Så avgör du om en video är AI-genererad: expertguide

En video landar i din inkorg fem minuter innan publicering. Den visar en offentlig person som säger något explosivt. Bildkompositionen ser ren ut, rösten låter trovärdig, och klippet sprids redan på sociala plattformar. Frågan är inte längre akademisk. Du måste avgöra om detta är publicerbart, bör märkas, eller något som bör hållas tillbaka tills verifieringen är klar.

Det är verkligheten för redaktörer, reportrar, pedagoger och varumärkesteam nu. Att veta hur man avgör om en video är AI-genererad handlar inte om att upptäcka en konstig bildruta och kalla det en dag. Det är ett arbetsflöde. Du granskar det ögat kan upptäcka, testar det örat kan bekräfta, kontrollerar vad ursprunget fortfarande kan avslöja, och använder sedan automatiserade verifieringsverktyg som ett kvalitetskontrollslager.

De gamla internetråden håller inte längre för sig själva. “Kolla händerna” är fortfarande användbart, men det räcker inte längre. Modern syntetisk video kan få många uppenbara detaljer rätt. Det som fortfarande tenderar att brista är konsekvens, kausalitet och spårbarhet. Det är där en professionell granskningsprocess visar sitt värde.

Det växande behovet av videoverifiering

Det vanligaste misstaget jag ser är att behandla verifiering som en jakt på ett enda avgörande bevis. Riktiga granskningar fungerar sällan så. Ett klipp blir misstänkt eftersom flera små brister börjar sammanfalla. En munform hamnar en bråkdel för tidigt. En skugga beter sig konstigt. Ett bakgrundsobjekt driver på ett sätt som scenens fysik inte stödjer. Kontot som publicerar det erbjuder ingen trovärdig ursprungsspår.

Det spelar roll eftersom de som hanterar känsliga medier ofta har parallella regelkrav. En nyhetsredaktion kan behöva standarder för märkning. Ett universitet kan behöva dokumentation innan ett klipp visas i klassrummet. Ett företag som granskar internt filmmaterial kanske redan funderar på policyer för syntetiskt innehåll och angränsande risker som AI för hantering av konfidentiella dokument, där ursprung och integritetskontroller spelar lika stor roll som bekvämlighet.

Det finns också ett märkningsproblem. Så snart du börjar granska video på allvar stöter du snabbt på frågor om skyldigheter att informera, särskilt för utgivare och team som riktar sig mot EU. Mänsklig granskning och plattformspolicy överlappar nu varandra, vilket är varför det hjälper att förstå praktisk vägledning kring krav på märkning av AI-innehåll innan ett tveksamt klipp blir till en offentlig rättelse.

Verifiering är inte en teknisk ritual. Det är en redaktionell beslutsprocess med bevis bakom sig.

Ett solitt arbetsflöde börjar med direkt observation. Sedan rör det sig utåt. Först granskar du bilden. För det andra testar du ljud och läppsynk. För det tredje undersöker du ursprung och sammanhang. För det fjärde kör du automatiserade kontroller. Slutligen väger du signalerna tillsammans och fattar ett beslut du kan försvara senare om någon frågar varför du publicerade, märkte eller avvisade videon.

Börja med manuell visuell granskning

Den första genomgången bör vara manuell, långsam och skeptisk. Börja inte med mjukvara. Börja med att titta på klippet en gång i normal hastighet, och sedan igen bildruta för bildruta i de mest misstänkta ögonblicken. Pauser, vändningar, handgester och ocklusioner avslöjar ofta mer än en stadig bild av ett talande huvud.

Leta efter brister i tidsmässig konsekvens

Ett av de tydligaste visuella mönstren är inkonsekvens mellan bildrutor. Enligt Morphics genomgång av visuella artefakter i AI-genererad video) inkluderar vanliga tecken flimrande hår, hår som byter stil mitt i videon, och objekt som glasögon eller smycken som försvinner och dyker upp igen mellan bildrutor. Samma källa noterar att tatueringar eller hudmärken kan försvinna mellan bildrutor, och ögonrörelser kan se överdrivet mjuka ut, utan naturliga sackader.

Det låter subtilt tills du börjar spola manuellt. Då blir det uppenbart.

