Kaip atpažinti, ar vaizdo įrašas sukurtas dirbtinio intelekto: eksperto vadovas

Vaizdo įrašas atkeliauja į jūsų pašto dėžutę likus penkioms minutėms iki publikacijos. Jame viešas asmuo sako kažką sprogstamo. Kadras atrodo švarus, balsas skamba įtikinamai, o įrašas jau plinta socialiniuose tinkluose. Klausimas nebėra teorinis. Jums reikia nuspręsti, ar tai galima publikuoti, ar reikia pažymėti etikete, ar tai reikia sulaikyti, kol bus baigtas patikrinimas.

Tokia dabar yra redaktorių, žurnalistų, pedagogų ir prekės ženklo komandų realybė. Žinoti, kaip atpažinti, ar vaizdo įrašas sukurtas dirbtinio intelekto, nereiškia pastebėti vieną keistą kadrą ir tuo pasitenkinti. Tai yra procesas. Jūs tikrinate tai, ką gali pastebėti akis, testuojate tai, ką gali patvirtinti ausis, tikrinate, ką dar gali atskleisti kilmė, o tada naudojate automatinius patikrinimo įrankius kaip kokybės kontrolės sluoksnį.

Senieji interneto patarimai patys savaime nebėra pakankamai patikimi. Patarimas „patikrink rankas“ vis dar naudingas, tačiau jo jau nebeužtenka. Šiuolaikiniai sintetiniai vaizdo įrašai gali teisingai atkurti daugybę akivaizdžių detalių. Tai, kas dažniausiai vis dar sutrinka, yra nuoseklumas, priežastingumas ir atsekamumas. Būtent čia profesionalus peržiūros procesas įrodo savo vertę.

Vis didėjantis vaizdo įrašų patikrinimo poreikis

Dažniausia klaida, kurią matau, yra patikrinimą traktuoti kaip vieno neginčijamo įrodymo paiešką. Tikros peržiūros retai taip veikia. Įrašas tampa įtartinas todėl, kad ima sutapti keletas smulkių nesklandumų. Lūpų forma susiformuoja dalele sekundės per anksti. Šešėlis elgiasi keistai. Fono objektas nuslenka taip, kaip scenos fizika to neleidžia. Paskyra, kuri paskelbė įrašą, nepateikia jokio patikimo kilmės pėdsako.

Tai svarbu, nes žmonės, dirbantys su jautriu turiniu, dažnai patiria lygiagretų atitikties spaudimą. Naujienų redakcijai gali reikėti atskleidimo standartų. Universitetui gali prireikti dokumentacijos prieš rodant įrašą paskaitoje. Įmonė, peržiūrinti vidinę medžiagą, jau gali galvoti apie politiką dėl sintetinio turinio ir susijusių rizikų, tokių kaip DI, skirtas konfidencialių dokumentų tvarkymui, kur kilmės ir privatumo kontrolė yra tokia pat svarbi kaip ir patogumas.

Yra ir žymėjimo problema. Kai tik pradedate rimtai peržiūrėti vaizdo įrašus, greitai susiduriate su klausimais dėl atskleidimo pareigų, ypač leidėjams ir į ES orientuotoms komandoms. Žmogaus atliekama peržiūra ir platformos politika dabar persidengia, todėl naudinga suprasti praktines rekomendacijas apie DI turinio žymėjimo reikalavimus, kol abejotinas įrašas dar nevirto vieša pataisa.

Patikrinimas nėra techninis ritualas. Tai redakcinis sprendimų priėmimo procesas, paremtas įrodymais.

Patikimas procesas prasideda tiesioginiu stebėjimu. Tada jis plečiasi toliau. Pirma, patikrinkite vaizdą. Antra, patestuokite garsą ir lūpų sinchronizaciją. Trečia, ištirkite kilmę ir kontekstą. Ketvirta, atlikite automatinius patikrinimus. Galiausiai pasverkite visus signalus kartu ir priimkite sprendimą, kurį vėliau galėsite apginti, jei kas nors paklaus, kodėl publikavote, pažymėjote ar atmetėte vaizdo įrašą.

