Cómo saber si un video está generado por IA: guía de expertos

Un video llega a tu bandeja de entrada cinco minutos antes de la publicación. Muestra a una figura pública diciendo algo explosivo. El encuadre parece limpio, la voz suena plausible y el clip ya se está difundiendo por las redes sociales. La pregunta ya no es académica. Tienes que decidir si esto es publicable, si merece una etiqueta de advertencia, o si es algo que debe retenerse hasta completar la verificación.

Esa es la realidad actual para editores, periodistas, educadores y equipos de marca. Saber cómo saber si un video está generado por IA no consiste en detectar un fotograma extraño y darse por satisfecho. Es un flujo de trabajo. Inspeccionas lo que el ojo puede captar, pones a prueba lo que el oído puede confirmar, verificas lo que la procedencia todavía puede revelar y, después, usas herramientas de verificación automatizadas como capa de control de calidad.

Los viejos consejos de internet ya no se sostienen por sí solos. «Revisa las manos» sigue siendo útil, pero ya no basta. El video sintético moderno puede acertar muchos de los detalles obvios. Lo que todavía suele fallar es la coherencia, la causalidad y la trazabilidad. Ahí es donde un proceso de revisión profesional demuestra su valor.

La creciente necesidad de verificar videos

El error más común que veo es tratar la verificación como la búsqueda de una única prueba irrefutable. Las revisiones reales rara vez funcionan así. Un clip se vuelve sospechoso porque varios fallos pequeños empiezan a alinearse. La forma de una boca llega una fracción de segundo antes de tiempo. Una sombra se comporta de forma extraña. Un objeto de fondo se desplaza de una manera que la física de la escena no sustenta. La cuenta que lo publica no ofrece un rastro de origen creíble.

Esto importa porque quienes gestionan contenido audiovisual sensible suelen tener presiones de cumplimiento normativo en paralelo. Una redacción puede necesitar estándares de divulgación. Una universidad puede necesitar documentación antes de mostrar un clip en clase. Una empresa que revisa grabaciones internas puede estar pensando ya en políticas para contenido sintético y riesgos afines, como la IA para el manejo de documentos confidenciales, donde la procedencia y los controles de privacidad importan tanto como la comodidad.

También existe un problema de etiquetado. En cuanto empiezas a revisar video en serio, enseguida surgen preguntas sobre las obligaciones de divulgación, especialmente para editores y equipos que operan de cara a la UE. La revisión humana y la política de las plataformas ahora se solapan, por lo que conviene entender la guía práctica sobre los requisitos de etiquetado de contenido de IA antes de que un clip dudoso se convierta en una corrección pública.

La verificación no es un ritual técnico. Es un proceso de decisión editorial respaldado por evidencia.

Un flujo de trabajo sólido empieza con la observación directa. Después se expande hacia afuera. Primero, inspecciona la imagen. Segundo, pon a prueba el audio y la sincronización labial. Tercero, investiga la procedencia y el contexto. Cuarto, ejecuta comprobaciones automatizadas. Por último, sopesa las señales en conjunto y toma una decisión que puedas defender más adelante si alguien pregunta por qué publicaste, etiquetaste o rechazaste el video.

Empieza con una inspección visual manual

La primera pasada debe ser manual, lenta y escéptica. No empieces con software. Empieza viendo el clip una vez a velocidad normal y después otra vez fotograma a fotograma en los momentos más sospechosos. Las pausas, los giros, los gestos con las manos y las oclusiones suelen revelar más que un plano estable de alguien hablando de frente.

Busca fallos de coherencia temporal

Uno de los patrones visuales más claros es la inconsistencia entre fotogramas. Según el resumen de Morphic sobre los artefactos visuales en video generado por IA), los indicios habituales incluyen parpadeo del cabello, cambios de peinado a mitad del video, y objetos como gafas o joyas que desaparecen y reaparecen entre fotogramas. La misma fuente señala que los tatuajes o las marcas en la piel pueden desvanecerse entre fotogramas, y que el movimiento de los globos oculares puede parecer excesivamente suave, sin sacadas naturales.

Esto suena sutil hasta que empiezas a desplazarte manualmente por el video. Entonces se vuelve obvio.