Om en person vrider på huvudet och ett örhänge finns i en bildruta, saknas i nästa, och kommer tillbaka ett ögonblick senare, är det inte en komprimeringsegenhet jag skulle ignorera. Om hår beter sig som en mjuk målad massa istället för strån som reagerar på rörelse och ljus, skulle jag markera det också. Om en tatuering på underarmen suddas ut under rörelse och återkommer när armen lugnar sig, förtjänar det en ny genomgång.

Kontrollera kanter, extremiteter och bakgrundens beteende

Ansiktet får det mesta av modellens uppmärksamhet. Resten av bilden gör det ofta inte.

Använd den här ordningen under en första granskning:

• Händer och fingrar: De är fortfarande värda att kontrollera, särskilt när talaren gestikulerar över bröstkorgen eller ansiktet.
• Accessoarer: Titta på glasögonbågar, örhängen, halsband, klockarmband och skjortkragar under rörelse.
• Hårfäste och käklinje: Dessa krusar sig eller lossnar ofta något under vändningar.
• Bakgrundsobjekt: Lampor, hyllor, dörrkarmar och väggstrukturer kan förvrängas när personen rör sig.
• Huddetaljer: Fräknar, leverfläckar och små märken bör förbli stabila om inte belysningen tydligt förändras.

Ett praktiskt exempel: om någon talar medan de håller i en mikrofon, pausa på bildrutorna där handen överlappar mikrofonen och hakan. Syntetisk video har ofta svårt när flera objekt korsar varandra. Du kan se mikrofonkroppen mjukna, fingrarna smälta samman på ett konstigt sätt, eller den nedre ansiktshalvan kortvarigt förlora sin form.

Fältanteckning: Den bästa manuella visuella kontrollen är inte “ser händerna konstiga ut?” Det är “förblir samma objekt samma objekt från bildruta till bildruta?”

Övervärdera inte de uppenbara tecknen

Många granskare lutar sig fortfarande för hårt mot gamla visuella klichéer. Det skapar falsk trygghet. Nyare generatorer löser ofta antalet fingrar bättre än äldre, så en ren hand friar inte en video.

Det som fortfarande fungerar är en mer kriminalteknisk fråga: bevarar scenen kontinuitet under rörelse? Äkta filmmaterial håller identiteten stabil. Syntetiskt filmmaterial kan skapa en drömlik kontinuitet där personen förblir i stort sett igenkännbar, men specifika detaljer muterar under press. Det är därför det är mer användbart att zooma in på extremiteter och spola genom rörelseintensiva sektioner än att stirra på en enda statisk bildruta.

En snabb visuell granskning bör lämna dig med anteckningar, inte en dom. Markera varje inkonsekvens. Du kommer att behöva dem senare när du jämför dem med resultaten från ljud- och ursprungsgranskningen.

Analysera avvikelser i ljud och läppsynk

Ljud är där många övertygande klipp börjar rämna. En syntetisk video kan överleva en oformell visuell titt. Den har ofta svårt att klara sig under ljudgranskning eftersom tal kräver exakt fysisk timing. Mun, käke, kinder, andning och ljudets start måste alla stämma överens.

Börja utan ljud, spela sedan upp igen med ljud

En av de mest användbara vanorna är att stänga av ljudet på klippet först. Alibabas analys av hur man vet om en video gjordes med AI noterar en konsekvent tidsfördröjning på 0,1 till 0,3 sekunder eller en glitch före artikulationen i AI-genererade videor, där läpparna rör sig innan ljudet börjar. Samma källa säger att du kan verifiera detta genom att stänga av ljudet på videon och observera munrörelser i 10 sekunder, och den beskriver ett upprepningsbart 90-sekunders autentiseringsprotokoll där tre eller fler flaggade kontroller inom blinkrytm, muntiming, objektrörelsemängd, ljus- och skuggöverensstämmelse samt texturmjukning indikerar syntetiskt innehåll med hög säkerhet.

Det är användbart eftersom det ger dig en effektiv sekvens:

1. Titta på ansiktet utan ljud.
2. Fokusera enbart på läppar, käke och blinkrytm.
3. Spela upp igen med ljud.
4. Kontrollera om konsonanterna landar när munformen säger att de borde.
5. Notera om rörelsen är föregripande, fördröjd eller mekaniskt repetitiv.