Pradėkite nuo rankinio vizualinio patikrinimo

Pirmasis žingsnis turėtų būti rankinis, lėtas ir skeptiškas. Nepradėkite nuo programinės įrangos. Pradėkite peržiūrėdami įrašą vieną kartą normaliu greičiu, o tada dar kartą kadras po kadro pačiais įtartiniausiais momentais. Pauzės, posūkiai, rankų gestai ir uždengimai paprastai atskleidžia daugiau nei ramus kalbančio žmogaus kadras.

Ieškokite laikinio nuoseklumo trikdžių

Vienas iš aiškiausių vizualinių požymių yra nenuoseklumas tarp kadrų. Pasak Morphic apžvalgos apie vizualinius artefaktus DI sukurtuose vaizdo įrašuose), dažni požymiai apima plaukų mirgėjimą, plaukų stiliaus pasikeitimą įrašo viduryje ir tokius objektus kaip akiniai ar papuošalai, kurie dingsta ir vėl atsiranda tarp kadrų. Tas pats šaltinis pažymi, kad tatuiruotės ar odos žymės gali išnykti tarp kadrų, o akių obuolių judesys gali atrodyti pernelyg sklandus, be natūralių sakadinių judesių.

Tai skamba subtiliai, kol nepradedate rankiniu būdu peržiūrinėti kadrų. Tada tai tampa akivaizdu.

Jei asmuo pasuka galvą ir auskaras matomas viename kadre, dingsta kitame, o po akimirkos vėl atsiranda, tai nėra glaudinimo keistenybė, kurią ignoruočiau. Jei plaukai atrodo kaip minkšta nutapyta masė, o ne sruogos, reaguojančios į judesį ir šviesą, tai irgi pažymėčiau. Jei tatuiruotė ant dilbio judesio metu ištrinama, o rankai nurimus vėl atsiranda, tai verta dar vienos peržiūros.

Patikrinkite kraštus, galūnes ir fono elgesį

Veidas sulaukia didžiosios dalies modelio dėmesio. Likusi kadro dalis dažnai to nesulaukia.

Pirmosios peržiūros metu laikykitės tokios tvarkos:

• Rankos ir pirštai: Juos vis dar verta tikrinti, ypač kai kalbėtojas gestikuliuoja per liemenį ar veidą.
• Aksesuarai: Judesio metu stebėkite akinių rėmelius, auskarus, vėrinius, laikrodžių dirželius ir marškinių apykaklę.
• Plaukų linija ir žandikaulio kraštas: Jie dažnai šiek tiek banguoja arba atsiskiria pasisukimų metu.
• Fono objektai: Lempos, lentynos, durų staktos ir sienų tekstūros gali deformuotis, kai asmuo juda.
• Odos detalės: Strazdanos, apgamai ir smulkios žymės turėtų likti stabilios, nebent apšvietimas akivaizdžiai keičiasi.

Praktinis pavyzdys: jei kažkas kalba laikydamas mikrofoną, sustabdykite kadrus, kuriuose ranka persidengia su mikrofonu ir smakru. Sintetiniam vaizdo įrašui dažnai sunku, kai susikerta keli objektai. Galite pastebėti, kad mikrofono korpusas suminkštėja, pirštai keistai susilieja arba apatinė veido dalis trumpam praranda formą.

Pastaba iš praktikos: Geriausias rankinis vizualinis patikrinimas – tai ne klausimas „ar rankos atrodo keistai?“. Tai klausimas „ar tas pats objektas išlieka tuo pačiu objektu nuo kadro iki kadro?“

Neperdėkite akivaizdžių požymių svarbos

Daugelis peržiūrėtojų vis dar per daug remiasi senais vizualiniais klišėmis. Tai sukuria klaidingą pasitikėjimą. Naujesni generatoriai dažnai geriau atkuria pirštų skaičių nei senesni, todėl tvarkinga ranka dar nereiškia, kad vaizdo įrašas yra tikras.