Si un sujeto gira la cabeza y un pendiente está presente en un fotograma, desaparece en el siguiente y vuelve a aparecer un momento después, eso no es una rareza de compresión que yo pasaría por alto. Si el cabello se comporta como una masa suave y pintada en lugar de mechones que responden al movimiento y a la luz, también lo marcaría. Si un tatuaje en el antebrazo se difumina durante el movimiento y regresa cuando el brazo se asienta, eso merece otra revisión.

Revisa los bordes, las extremidades y el comportamiento del fondo

El rostro recibe la mayor parte de la atención del modelo. El resto del fotograma, a menudo, no.

Sigue este orden durante una primera inspección:

• Manos y dedos: todavía vale la pena revisarlos, sobre todo cuando quien habla gesticula sobre el torso o el rostro.
• Accesorios: observa las monturas de las gafas, los pendientes, los collares, las correas de reloj y los cuellos de camisa durante el movimiento.
• Línea del cabello y borde de la mandíbula: a menudo ondulan o se despegan ligeramente durante los giros.
• Objetos de fondo: las lámparas, las estanterías, los marcos de puertas y las texturas de las paredes pueden deformarse cuando el sujeto se mueve.
• Detalles de la piel: las pecas, los lunares y las marcas pequeñas deben permanecer estables a menos que la iluminación cambie claramente.

Un ejemplo práctico: si alguien habla mientras sostiene un micrófono, detente en los fotogramas donde la mano se superpone con el micrófono y la barbilla. El video sintético suele tener dificultades cuando varios objetos se cruzan. Podrías ver que el cuerpo del micrófono se difumina, que los dedos se fusionan de forma extraña o que la parte inferior del rostro pierde su forma brevemente.

Nota de campo: la mejor comprobación visual manual no es «¿se ven raras las manos?». Es «¿el mismo objeto sigue siendo el mismo objeto de un fotograma a otro?».

No sobrevalores los indicios obvios

Muchos revisores todavía se apoyan demasiado en los viejos clichés visuales. Eso genera una falsa confianza. Los generadores más recientes suelen resolver mejor el número de dedos que los antiguos, así que una mano bien formada no exime a un video de sospecha.

Lo que sigue funcionando es una pregunta más forense: ¿la escena conserva la continuidad bajo movimiento? Las grabaciones reales mantienen la identidad estable. Las grabaciones sintéticas pueden producir una continuidad onírica en la que el sujeto sigue siendo reconocible en general, pero los detalles específicos mutan bajo presión. Por eso, ampliar las extremidades y desplazarse por las secciones con mucho movimiento es más útil que quedarse mirando un solo fotograma estático.

Una revisión visual rápida debería dejarte con notas, no con un veredicto. Marca cada inconsistencia. Las necesitarás más adelante para compararlas con los hallazgos de audio y procedencia.

Analiza los desajustes de audio y sincronización labial

El sonido es donde muchos clips de apariencia convincente empiezan a desmoronarse. Un video sintético puede sobrevivir a una visualización visual casual. A menudo tiene dificultades bajo el escrutinio del audio porque el habla exige una sincronización física muy precisa. La boca, la mandíbula, las mejillas, la respiración y el inicio del sonido tienen que coincidir todos.

Empieza en silencio y luego reproduce con sonido

Uno de los hábitos más útiles es silenciar primero el clip. El análisis de Alibaba sobre cómo saber si un video fue hecho con IA señala un desfase temporal constante de entre 0,1 y 0,3 segundos, o un fallo de pre-articulación, en los videos generados por IA, en los que los labios se mueven antes de que empiece el sonido. La misma fuente afirma que puedes verificarlo silenciando el video y observando el movimiento de la boca durante 10 segundos, y describe un protocolo de autenticación repetible de 90 segundos en el que tres o más comprobaciones marcadas entre el ritmo de parpadeo, la sincronización de la boca, el momento de los objetos, la alineación de luces y sombras, y el suavizado de texturas indican contenido sintético con alta confianza.

1. Observa el rostro en silencio.
2. Céntrate únicamente en los labios, la mandíbula y el ritmo de parpadeo.
3. Reproduce de nuevo con sonido.
4. Comprueba si las consonantes caen cuando la forma de la boca indica que deberían.
5. Anota si el movimiento es anticipatorio, retrasado o mecánicamente repetitivo.

