如何识别图片或视频是否由 AI 生成

识别图片或视频是否由 AI 生成，目前不能单靠单一指标，而是需要从视觉破绽、物理规律、元数据与水印以及交叉信源多维度综合判断。

视觉与细节破绽

• 微观边缘与拓扑结构：观察肢体交接处（手指关节、指甲边缘、耳垂、发丝与背景过渡），AI 生成画面常在复杂遮挡处出现线条粘连或多指/缺指。

• 背景文字与规整符号：AI 对非语义核心区域的文字还原较弱，背景路牌、横幅、书本或车牌常出现形似外文但无实际语义的乱码字符。

• 高频纹理与光斑伪影：AI 生成的皮肤质感容易呈现过度平滑（磨皮感）、塑料反光，或衣物针织、草地等细节处存在不自然的重复涂抹感。

• 视线与反光一致性：双眼瞳孔中的环境高光（倒影）是否对称、形状是否匹配真实光源位置。

物理规律与视频时序（针对视频）

• 帧间时序一致性（Flickering）：视频中的人物在转头、走动或眨眼时，衣服图案、耳环、眼镜腿等小物件是否出现突兀的闪烁、变形或消失。

• 物理常识与碰撞逻辑：检查烟雾、水流、布料飘动、重力加速度等动态效果，AI 视频常出现穿模、流体反常逆流或惯性不符合常理的情况。

• 声画同步与唇形匹配：对于人物说话的视频，观察嘴唇开合节奏、下颌骨运动是否与发音音素精准匹配，避免深伪换脸（Deepfake）常见的错位。

技术溯源与检测机制

• 显式与隐形水印：

  • 显式标识：平台自带的水印（但易被裁剪或涂抹去水印）。

  • 元数据凭证（如 C2PA）：检查文件 EXIF/元数据中记录的生成工具与修改历史，但注意这类数据常在社交平台压缩上传或二次截图时丢失。

  • 隐式算法水印（如 SynthID 等）：嵌入在像素或高频信号特征中，抗裁剪与压缩能力较强，但目前各大厂商验证工具尚未完全通用。

• 算法检测工具参考：第三方检测工具可作为辅助参考，但由于面对冷门小模型时泛化能力有限、对写实/绘画风格容易误判，不可作为唯一定论依据。

溯源与场景举证

• 溯源检索（以图搜图）：使用反向搜图工具排查图片最早出现的时间点、发布者身份及原始分辨率版本。

• 信息发布源核实：突发灾害、前线战争或重大会议类内容，应优先核查是否有正规新闻通讯社、官方机构或多家独立现场信源交叉证实。单一账号发布且无现场完整多角度支撑的“高清特写”，伪造风险极高。