Kas vis dar veikia – tai labiau kriminalistinis klausimas: ar scena išlaiko tęstinumą judesio metu? Tikra medžiaga išlaiko tapatybę stabilią. Sintetinė medžiaga gali sukurti sapnišką tęstinumą, kai asmuo išlieka apskritai atpažįstamas, tačiau konkrečios detalės keičiasi esant įtampai. Štai kodėl priartinti galūnes ir peržiūrinėti judesio kupinas atkarpas yra naudingiau nei žiūrėti į vieną statišką kadrą.

Greita vizualinė peržiūra turėtų palikti jums pastabas, o ne nuosprendį. Pažymėkite kiekvieną nenuoseklumą. Jų prireiks vėliau, kai lyginsite juos su garso ir kilmės išvadomis.

Analizuokite garso ir lūpų sinchronizacijos neatitikimus

Garsas – tai vieta, kur daugelis įtikinamai atrodančių įrašų pradeda irti. Sintetinis vaizdo įrašas gali „išgyventi“ paviršutinišką vizualinę peržiūrą. Tačiau jam dažnai sunku atlaikyti garso patikrinimą, nes kalba reikalauja tikslaus fizinio laikymosi. Burna, žandikaulis, skruostai, kvėpavimas ir garso pradžia – visa tai turi sutapti.

Pradėkite be garso, tada peržiūrėkite su garsu

Vienas naudingiausių įpročių – pirmiausia išjungti garsą. Alibaba analizėje apie kaip sužinoti, ar vaizdo įrašas sukurtas naudojant DI pažymima, kad DI sukurtuose vaizdo įrašuose pastebimas nuoseklus 0,1–0,3 sekundės laikinis vėlavimas arba pradinio artikuliavimo trikdys, kai lūpos pradeda judėti anksčiau, nei prasideda garsas. Tas pats šaltinis teigia, kad tai galima patikrinti išjungus garsą ir stebint burnos judesius 10 sekundžių, ir aprašo pakartojamą 90 sekundžių autentiškumo patikrinimo protokolą, kuriame trys ar daugiau pažymėtų patikrinimų iš mirksėjimo ritmo, burnos laikymosi, objektų judėjimo inercijos, šviesos ir šešėlio derinimo bei tekstūros suminkštėjimo srities, dideliu patikimumu rodo sintetinį turinį.

Tai naudinga, nes suteikia efektyvią seką:

1. Stebėkite veidą be garso.
2. Sutelkite dėmesį tik į lūpas, žandikaulį ir mirksėjimo ritmą.
3. Peržiūrėkite dar kartą su garsu.
4. Patikrinkite, ar priebalsiai nuskamba tada, kai to reikalauja burnos forma.
5. Pastebėkite, ar judesys yra išankstinis, uždelstas, ar mechaniškai pasikartojantis.

Ši konkreti lūpų sinchronizacijos problema svarbi todėl, kad kalba turi fizinį priežastingumą. Garsas neatsiranda tiesiog taip. Veidas jį paruošia ir sukuria. Kai ši grandinė atkuriama netobulai, žiūrovai pajaučia, kad kažkas negerai, net jei negali to įvardyti.

Klausykitės neatitinkančio balso ir aplinkos

Garso problemos neapsiriboja vien lūpų laikymu. Focal ML straipsnyje apie kaip atpažinti, ar vaizdo įrašas sukurtas dirbtinio intelekto pabrėžiamas balso vėlavimas, balsai, kurie tonu, amžiumi ar emociniu gilumu neatitinka matomo kalbėtojo, taip pat aplinkos garsai, pavyzdžiui, žingsniai, kurie netinka matomam paviršiui.

Tai reiškia, kad jūsų peržiūroje reikėtų užduoti paprastus fizinius klausimus:

• Ar kalbėtojo balsas atitinka veidą ir kūną?
• Ar balso emocija atitinka ekrane matomą išraišką?
• Ar patalpos akustika atitinka rodomą patalpą?
• Ar foniniai garsai priklauso tai aplinkai?