Det här specifika läppsynkproblemet spelar roll eftersom tal har fysisk kausalitet. Ljud dyker inte bara upp. Ansiktet förbereder och producerar det. När den kedjan återges ofullständigt känner tittarna att något är fel, även om de inte kan sätta ord på det.

Lyssna efter röst och miljö som inte stämmer överens

Ljudproblem sträcker sig längre än läpptiming. Focal MLs artikel om hur man avgör om en video är AI-genererad lyfter fram röstfördröjning, röster som inte matchar den synliga talaren i tonläge, ålder eller känslomässigt djup, samt miljöljud som fotsteg som inte passar det visuella underlaget.

Det innebär att din granskning bör ställa enkla fysiska frågor:

• Passar talarens röst till ansiktet och kroppen?
• Matchar känslan i rösten uttrycket på skärmen?
• Stämmer rummets akustik med rummet som visas?
• Hör omgivningsljuden hemma i miljön?

Ett praktiskt exempel: om en person visas utomhus på en ojämn stig men fotstegen låter som ett rent golv inomhus, är det en varningssignal. Om någon ser ansträngd ut, men rösten förblir helt jämn och känslomässigt frånkopplad, är det en till. Om applåder, trafik eller folksorl ligger onaturligt platt bakom talaren, kan klippet ha satts ihop av delar som inte delar en verklig miljö.

För team som dokumenterar dessa granskningar hjälper det med ordentlig anteckningsföring. Om du behöver en modell för att registrera talat innehåll under verifiering är dessa format och bästa praxis för videoutskrifter användbara eftersom de tvingar dig att skilja på vad som sades och vad som sågs och hördes runt omkring.

En kort demonstration hjälper om du utbildar en nyhetsredaktion eller ett innehållsteam i att höra dessa skillnader:

Vad du bör lita mer på än ditt första intryck

Ett polerat syntetiskt klipp kan låta “bra” och ändå misslyckas med verifieringen. Fråga inte om ljudet är behagligt. Fråga om det är kausalt konsekvent med den synliga föreställningen.

Om munnen förbereder ett ord innan ordet finns i ljudet, är det inte en stilfråga. Det är en produktionsledtråd.

När visuella och ljudmässiga tecken stämmer överens blir granskningen snabbt starkare. Ett ansikte som visar repetitiv muntiming, tillsammans med en röst som känns frånkopplad från kroppen och miljön, bör flytta klippet till en högre riskkategori redan innan ursprungskontroller påbörjas.

Undersök ursprung och kontextledtrådar

Mycket föråldrade råd säger fortfarande att du ska göra en omvänd bildsökning på bildrutor och granska metadata. Det är inte värdelöst, men det räcker inte längre för att bära hela granskningen. Högkvalitativ syntetisk video bryter i allt högre grad ner dessa genvägar.

Varför gamla kontroller fortsätter att göra granskare besvikna

Enligt VEEDs diskussion om hur man avgör om en video är AI-genererad tas metadata bort eller förfalskas i 73 % av virala AI-klipp, endast 29 % av AI-videor från toppmodeller i en Global Voices 2025-studie gav träffar i omvänd bildsökning, och 81 % saknade pålitliga EXIF-data. För nuvarande arbetsflöden innebär det att omvänd sökning och grundläggande metadatagranskning ofta är svaga signaler, inte tillförlitliga bevis.

Det förändrar hur jag skulle använda dem. Jag kör dem fortfarande. Jag låter dem bara inte avgöra fallet.

Om den omvända sökningen inte ger några träffar friar det inte videon. Om metadata saknas kan det spegla plattformsbearbetning eller syntetiskt ursprung. Om metadata finns behöver den fortfarande sättas i sitt sammanhang eftersom den kan ha ändrats eller tagits bort innan du någonsin fick filen.

Vad du bör undersöka istället

Behandla ursprung som ett beviskedjeproblem. Fråga var klippet först dök upp, vem som publicerade det, om kontot har en historik av pålitlig källhantering, och om någon betrodd organisation oberoende har bekräftat händelsen som visas.

