圖可能被清楚標記，並在其背景中完全適當。 對於新聞圖片，優先查證原始來源、地點、日期和獨立報導。 對於產品清單，請索取更多原始照片或其他驗證商品的方法。 對於作者身分爭議，請索取製作歷程和原始檔案，而不是只依賴外觀。 在筆記中將這些問題分開。「我無法驗證日期」不等於「由 AI 生成」。 2. 保留可獲得的最佳檔案 保存原帖 URL、帳戶名稱、說明文字和存取時間。如有可能，請從創作者處取得可下載的原始圖片，而不是轉載螢幕截圖。 使用副本工作。檢查前避免反覆匯出或縮放檔案，因為這會改變您要評估的材料。紀錄副本是原始匯出、平台下載還是螢幕截圖；如果不知道，請說明。 未經許可和適當的隱私審查，不要將私人檔案、私密圖片或客戶機密材料上傳至第三方偵測器。在向任何地方提交檔案之前，可以先調查公開來源。 3. 追溯圖片來源和較早用途 搜尋整張圖片，再嘗試有辨識度的裁切部分，例如建築、標誌或可辨識物體。請閱讀相符結果背後的頁面，而不只比較縮圖。尋找較早的說明文字、更高解析度副本、創作者揭露和連貫的發文順序。 Google 的「關於此圖片」文件介紹了可能包括 Google 首次遇到某張圖片或相似圖片時間的背景資訊。請將其作為發現線索的工具，而不是經過認證的建立日期。較早的索引副本不一定能辨識攝影師或原始發布者。 沒有反向搜尋相符並不是 AI 生成的證據。新照片、私人圖片或大幅修改的裁切圖也可能沒有可存取的相符結果。 例如，假設一張戲劇性的「新」風暴圖片出現在一個關於另一個國家的舊頁面上。這會質疑目前說明文字。您可以解釋不一致，而不對圖片製作方式提出沒有依據的主張。 4. 檢查 Content Credentials 和詮釋資料 如果有 Content Credentials，請檢查驗證結果、簽署者和紀錄的操作。它們描述的是生成圖片、AI 輔助編輯，還是拍攝與編輯歷程？這些資訊是否真正適用於此檔案？ 相關C2PA 說明介紹了透過加密方式綁定的來源紀錄。有效紀錄可以支持可歸屬的歷程，但不能獨立證明所描繪事件或附帶說明文字真實。缺少憑證是中性情況，不能證明檔案真實或合成。 普通詮釋資料需要單獨且更謹慎地閱讀。相機欄位和軟體名稱可以提供線索，但可以被編輯或刪除。軟體匯出標籤說明某個處理步驟，不一定說明每個可見元素如何建立。 同樣，可見浮水印可以複製或移除。不可見浮水印檢查針對特定系統。Google DeepMind 的 SynthID 概覽介紹其浮水印系統；它不是適用於每個生成工具的通用測試，本指南也不暗示 AIFakeScan 提供 SynthID 驗證工具。 5. 檢查視覺一致性，而不是依賴「AI 特徵」清單 先觀察整個場景，再以合理的放大程度檢查細節。尋找無法協調的關係：一個物體與另一個物體相接卻沒有合理邊界、反射與應反射的物體不一致，或重複結構意外變化。 手、牙齒、文字、陰影和細紋理可以是有用的觀察位置，但它們不是 AI 永久不變的指紋。逼真的圖片可能沒有明顯錯誤，普通照片也可能出現運動模糊、異常透視、處理偽影或視覺錯覺。 觀察結果 有用的後續步驟 它不能確定什麼 文字扭曲 尋找更清晰的原始檔並比較標誌 AI 建立了整張圖片 手或邊緣奇怪 檢查附近背景及可能的模糊 僅憑此作出可靠的 AI 判定 缺少詮釋資料 索取原始匯出或拍攝檔案 圖片是合成的 有效憑證中聲明了 AI 操作 檢查操作、簽署者和受影響的歷程 場景的每個部分都是偽造的 較早副本帶有不同說明文字 查證較早的背景和時間順序 是否涉及 AI 在指定原因前先描述觀察。「欄桿融入袖子」是可查證的陳述；「像素證明 AI」通常掩蓋了仍需測試的假設。 6. 將 AI 圖片偵測器作為輔助證據 如果使用AIFakeScan 圖片偵測器，請在閱讀結果的同時查看證據和限制。我們的方法說明解釋測試版評估和校準尚未完成：僅依被動訊號的結果仍無法得出結論，服務不提供實測 AI 機率或經過驗證的準確率百分比。 