Praktinis pavyzdys: jei žmogus rodomas lauke, ant nelygaus tako, tačiau žingsniai skamba kaip ant švaraus vidaus grindų paviršiaus, tai yra signalas. Jei kažkas atrodo įsitempęs, tačiau balsas išlieka tobulai lygus ir atsietas, tai dar vienas signalas. Jei plojimai, eismo triukšmas ar minios garsas skamba nenatūraliai plokščiai už kalbėtojo, įrašas galėjo būti sudarytas iš dalių, kurios nesidalija ta pačia realia aplinka.

Komandoms, kurios dokumentuoja šias peržiūras, padeda tvarkingas pastabų rašymas. Jei jums reikia modelio, kaip fiksuoti sakytinį turinį patikrinimo metu, naudingi šie vaizdo įrašų transkripcijos formatai ir geriausios praktikos, nes jie priverčia atskirti tai, kas buvo pasakyta, nuo to, kas buvo matyta ir girdėta aplinkui.

Trumpa demonstracija padeda, jei mokote naujienų redakcijos ar turinio komandą girdėti šiuos skirtumus:

Kuo pasitikėti labiau nei pirmuoju įspūdžiu

Nušlifuotas sintetinis įrašas gali skambėti „gerai“ ir vis tiek neišlaikyti patikrinimo. Neklauskite, ar garsas malonus. Klauskite, ar jis priežastingai nuoseklus su matomu pasirodymu.

Jei burna paruošia žodį anksčiau, nei jis atsiranda garso take, tai nėra stiliaus klausimas. Tai gamybos požymis.

Kai vizualiniai ir garso požymiai sutampa, peržiūra sparčiai sustiprėja. Veidas, kuriame pastebimas pasikartojantis burnos laikymasis, kartu su balsu, kuris jaučiasi atsietas nuo kūno ir aplinkos, turėtų perkelti įrašą į didesnės rizikos kategoriją dar prieš prasidedant kilmės patikrinimams.

Ištirkite kilmės ir konteksto požymius

Daug pasenusių patarimų vis dar siūlo ieškoti kadrų per atvirkštinę vaizdų paiešką ir tikrinti metaduomenis. Tai nėra beprasmiška, tačiau to jau nebepakanka, kad peržiūra būtų patikima. Aukštos kokybės sintetiniai vaizdo įrašai vis dažniau sugriauna šiuos supaprastinimus.

Kodėl seni patikrinimai vis dar nuvilia peržiūrėtojus

Pasak VEED diskusijos apie kaip atpažinti, ar vaizdo įrašas sukurtas dirbtinio intelekto, metaduomenys pašalinami arba suklastojami 73 % virusinių DI įrašų, tik 29 % DI vaizdo įrašų, sukurtų geriausiais modeliais, „Global Voices“ 2025 m. tyrime davė atitikmenų atvirkštinėje vaizdų paieškoje, o 81 % neturėjo patikimų EXIF duomenų. Šiuolaikiniuose darbo procesuose tai reiškia, kad atvirkštinė paieška ir bazinis metaduomenų tikrinimas dažnai yra silpni signalai, o ne patikimas įrodymas.

Tai keičia tai, kaip juos naudočiau. Vis dar juos atlieku. Tiesiog neleidžiu jiems nulemti bylos baigties.

Jei atvirkštinė paieška nieko neranda, tai neišteisina vaizdo įrašo. Jei metaduomenų trūksta, tai gali atspindėti platformos apdorojimą arba sintetinę kilmę. Jei metaduomenys yra, jiems vis tiek reikia konteksto, nes jie gali būti pakeisti arba pašalinti dar prieš jums gaunant failą.