Este problema concreto de sincronización labial importa porque el habla tiene causalidad física. El sonido no aparece sin más. El rostro lo prepara y lo produce. Cuando esa cadena se representa de forma imperfecta, los espectadores perciben que algo no encaja, aunque no sepan nombrarlo.

Escucha si hay desajustes entre la voz y el entorno

Los problemas de audio van más allá de la sincronización labial. El artículo de Focal ML sobre cómo saber si un video está generado por IA destaca el desfase de la voz, las voces que no coinciden con quien habla en pantalla en cuanto a tono, edad o profundidad emocional, y sonidos ambientales, como pasos que no encajan con la superficie visible.

Eso significa que tu revisión debe plantear preguntas físicas sencillas:

• ¿La voz de quien habla encaja con el rostro y el cuerpo?
• ¿La emoción de la voz coincide con la expresión en pantalla?
• ¿La acústica de la sala coincide con la sala que se muestra?
• ¿Los sonidos ambientales corresponden al entorno?

Un ejemplo práctico: si una persona aparece al aire libre en un camino irregular pero los pasos suenan como un suelo interior impecable, eso es una alerta. Si alguien parece tenso pero la voz se mantiene perfectamente uniforme y desapegada, esa es otra. Si los aplausos, el tráfico o el ruido de una multitud suenan de forma antinaturalmente plana detrás de quien habla, el clip pudo haberse ensamblado con partes que no comparten un entorno real.

Para los equipos que documentan estas revisiones, tomar notas de forma ordenada ayuda. Si necesitas un modelo para registrar el contenido hablado durante la verificación, estos formatos y buenas prácticas de transcripción de video son útiles porque te obligan a separar lo que se dijo de lo que se vio y se escuchó alrededor.

Una breve demostración ayuda si estás capacitando a una redacción o a un equipo de contenido para percibir estas diferencias:

Qué confiar más que tu primera impresión

Un clip sintético pulido puede sonar «bien» y aun así no superar la verificación. No preguntes si el audio resulta agradable. Pregunta si es causalmente coherente con la actuación visible.

Si la boca prepara una palabra antes de que esa palabra exista en el audio, eso no es una cuestión de estilo. Es una pista de producción.

Cuando las señales visuales y de audio coinciden, la revisión se refuerza rápidamente. Un rostro que muestra una sincronización bucal repetitiva, combinado con una voz que se siente desconectada del cuerpo y del entorno, debería llevar el clip a una categoría de mayor riesgo incluso antes de que comiencen las comprobaciones de procedencia.

Investiga las pistas de procedencia y contexto

Muchos consejos desactualizados todavía recomiendan hacer una búsqueda inversa de imágenes de los fotogramas e inspeccionar los metadatos. Eso no es inútil, pero ya no es lo bastante sólido para sostener por sí solo la revisión. El video sintético de alta calidad rompe cada vez más esos atajos.

Por qué las comprobaciones antiguas siguen decepcionando a los revisores

Según el análisis de VEED sobre cómo saber si un video está generado por IA, los metadatos se eliminan o se falsifican en el 73% de los clips virales de IA, solo el 29% de los videos de IA de los modelos principales en un estudio de Global Voices de 2025 arrojó coincidencias en búsquedas inversas de imágenes, y el 81% no tenía datos EXIF confiables. Para los flujos de trabajo actuales, eso significa que la búsqueda inversa y la inspección básica de metadatos suelen ser señales débiles, no pruebas fiables.

Eso cambia cómo las usaría. Sigo ejecutándolas. Simplemente no dejo que decidan el caso.

Si la búsqueda inversa no arroja nada, eso no exonera al video. Si faltan los metadatos, eso puede reflejar el procesamiento de la plataforma o un origen sintético. Si los metadatos están presentes, igualmente necesitan contexto, porque pueden alterarse o eliminarse antes de que el archivo llegue a tus manos.

Qué investigar en su lugar

Trata la procedencia como un problema de cadena de custodia. Pregunta dónde apareció el clip por primera vez, quién lo publicó, si la cuenta tiene un historial de fuentes fiables, y si alguna organización de confianza ha confirmado de forma independiente el evento mostrado.