En starkare ursprungsgranskning inkluderar:

• Ursprungsspårning: Hitta den tidigaste uppladdningen du kan verifiera, inte bara den mest virala vidarepubliceringen.
• Kontots trovärdighet: Kontrollera om den som publicerat identifierar klippet som syntetiskt, satiriskt eller redigerat.
• Händelsebekräftelse: Leta efter oberoende rapportering, ögonvittnesmaterial, eller relaterat filmmaterial från samma händelse.
• Granskning av information: Jämför publiceringskontexten med nuvarande förväntningar kring märkning av syntetiska medier, inklusive regler för information om deepfakes.

Här är ett praktiskt exempel. Anta att ett klipp påstår sig visa en politiker som talar vid ett möte. Omvänd bildsökning misslyckas. Det säger dig väldigt lite. En bättre kontroll är om någon lokal nyhetskälla, deltagarfilm, evenemangsschema eller officiell kanal visar samma podium, klädsel, väder och tidpunkt. Om inget av detta stämmer överens är frånvaron mer betydelsefull än den misslyckade omvända sökningen i sig.

Kontext kan avslöja det som pixlar döljer

Många syntetiska videor ser starkast ut när de betraktas isolerat. De blir svagare när de placeras tillbaka i en autentisk kontext.

Ett klipp utan pålitligt källspår bör granskas mer noggrant även om renderingen ser polerad ut.

Det gäller särskilt för pedagoger och utgivare. Om du inte kan fastställa var videon kom ifrån, när den först dök upp, och varför inga trovärdiga parallella bevis finns, löses inte verifieringsproblemet genom att säga att bildrutorna “ser tillräckligt äkta ut.” Kontext är en del av autenticitet. En video utan en trovärdig ursprungshistoria förtjänar en högre försiktighetsgradering.

Utnyttja automatiserade verifieringsverktyg

Manuell granskning spelar roll, men den skalar inte bra när team hanterar en ström av användarinskickat filmmaterial, sociala klipp, annonskreativt material eller utbildningsmaterial. Den kan inte heller synliggöra varje signal som är synlig på modell- eller metadatanivå. Vid någon punkt behöver du automatiserad verifiering som ett andra lager.

Varför automatisering nu hör hemma i arbetsflödet

Revids analys av hur man avgör om en video är AI-genererad beskriver ett stort skifte när plattformar som TikTok införde ett tvålagers verifieringssystem som kombinerar automatiserade detekteringsmodeller med C2PA Content Credentials. Samma källa säger att dessa system kan returnera konfidenspoäng inom några minuter genom att skanna ansiktsrörelser, läppsynkens precision, rösttonläge, biometriska mönster och metadata efter tecken på manipulation, samtidigt som de även stödjer synliga vattenstämplar och skaparmärkningar för syntetiska medier.

Vad automatiserade verktyg gör bra

Automatiserade system är användbara när de kontrollerar över flera modaliteter istället för att leta efter en klichéartefakt. De kan jämföra ansiktsbeteende, rörelsemönster, ljudstruktur och tecken på filnivå i en enda genomgång. Det hjälper när ett klipp ser visuellt rent ut men bär svagare signaler i synkronisering, spektrogrammönster eller ursprungsindikatorer.

I praktiken, använd verktyg för tre uppgifter:

Användningsfall	Vad verktyget hjälper till att verifiera	Varför det spelar roll
Redaktionell triage	Om ett klipp behöver eskaleras	Sparar tid på inskick med låg risk
Efterlevnadsgranskning	Stöd för märkning och ursprung	Hjälper team att dokumentera transparensbeslut
Kvalitetssäkring	Om syntetiska element finns i publicerade medier	Minskar felmärkning och granskningsluckor

Vissa team behöver också ett enkelt alternativ för att ladda upp och kontrollera. I det sammanhanget passar Humantext.pros AI-videodetektor in som ett verifieringslager eftersom den analyserar uppladdad video efter generativa artefakter och returnerar en bedömning med en konfidenspoäng. Det är användbart som ett granskningshjälpmedel, inte som en ersättning för redaktionellt omdöme.

Låt inte en poäng ersätta resonemang

En detektors resultat bör skärpa din granskning, inte avsluta den. Om verktyget flaggar ansiktsinkonsekvenser eller ljudavvikelser, jämför dessa resultat med anteckningarna från din manuella granskning. Om verktyget returnerar en lägre oroande signal men din ursprungsgranskning är svag och läppsynken ser fel ut, håll klippet under fortsatt granskning.