Ką tirti vietoj to

Kilmę traktuokite kaip saugojimo grandinės (angl. chain-of-custody) klausimą. Klauskite, kur įrašas pirmą kartą pasirodė, kas jį paskelbė, ar paskyra turi patikimo šaltinių naudojimo istoriją ir ar kokia nors patikima organizacija nepriklausomai patvirtino rodomą įvykį.

Tvirtesnė kilmės peržiūra apima:

• Kilmės atsekimas: Suraskite anksčiausią įkėlimą, kurį galite patvirtinti, o ne vien populiariausią pakartotinį paskelbimą.
• Paskyros patikimumas: Patikrinkite, ar paskelbėjas įvardija įrašą kaip sintetinį, satyrinį ar redaguotą.
• Įvykio patvirtinimas: Ieškokite nepriklausomų pranešimų, liudininkų medžiagos ar susijusios medžiagos iš to paties įvykio.
• Atskleidimo peržiūra: Palyginkite paskelbimo kontekstą su dabartiniais lūkesčiais dėl sintetinės medijos žymėjimo, įskaitant „deepfake“ atskleidimo taisykles.

Štai praktinis pavyzdys. Tarkime, įrašas tvirtina rodantis politiką, kalbantį mitinge. Atvirkštinė vaizdų paieška nieko neduoda. Tai jums pasako labai mažai. Geresnis patikrinimas – ar bent viena vietinė žiniasklaidos priemonė, dalyvių medžiaga, įvykio tvarkaraštis ar oficialus kanalas rodo tą pačią tribūną, drabužius, orus ir laiką. Jei nė vienas iš šių dalykų nesutampa, šis nesutapimas yra reikšmingesnis nei pati nepavykusi atvirkštinė paieška.

Kontekstas gali atskleisti tai, ką slepia pikseliai

Daugelis sintetinių vaizdo įrašų atrodo įtikinamiausiai, kai žiūrimi izoliuotai. Jie tampa silpnesni, kai sugrąžinami į autentišką kontekstą.

Įrašas be patikimo šaltinio pėdsako turėtų sulaukti didesnio dėmesio, net jei jo vaizdas atrodo nušlifuotas.

Tai ypač aktualu pedagogams ir leidėjams. Jei negalite nustatyti, iš kur vaizdo įrašas atsirado, kada jis pirmą kartą pasirodė ir kodėl nėra jokių patikimų lygiagrečių įrodymų, patikrinimo problema neišsprendžiama tiesiog pasakius, kad kadrai „atrodo pakankamai realistiškai“. Kontekstas yra autentiškumo dalis. Vaizdo įrašas be įtikinamos kilmės istorijos nusipelno aukštesnio atsargumo įvertinimo.

Pasitelkite automatinius patikrinimo įrankius

Rankinė peržiūra svarbi, tačiau ji prastai mastelėjama, kai komandoms tenka tvarkyti nuolatinį vartotojų pateikiamos medžiagos, socialinių įrašų, reklaminės kūrybos ar mokomosios medžiagos srautą. Ji taip pat negali atskleisti kiekvieno signalo, matomo modelio ar metaduomenų lygmenyje. Kažkuriuo momentu jums prireiks automatinio patikrinimo kaip antro sluoksnio.

Kodėl automatizavimas dabar yra proceso dalis

Revid analizėje apie kaip atpažinti, ar vaizdo įrašas sukurtas dirbtinio intelekto aprašomas svarbus poslinkis, kai tokios platformos kaip TikTok įdiegė dviejų sluoksnių patikrinimo sistemą, kuri sujungia automatinius aptikimo modelius su C2PA turinio kredencialais. Tas pats šaltinis teigia, kad šios sistemos gali per kelias minutes pateikti patikimumo balus, skenuodamos veido judesius, lūpų sinchronizacijos tikslumą, balso toną, biometrinius modelius ir metaduomenis dėl manipuliavimo požymių, taip pat palaikydamos matomus vandens ženklus ir kūrėjų žymes sintetinei medijai.