Una revisión de procedencia más sólida incluye:

• Rastreo del origen: encuentra la subida más antigua que puedas verificar, no solo la republicación más viral.
• Credibilidad de la cuenta: comprueba si quien lo publicó identifica el clip como sintético, satírico o editado.
• Corroboración del evento: busca reportajes independientes, material de testigos presenciales o grabaciones relacionadas del mismo evento.
• Revisión de divulgación: compara el contexto de la publicación con las expectativas actuales sobre el etiquetado de contenido sintético, incluidas las normas de divulgación de deepfakes.

Aquí tienes un ejemplo práctico. Supongamos que un clip afirma mostrar a un político hablando en un mitin. La búsqueda inversa de imágenes falla. Eso te dice muy poco. Una mejor comprobación es si algún medio local, grabación de asistentes, calendario del evento o canal oficial muestra el mismo podio, la misma vestimenta, el mismo clima y el mismo horario. Si nada de eso coincide, esa ausencia es más significativa que el propio fallo de la búsqueda inversa.

El contexto puede revelar lo que los píxeles ocultan

Muchos videos sintéticos parecen más sólidos cuando se ven de forma aislada. Se debilitan cuando se colocan de nuevo en un contexto auténtico.

Un clip sin un rastro de fuente fiable debería someterse a un mayor escrutinio, incluso si el renderizado parece pulido.

Esto es especialmente cierto para educadores y editores. Si no puedes establecer de dónde vino el video, cuándo apareció por primera vez y por qué no existe evidencia paralela creíble, el problema de verificación no se resuelve diciendo que los fotogramas «parecen suficientemente reales». El contexto forma parte de la autenticidad. Un video sin una historia de origen creíble merece una calificación de precaución más alta.

Aprovecha las herramientas de verificación automatizada

La revisión manual importa, pero no escala bien cuando los equipos manejan un flujo constante de grabaciones enviadas por usuarios, clips de redes sociales, creatividades publicitarias o material educativo. Tampoco puede sacar a la luz todas las señales visibles a nivel de modelo o de metadatos. En algún momento, necesitas la verificación automatizada como segunda capa.

Por qué la automatización ahora forma parte del flujo de trabajo

El análisis de Revid sobre cómo saber si un video está generado por IA describe un cambio importante cuando plataformas como TikTok adoptaron un sistema de verificación de doble capa que combina modelos de detección automatizada con C2PA Content Credentials. La misma fuente afirma que estos sistemas pueden devolver puntuaciones de confianza en cuestión de minutos al escanear los movimientos faciales, la precisión de la sincronización labial, el tono de voz, los patrones biométricos y los metadatos en busca de señales de manipulación, además de admitir marcas de agua visibles y etiquetas de creador para contenido sintético.

En qué destacan las herramientas automatizadas

Los sistemas automatizados son útiles cuando comprueban varias modalidades en lugar de buscar un único artefacto tópico. Pueden comparar el comportamiento facial, los patrones de movimiento, la estructura del audio y las señales a nivel de archivo en una sola pasada. Eso ayuda cuando un clip parece visualmente limpio pero presenta señales más débiles en la sincronización, los patrones del espectrograma o los indicadores de procedencia.

En términos prácticos, usa las herramientas para tres tareas:

Caso de uso	Qué ayuda a verificar la herramienta	Por qué importa
Triaje editorial	Si un clip necesita escalarse	Ahorra tiempo en envíos de bajo riesgo
Revisión de cumplimiento	Soporte para el etiquetado y la procedencia	Ayuda a los equipos a documentar decisiones de transparencia
Control de calidad	Si hay elementos sintéticos presentes en el contenido publicado	Reduce el etiquetado incorrecto y los vacíos de revisión

Algunos equipos también necesitan una opción sencilla de subir y comprobar. En ese contexto, el detector de video con IA de Humantext.pro encaja como una capa de verificación más, porque analiza el video subido en busca de artefactos generativos y devuelve un veredicto con una puntuación de confianza. Eso resulta útil como ayuda para la revisión, no como sustituto del criterio editorial.

No dejes que una puntuación reemplace el razonamiento

El resultado de un detector debería afinar tu revisión, no darla por concluida. Si la herramienta señala inconsistencias faciales o anomalías de audio, compara esos hallazgos con las notas de tu inspección manual. Si la herramienta devuelve una señal de preocupación baja, pero tu revisión de procedencia es débil y la sincronización labial parece incorrecta, mantén el clip bajo escrutinio.