Automatiserad verifiering är mest försvarbar när den stödjer en dokumenterad process. För utgivare, pedagoger och organisationer som riktar sig mot EU och funderar på transparensskyldigheter spelar den processen lika stor roll som resultatet. Poängen är inte att lägga ut omdömet på entreprenad. Det är att göra ditt omdöme mer konsekvent, snabbare och lättare att förklara senare.

Sammanställ bevis för en slutlig bedömning

I slutet av en granskning är huvuduppgiften klassificering. Inte varje misstänkt klipp bör märkas på samma sätt. Vissa är troligen äkta. Vissa är misstänkta och behöver mer kontroll. Vissa bär tillräckligt med konvergerande signaler för att publiceringen bör stoppas tills starkare bevis dyker upp.

Använd en strukturerad beslutströskel

Aivideodetector.orgs guide om manuella tekniker för AI-videodetektering fastställer att en manuell kriminalteknisk metodik med nio specifika tekniker uppnår 80 till 90 % noggrannhet för två kritiska indikatorer, felinriktning i ljud-videosynk och kontextverifiering. Samma källa säger att när fem eller fler tekniker flaggar avvikelser klassificeras videon som “mycket sannolikt falsk,” medan 2 till 4 flaggor indikerar “misstänkt” innehåll som kräver korsvalidering med automatiserad detektor. Den beskriver också en 30-sekunders snabbgranskning fokuserad på handbilder, antal fingrar och läppsynk innan en djupare analys.

En användbar matris för nyhetsredaktioner eller utgivare

Använd en beslutstabell som denna:

Klassificering	Vad du hittade	Åtgärd
Troligen äkta	Inga meningsfulla visuella eller ljudmässiga avvikelser, trovärdigt ursprung, inga starka automatiserade varningar	Publicera normalt om redaktionella standarder uppfylls
Misstänkt	Ett litet kluster av signaler som läppsynkoregelbundenhet, svagt källspår eller bakgrundsförvrängning	Håll tillbaka för korsvalidering, märk internt, sök bekräftelse
Mycket sannolikt syntetisk	Flera oberoende flaggor inom visuell, ljud, kontext och automatiserad granskning	Publicera inte som äkta media

Ett praktiskt exempel hjälper. Anta att ett klipp visar en talesperson som avger ett uttalande. Under snabbgranskningen upptäcker du konstig muntiming och ett halsband som flimrar under huvudvändningar. En djupare granskning visar bakgrundsförvrängning när axlarna rör sig. Ursprunget är svagt och uppladdningsspåret börjar med ett anonymt vidarepubliceringskonto. Det är inte längre en enda avvikelse. Det är ett mönster.

Fokusera på konvergens, inte perfektion

Samma manuella guide varnar för att enbart förlita sig på visuella egenheter som suddiga händer. Det är bra råd. Bättre indikatorer inkluderar läpprörelser bildruta för bildruta jämfört med ljudet och konsekvens i rörelsevektorer i misstänkta rörelseregioner. Den pekar till och med på att använda ffmpeg -vf codecview=mv=pf+bf+bb för att granska onaturligt enhetlig klustring av rörelsevektorer i statiska bakgrunder, vilket kan tyda på injicering av optiskt flöde.

Det är opraktiskt att köra kommandoradsbaserad rörelseanalys på varje klipp, och det bör inte heller vara nödvändigt. Men principen är viktig. Starka bedömningar kommer från olika typer av bevis som stämmer överens med varandra.

Praktisk regel: En konstig bildruta är en anteckning. Upprepade brister inom bild, ljud och ursprung är en bedömning.

Det är standarden värd att anamma om du behöver ett försvarbart svar på hur man avgör om en video är AI-genererad. Inte visshet. Inte magkänsla. Ett dokumenterat omdöme baserat på konvergerande bevis, granskat med samma disciplin du skulle tillämpa på vilket annat högriskkällmaterial som helst.

---

Om du behöver ett snabbare verifieringslager för redaktionell granskning, klassrumsvisning eller efterlevnadskontroller erbjuder Humantext.pro en AI-videodetektor som låter dig ladda upp filmmaterial, kontrollera om det verkar vara AI-genererat, och använda resultatet som en del av ett bredare arbetsflöde för kvalitet och autenticitet.