Tai naudingas modelis leidėjams ir atitikties komandoms, nes jis atspindi kryptį, kuria juda patikrinimo praktika. Rankinė kadrų peržiūra vis dar turi vertę, tačiau formali kilmės analizė ir automatinis vertinimas tampa standartinio išsamaus patikrinimo dalimi.

Ką automatiniai įrankiai daro gerai

Automatinės sistemos naudingos, kai jos tikrina keliose modalybėse, o ne ieško vieno klišinio artefakto. Jos gali vienu metu palyginti veido elgseną, judesio modelius, garso struktūrą ir failo lygmens požymius. Tai padeda, kai įrašas vizualiai atrodo švarus, tačiau turi silpnesnius signalus sinchronizacijoje, spektrogramos modeliuose ar kilmės rodikliuose.

Praktiškai įrankius naudokite trims užduotims:

Naudojimo atvejis	Ką padeda patikrinti įrankis	Kodėl tai svarbu
Redakcinis atrankos vertinimas	Ar įrašą reikia perduoti aukštesnei instancijai	Sutaupo laiko mažos rizikos pateikimams
Atitikties peržiūra	Pagalba žymint ir tikrinant kilmę	Padeda komandoms dokumentuoti skaidrumo sprendimus
Kokybės užtikrinimas	Ar publikuojamoje medijoje yra sintetinių elementų	Sumažina klaidingą žymėjimą ir peržiūros spragas

Kai kurioms komandoms taip pat reikia paprastos „įkelk ir patikrink“ funkcijos. Tokiame kontekste Humantext.pro DI vaizdo įrašų detektorius tinka kaip vienas iš patikrinimo sluoksnių, nes analizuoja įkeltą vaizdo įrašą ieškodamas generatyvinių artefaktų ir pateikia vertinimą su patikimumo balu. Tai naudinga kaip pagalbinė peržiūros priemonė, o ne kaip redakcinio sprendimo pakaitalas.

Neleiskite, kad balas pakeistų samprotavimą

Detektoriaus rezultatas turėtų paaštrinti jūsų peržiūrą, o ne ją užbaigti. Jei įrankis pažymi veido nenuoseklumus ar garso anomalijas, palyginkite šias išvadas su savo rankinio patikrinimo pastabomis. Jei įrankis grąžina mažesnio susirūpinimo signalą, tačiau jūsų kilmės peržiūra silpna, o lūpų sinchronizacija atrodo netinkama, toliau laikykite įrašą kaip įtartiną.

Automatinis patikrinimas yra labiausiai pagrįstas tada, kai jis papildo dokumentuotą procesą. Leidėjams, pedagogams ir į ES orientuotoms organizacijoms, galvojančioms apie skaidrumo pareigas, šis procesas yra tiek pat svarbus, kiek ir rezultatas. Esmė ne perduoti sprendimo priėmimą kitiems. Esmė – padaryti jūsų sprendimą nuoseklesnį, greitesnį ir lengviau paaiškinamą vėliau.

Apibendrinkite įrodymus galutiniam vertinimui

Peržiūros pabaigoje pagrindinė užduotis yra klasifikavimas. Ne kiekvienas įtartinas įrašas turėtų būti žymimas vienodai. Kai kurie tikriausiai yra autentiški. Kai kurie yra įtartini ir reikalauja daugiau tikrinimo. Kai kurie turi pakankamai sutampančių signalų, kad publikavimą reikėtų sustabdyti, kol atsiras tvirtesnių įrodymų.

Naudokite struktūrizuotą sprendimo slenkstį

Aivideodetector.org vadove apie rankinio DI vaizdo įrašų aptikimo metodus teigiama, kad rankinė kriminalistinė metodika, naudojanti devynis konkrečius metodus, pasiekia 80–90 % tikslumą dviem svarbiausiems rodikliams – garso ir vaizdo sinchronizacijos neatitikimui bei konteksto patikrinimui. Tas pats šaltinis teigia, kad kai penki ar daugiau metodų pažymi anomalijas, vaizdo įrašas klasifikuojamas kaip „labai tikėtina, kad suklastotas“, o 2–4 pažymėjimai rodo „įtartiną“ turinį, kuriam reikalingas automatinio detektoriaus kryžminis patvirtinimas. Taip pat aprašoma 30 sekundžių greita patikra, sutelkta į rankų kadrus, pirštų skaičių ir lūpų sinchronizaciją prieš atliekant gilesnę analizę.