檢查工具查看了什麼。它報告的是來源聲明、詮釋資料線索，還是被動模型訊號？這些是不同類型的證據。整圖結果也不一定能定位小範圍 AI 編輯區域。 如果工具意見不同，請保留差異。不要平均無關分數，也不要將多數投票當作證明。詢問工具是否支援相關媒體類型，以及其結論是否依賴相似訊號。 7. 寫出與證據相符的結論 用四個欄位寫簡短紀錄：主張、檢查的檔案、發現的證據和剩餘不確定性。連結原始來源，並將您的觀察與工具輸出區分開。 合適的結論可能是「創作者將這張圖片標為 AI 生成」「可用來源紀錄聲明了 AI 編輯」或「無法從這張螢幕截圖驗證來源」。不要將最後一種陳述升級為明確指控。 涉及某人聲譽、就業或潛在不當行為的重大決定，快速偵測器檢查並不夠。採取行動或分享指控之前，請取得原始材料並尋求專業審核。 保留圖片驗證工作表 將這份空白工作表複製到審核筆記中。它將上述七個步驟轉化為其他人可以追蹤的紀錄。這是建議流程，不是已完成實驗或準確率基準。 審核欄位 您的紀錄 正在檢查的主張 區分生成、編輯、身分和說明文字問題 檔案身分 檔案名稱、格式、尺寸；需要時紀錄 SHA-256 雜湊 來源 找到的最早 URL、發布者、日期和檔案取得方式 版本 原始匯出、平台下載、螢幕截圖或未知 已知轉換 軟體、設定和順序；明確標記未知細節 Content Credentials 是否存在、詳細驗證、簽署者可信度和聲明的操作；或未檢查 供應商浮水印 官方驗證器、日期、確切回答和覆蓋範圍 視覺模型 如有則紀錄工具及版本、確切輸出、聲明的限制和任何不可用檢查 來源佐證 創作者說明、較早發布內容和獨立背景 結論 有限且有支援的主張、相互衝突的證據和剩餘問題 比較原始檔與螢幕截圖或壓縮副本 先保留原始檔。如果比較有用，請從同一個未修改來源建立每個衍生版本，一次只改變一個設定，並標記輸出。記錄編輯工具、尺寸、匯出設定和每份獨立報告。社群平台下載可能結合多種轉換，因此請描述實際路徑，不要將所有差異歸因於壓縮。 將詮釋資料、憑證驗證、浮水印驗證和視覺模型輸出放在不同列中，不要將它們平均成真實性百分比。沒有已知來源歷程時，結果變化不能確定哪個版本獲得了正確分類。 使用SynthID 指南了解 Google 官方檢查，使用C2PA 指南了解憑證狀態，當提示與其他證據衝突時使用誤報指南。 從與主張相符的檢查開始 使用C2PA 檢查工具檢查嵌入來源資訊和簽署者狀態。當問題專門是 Google AI 是否建立或編輯了檔案時，使用SynthID 驗證流程。使用AI 圖片偵測器取得附有明確限制的視覺模型訊號。 相關2026 年工具對比將這些證據類型對應到 AIFakeScan、Gemini、Adobe Inspect 和託管視覺 API。螢幕截圖與壓縮實驗提供了已完成的版本比較實例，可下載雜湊和逐列結果。 常見問題 僅憑觀察能判斷圖片是否由 AI 生成嗎？ 有時明顯的不一致可以提示調查方向，但外觀本身無法可靠解決所有案例。請在可用時使用來源歷程和來源資訊，並讓無法得出結論的案例保持如此。 缺少 EXIF 資料是否表示圖片由 AI 生成？ 不。缺少詮釋資料不能確定製作方式。得出結論前，請詢問檔案如何下載、匯出或截取。 AI 偵測器能證明圖片真實嗎？ 陰性或無法得出結論的偵測結果不能確定真實性，也不能證明附帶的日期、地點或故事。這些主張需要單獨驗證。 應該首先檢查什麼？ 從來源和主張開始。保留最佳副本，搜尋較早用途，再檢查來源資訊和視覺細節。用偵測器增加證據，而不是替代調查。 下一步 收集原始 URL 和可獲得的最佳圖片，然後依次完成上述檢查。如果想檢查受支援的檔案訊號，請開啟AI 圖片偵測器並在解釋結果前閱讀AIFakeScan 如何運作。"