英伟达出手，AI视频检测工具实测：整体偏弱，但总比没有强

经常被互联网上的AI视频冒充后，黄仁勋决定亲自出手。

近日，英伟达正式发布Synthetic Video Detector NIM。这套工具宣称能够逐帧检查视频，根据生成模型遗留的统计特征和频域痕迹，判断哪些内容由AI生成，最高准确率可达到92%。

这也是无奈之举，毕竟如今制作假图和假视频的门槛越来越低。

比如我前段时间刷到的一段视频，情节并不复杂：一只猫碰碎花瓶后立即转身溜走，旁边的狗子则当场愣住，随后疯狂挥爪解释，表情仿佛在说，不是我，真的不是我。

确实挺好笑，但如果它不是AI视频就更好了。

更棘手的是，以前辨别假视频还能寻找嘴型对不上、手指数量不对等明显画面破绽；如今视频生成模型进步极快，许多生成内容已不再留下如此直观的漏洞，难怪我家的长辈会天天上当。

普通人既然不知道如何分辨，也就到了该让检测工具登场的时候。

英伟达加入“用AI识别AI视频”的队伍

先作简单介绍：英伟达于2024年3月公布NVIDIA Inference Microservices，简称NIM。它本质上是把“模型+推理+API接口+运行环境”等内容打包为部署工具，让开发者能够快速获得AI服务。

而此次发布的Synthetic Video Detector NIM，可以视为英伟达按照NIM标准封装的一套AI视频检测服务。

由于它主要用于本地部署，目前在线使用必须申请英伟达媒体测试资格；本地部署则要求Linux系统以及兼容NVENC/NVDEC视频编解码的硬件，因此普通人要用上它并不容易。

虽然暂时用不上，但仍可根据现有资料和演示深入了解一番。

按照官方介绍，上传视频后，SVD NIM会先把采用H.264编码的MP4拆分成画面帧，随后交由DINOv2和DINOv3构成的视觉模型分析，对每一帧评分并汇总，最终判断整段视频与AI生成内容的相似程度。

关键在于，它并不会专门寻找六根手指、人物穿模或水杯突然消失等传统破绽。

官方称，SVD NIM检测的是生成及去噪环节遗留的底层统计特征、频率异常，以及普通相机不易拍出的像素规律；即使用户压缩并重新编码视频，工具仍能维持较高的识别概率。

从官方案例来看，这段视频没有出现早期AI视频常见的画面崩坏或前后不一致，但SVD NIM依然给出了高达99%的综合得分。

当然，这段视频还是一眼就显得假...毕竟镜头运动过于平滑。

依我看，英伟达这套方法确实比只盯着画面破绽更可靠一些。

毕竟如果不给任何背景信息，直接让大家观看下面的视频，我认为至少八成左右的人无法发现它完全由AI生成；现在Seedance和Kling的视频生成能力就是如此惊人。

据英伟达介绍，他们准备了包含超过4000个视频的内部测试集，SVD NIM检测成功率达到85.64%，对未压缩视频的准确率更高达92%。

不过，92%的准确率并不代表每次检测都能命中。

宣传稿虽然没有说明，但英伟达在文档中标注，这一高准确率来自偏严格的阈值采样，实际环境下可能产生大量误判。因此，它更适合视频网站进行初步筛查，发现可疑素材后仍应交由人工继续核实。

此外，这一准确率以H.264编码的MP4格式视频为基础，任何转码或压缩都会使准确率下降，只能说老黄的免责声明确实足够专业。

反AI实测：朱雀尚可，反诈中心表现不稳

现阶段，英伟达的SVD NIM距离普通用户确实还有一段距离。

国内也有定位相近且打开即可使用的检测工具，一个是腾讯朱雀AI检测助手，另一个是反诈中心App中的“AI内容鉴定”。两款应用均能检测文字/图片/视频，每天也提供一定次数的免费检测。

为了验证AI检测AI是否可靠，我安排了一组混合测试：

素材包括几张由主流模型直接生成的图片和几张手机实拍照片，以及一段精心挑选的AI视频与Vlog题材真实视频。部分素材还经过微信发送或截图，以观察工具处理二次压缩内容的表现。

第一轮，先测试AI视频。

我认为这段视频本身制作得相当不错，略显模糊的分辨率、轻微晃动的模拟镜头与角色动作神态融为一体，颇具老电影质感。制作者还手绘大量分镜图供模型参考，可以说充分发挥了Seedance的制作能力。

结果腾讯朱雀在第一个测试中就失手了。

作为对照，我向一位通过媒体申请的朋友借来腾讯朱雀账号。SVD NIM给出的综合得分高达93%，意味着该视频很可能由AI合成，逐帧检测发现的疑点也被标注在坐标系中。

只是检测速度确实不快，一段13s的视频花了两分钟才检测完。

反诈中心内容检测更加离谱，我尝试半个小时仍未成功上传，最终只得放弃。

第二轮，改为测试真实视频。

当然，我选择的并非简单真实视频，而是一段许多视频生成模型喜欢模仿的Vlog。制作者使用的相机不错，镜头衔接自然流畅，街头光影也颇具质感，真假几乎难以一眼分辨。

结果您猜如何，腾讯朱雀再次判断失误。

英伟达的表现相对强出不少，虽然也给出34%的综合得分，但这终究只是参考数值，意味着模型找到的合成内容证据并不多。

反诈中心依然没能上传成功，若老人家真想使用这项功能，恐怕要遭罪了。

接着测试图片，不再展开介绍，素材仍是同一题材的真实图片，以及两张由豆包、image 2生成的AI图片，后两张均通过后期处理和压缩去除水印。

刚准备称赞朱雀成功识别AI图，它却又把一张真实照片判断成了AI。

反倒是此前多次无法上传视频的内容检测，这次三道题全部答对，看来反诈中心在算法层面仍有一定优势。

最后还要吐槽，两家提供的免费次数都不多，真正遇到事情时未必够用。

AI识别能力偏弱，却仍比完全没有更好

经过这一轮测试，我对AI检测工具的信心只能说比没有强一点。

视频检测方面，英伟达表现尚可，腾讯朱雀则完全不可靠，甚至得出了相反结论；图片检测相对好些，但腾讯朱雀仍会把真图识别为假图，而反诈中心内容检测服务器大多数时候都处于爆满状态，内容根本无法上传。

机器本身都无法确定，人们就更不该急着凭检测截图在评论区下结论。

在我看来，与其事后判断图片是否带有AI痕迹，不如在生成时直接留下水印及来源记录，这显然更加可靠。

目前谷歌已通过SynthID为生成内容加入隐形标记，Adobe等公司也在推进C2PA，希望记录文件从生成到修改的全过程。国内同样开始跟进，网信办已明确要求为AI内容添加标识，腾讯、阿里和字节也在检测、数字签名及平台提示方面积极完善。

然而，目前这套体系还没有实现完整衔接。

如果自行部署开源模型，生成内容必然没有水印；图片和视频经过多次转发，元数据也可能丢失；至于不同平台能否识别彼此的水印，结合当前国内各家厂商相互防范的状况来看，同样存在问题。

因此，在这些环节真正贯通前，普通人只能多留一个心眼。