Tai praktiškas slenksčių nustatymo modelis, nes jis atspindi tai, kaip dirba profesionalai. Jie nelaukia absoliutaus tikrumo. Jie skaičiuoja rodiklių stiprumą ir sutapimą.

Praktiška naujienų redakcijos ar leidėjo matrica

Naudokite tokią sprendimų lentelę:

Klasifikacija	Ką radote	Veiksmas
Tikriausiai autentiškas	Nėra reikšmingų vizualinių ar garso anomalijų, patikima kilmė, nėra rimtų automatinių susirūpinimų	Publikuoti įprastai, jei laikomasi redakcinių standartų
Įtartinas	Nedidelė signalų grupė, pvz., lūpų sinchronizacijos nesklandumas, silpnas šaltinio pėdsakas ar fono deformacija	Sulaikyti kryžminiam patvirtinimui, pažymėti viduje, ieškoti patvirtinimo
Labai tikėtina, kad sintetinis	Keli nepriklausomi pažymėjimai iš vizualinės, garso, konteksto ir automatinės peržiūros	Nepublikuoti kaip autentiškos medijos

Padeda praktinis pavyzdys. Tarkime, įraše atstovas skaito pareiškimą. Greitos patikros metu pastebite keistą burnos laikymąsi ir vėrinį, kuris mirga galvos posūkių metu. Gilesnė peržiūra parodo fono deformaciją, kai juda pečiai. Kilmė silpna, o įkėlimo pėdsakas prasideda nuo anoniminės pakartotinio paskelbimo paskyros. Tai jau nebe viena anomalija. Tai dėsningumas.

Sutelkite dėmesį į sutapimą, o ne tobulumą

Tas pats rankinio patikrinimo vadovas įspėja neremtis vien tik vizualiais keistumais, tokiais kaip suliejusios rankos. Tai geras patarimas. Geresni rodikliai apima kadras po kadro lūpų judesio palyginimą su garsu ir judesio vektorių nuoseklumą įtartinose judesio srityse. Jame netgi nurodoma naudoti ffmpeg -vf codecview=mv=pf+bf+bb, kad būtų galima patikrinti nenatūralų vienodą judesio vektorių sankaupimąsi statiškuose fonuose, o tai gali rodyti optinio srauto injekciją.

Nepraktiška kiekvienam įrašui atlikti komandinės eilutės judesio analizę, ir to neturėtų prireikti. Tačiau principas yra svarbus. Tvirti vertinimai kyla iš skirtingų įrodymų tipų, kurie sutampa tarpusavyje.

Praktinė taisyklė: Vienas keistas kadras – tai pastaba. Pasikartojantys nesklandumai vaizde, garse ir kilmėje – tai vertinimas.

Tai standartas, kurį verta perimti, jei jums reikia pagrįsto atsakymo į klausimą, kaip atpažinti, ar vaizdo įrašas sukurtas dirbtinio intelekto. Ne tikrumo. Ne nuojautos. Dokumentuoto sprendimo, pagrįsto sutampančiais įrodymais, peržiūrėto laikantis tos pačios drausmės, kurią taikytumėte bet kuriai kitai didelės rizikos šaltinio medžiagai.

---

Jei jums reikia greitesnio patikrinimo sluoksnio redakcinei peržiūrai, klasės patikrai ar atitikties tikrinimui, Humantext.pro siūlo DI vaizdo įrašų detektorių, kuris leidžia įkelti medžiagą, patikrinti, ar ji atrodo sukurta dirbtinio intelekto, ir naudoti rezultatą kaip dalį platesnio kokybės ir autentiškumo užtikrinimo proceso.