},{"id":"https://aifakescan.com/zh-hant/resources/how-to-tell-if-a-video-is-ai-generated","url":"https://aifakescan.com/zh-hant/resources/how-to-tell-if-a-video-is-ai-generated","title":"如何判斷影片是否由 AI 生成","summary":"了解如何透過追溯來源、檢查影片影格、音訊與來源資訊，判斷影片是否由 AI 生成，並認識偵測器無法證明的內容。","date_published":"2026-09-21T08:13:53.515Z","date_modified":"2026-09-21T08:13:53.515Z","tags":[],"content_text":"要判斷影片是否由 AI 生成，請追溯來源、盡可能檢查原始檔案、觀察隨時間變化的運動，並將偵測結果與來源資訊及獨立證據比較。奇怪的一影格或不相符的唇部動作是繼續調查的理由，並非 AI 生成的證明。 影片比照片多了一層複雜性：必須檢查場景隨時間如何變化。它也可能結合真實畫面、生成插入片段、修改後的臉部、字幕和替換音訊。單一標籤可能掩蓋這些差異。 1. 將影片與主張分開 準確寫下您要檢查什麼。問題是某人是否說過特定的話、事件是否發生在所稱地點，還是整個場景是否由 AI 生成？ 這些問題需要不同的檢查。真實片段可能因為年代久遠、被剪短、配音或配上虛假說明而產生誤導。影片也可能只在某個元素上使用 AI，而非完全合成。 對於據稱是公開聲明的影片，請尋找來自可辨識來源的完整錄影。對於事件畫面，請尋找其他錄影、報導和背景細節。不要讓 AI 標籤替代對事情本身的查證。 2. 保留來源並取得更好的副本 保存貼文 URL、帳戶、說明文字、存取時間以及創作者的任何揭露。如有可能，請索取原始檔或更高品質的版本。對轉載內容進行螢幕錄影，作為技術檢查的起點不如底層檔案。 保持原始檔不變，使用工作副本進行審核。紀錄片段長度及其是否看起來經過編輯，注意缺失的開頭、結尾或聲音。不要假設廣泛流傳的短片段包含理解它所需的背景。 謹慎處理敏感畫面。上傳前，請考慮同意、保密性和服務的資料處理條款。調查公開來源可能無需暴露他人的私密媒體就能回答問題。 3. 搜尋有代表性的影格及周邊背景 從不同時刻選擇幾張清晰的影格：廣角畫面、有辨識度的地點，以及含有可辨識標誌或物體的影格。分別進行反向搜尋。模糊的轉場影格通常不是好的搜尋起點。 嘗試完整畫面和有意義的裁切部分，並單獨搜尋可見的短語和名稱。比較相符頁面的日期和說明文字，然後沿這些線索尋找原始上傳內容或更長版本。 WITNESS 的影片驗證資源為查證目擊者拍攝畫面提供了更廣泛的基礎。核心任務是確定錄影支援什麼，而不只是判斷它看起來是否可信。 Google 的圖片背景資訊指南可以幫助檢查影片影格，但被索引的相符結果只是線索。沒有相符結果不表示影片由 AI 生成。私密、近期或經過大幅修改的錄影可能沒有可取得的較早副本。 4. 正常觀看，再檢查隨時間發生的變化 首先以正常速度觀看完整片段，在適當時開啟聲音。記下值得回看的時間戳，然後放慢這些部分並逐格查看相鄰畫面。單獨暫停的一格可能誇大普通轉場或模糊現象；周圍的連續畫面很重要。 檢查人物身分、物體形狀、接觸和運動是否一致。人物衣服是否在沒有切鏡的情況下改變？物體在沒有遮擋時是否消失？手是否穿過看似握住的物體？這些都是調查提示，而非獨立的測試。 檢查明顯異常是否有普通解釋，例如遮擋、鏡頭移動、切鏡、反射或低品質副本。也要記住，動作連貫不能證明真實性：逼真的合成片段可能沒有明顯的視覺缺陷。 檢查區域 要問的問題 重要限制 臉部和衣服 相鄰影格中的特徵是否一致？ 模糊、切鏡和遮擋會使比較變複雜 手和物體 接觸是否符合物理規律？ 