La verificación automatizada es más defendible cuando respalda un proceso documentado. Para editores, educadores y organizaciones que operan de cara a la UE y piensan en las obligaciones de transparencia, ese proceso importa tanto como el resultado. El objetivo no es delegar el criterio. Es hacer que tu criterio sea más coherente, más rápido y más fácil de explicar después.

Sintetiza la evidencia para una evaluación final

Al final de una revisión, la tarea principal es la clasificación. No todos los clips sospechosos deben etiquetarse de la misma manera. Algunos probablemente sean auténticos. Otros son sospechosos y necesitan más comprobaciones. Algunos presentan suficientes señales convergentes como para detener la publicación hasta que aparezca evidencia más sólida.

Usa un umbral de decisión estructurado

La guía de Aivideodetector.org sobre técnicas manuales de detección de video con IA afirma que una metodología forense manual que utiliza nueve técnicas específicas alcanza una precisión de entre el 80 y el 90% para dos indicadores críticos: el desajuste de sincronización audiovisual y la verificación del contexto. La misma fuente indica que cuando cinco o más técnicas señalan anomalías, el video se clasifica como «muy probablemente falso», mientras que entre 2 y 4 señales indican contenido «sospechoso» que requiere validación cruzada con un detector automatizado. También describe un cribado rápido de 30 segundos centrado en los planos de manos, el número de dedos y la sincronización labial antes de un análisis más profundo.

Ese es un modelo de umbral práctico porque refleja cómo trabajan los profesionales. No esperan a tener certeza absoluta. Cuentan la fuerza y la convergencia de los indicadores.

Una matriz viable para redacciones o editores

Usa una tabla de decisión como esta:

Clasificación	Qué encontraste	Acción
Probablemente auténtico	Sin anomalías visuales o de audio significativas, procedencia creíble, sin alertas automatizadas fuertes	Publica con normalidad si se cumplen los estándares editoriales
Sospechoso	Un pequeño conjunto de señales, como irregularidades en la sincronización labial, un rastro de fuente débil o deformaciones de fondo	Retén para validación cruzada, etiqueta internamente, busca corroboración
Muy probablemente sintético	Múltiples señales independientes en la revisión visual, de audio, de contexto y automatizada	No publiques como contenido auténtico

Un ejemplo práctico ayuda. Supongamos que un clip muestra a un portavoz dando una declaración. Durante el cribado rápido, detectas una sincronización bucal extraña y un collar que parpadea durante los giros de cabeza. Una revisión más profunda muestra deformaciones de fondo cuando se mueven los hombros. La procedencia es débil y el rastro de la subida comienza con una cuenta anónima de republicación. Eso ya no es una sola anomalía. Es un patrón.

Concéntrate en la convergencia, no en la perfección

La misma guía manual advierte contra confiar únicamente en rarezas visuales como manos borrosas. Es un buen consejo. Entre los mejores indicadores están el movimiento de los labios fotograma a fotograma contrastado con el audio, y la coherencia de los vectores de movimiento en las regiones de movimiento sospechosas. Incluso señala el uso de ffmpeg -vf codecview=mv=pf+bf+bb para inspeccionar agrupaciones de vectores de movimiento antinaturalmente uniformes en fondos estáticos, lo que puede sugerir una inyección de flujo óptico.

No es práctico ejecutar un análisis de movimiento por línea de comandos en cada clip, y tampoco debería ser necesario. Pero el principio es importante. Las evaluaciones sólidas surgen de distintos tipos de evidencia que coinciden entre sí.

Regla práctica: un fotograma extraño es una nota. Los fallos repetidos en la imagen, el sonido y la procedencia son una evaluación.

Ese es el estándar que vale la pena adoptar si necesitas una respuesta defendible a cómo saber si un video está generado por IA. No certeza. No intuiciones. Un juicio documentado basado en evidencia convergente, revisado con la misma disciplina que aplicarías a cualquier otro material de origen de alto riesgo.

---

Si necesitas una capa de verificación más rápida para la revisión editorial, el cribado en el aula o las comprobaciones de cumplimiento, Humantext.pro ofrece un detector de video con IA que te permite subir grabaciones, comprobar si parecen generadas por IA y usar el resultado como parte de un flujo de trabajo más amplio de calidad y autenticidad.