單個不清晰的影格是弱證據 背景 鏡頭移動時標誌和結構是否持續存在？ 透視和編輯可能改變外觀 反射和陰影 變化是否與場景和運動相符？ 複雜光照可能不直觀 可疑區間 在更好的副本中問題是否持續存在？ 轉載可能引入其自身的偽影 記錄附有時間戳的筆記。「杯子在這兩個時刻之間改變了形狀」比「整個影片感覺是假的」更有用。 5. 將音訊作為獨立證據軌道 留意背景聲音的突然變化、重要詞句附近的剪輯，以及音訊是否屬於看起來相同的環境。如有官方完整錄影或逐字稿，請與所稱發言比較。 唇形不同步不能證明聲音複製或 AI 換臉。配音、同步錯誤和傳統編輯都是其他可能解釋。同樣，聽起來自然的語音也不能證明所稱說話人錄製了它。 不要根據視覺偵測器推斷聲音複製的判定。AIFakeScan 的基本音訊檢查不對複製或合成語音分類，基本檢查也不包含專門的換臉分類。評估以人物身分為核心的片段時，這些限制尤其重要。 6. 檢查來源資訊，但不要將其與真實性混淆 如果檔案有 Content Credentials，請檢查驗證狀態、簽署者和紀錄的操作。與 AI 相關的聲明可能是已紀錄製作歷史的有用證據。概括前請確定它描述的是生成、編輯還是其他操作。 我們的C2PA 說明解釋了來源資訊如何與媒體綁定。有效歷史不能獨立證明說明文字準確，也不能證明所描繪的事件按所稱方式發生。缺少憑證不是 AI 生成的證據。 浮水印是另一種機制。Google DeepMind 介紹了用於文字和影片的 SynthID 浮水印，但針對特定供應商的驗證方法並不是適用於所有合成媒體的通用掃描器。AIFakeScan 不承諾能夠存取每一種不可見浮水印檢查工具。 7. 了解影片偵測器實際檢查了什麼 解釋結果前，請確認服務檢查了每個影格、抽樣影格、詮釋資料，還是可用來源資訊。這些方法的涵蓋範圍不同。抽樣可能漏掉短暫的插入片段，時間戳也可能標示的是已檢查區間，而非精確的編輯邊界。 使用AIFakeScan 影片偵測器時，應配合已發布的方法說明。測試版的校準和評估仍未完成。僅依被動訊號的結果仍為「無法得出結論」；沒有經過驗證的準確率百分比或實測 AI 機率可作為判定。深度檢查不向大眾開放。 如果無法評估檔案，請紀錄失敗，而不要將其當作陰性結果。如果兩個工具意見不同，請分別保留觀察結果並調查原因，而不是將分數取平均。 8. 報告證據支援的最有限結論 假設一個片段被標註為突發事件。反向搜尋某個影格後，找到前一年上傳的更長影片。現在您可能有證據反駁目前日期的主張，但這本身不能證明畫面由 AI 生成。 另一種情況下，創作者可能明確披露了合成製作，並提供相符的來源資訊。您可以報告這些歸屬於該創作者的證據，同時將其與對每一影格的獨立評估區分開。 使用簡短的查證紀錄：來源 URL、檔案版本、主張、檢查的時間戳、發現和未解決的問題。「未經查證」是合理結果。對於後果重大的指控，請在採取行動前取得原始材料並尋求專業審核。 常見問題 一張螢幕截圖能證明影片由 AI 生成嗎？ 通常不能。螢幕截圖失去了運動和音訊背景，可能捕捉到不具代表性的瞬間。它可以幫助找到較早來源，但也應評估連續畫面和原始檔案。 不自然眨眼是可靠的深偽測試嗎？ 不應由單一行為決定結論。請尋找來源、連續畫面和製作歷史中的佐證，而不是依賴固定的視覺特徵清單。 影片真實但仍有誤導性，可能嗎？ 可能。即使錄影本身真實，日期、地點、說明文字或周邊背景也可能錯誤。請分別查證這些主張。 偵測器會檢查每一影格和說話人的聲音嗎？ 不一定。請閱讀服務聲明的涵蓋範圍。影格抽樣、換臉分類和合成語音偵測是不同能力；不要假設其中一項包含其他項。 下一步 執行檢查前，保存來源、選擇有代表性的影格並紀錄主張。使用AI 影片偵測器執行受支援的檢查，然後將其證據與來源調查結合。誠實保留未解決的結果，比沒有依據卻充滿自信的標籤更有用。"}],"language":"zh-Hant"}