仍能暴露深度伪造的迹象
留意边缘和动作:头发与背景的交界、下颌的轮廓、忽隐忽现的眼镜和耳环、嘴部张动时变糊的牙齿。嘴唇动作与话语脱节、眨眼过于规律或过于稀少、皮肤在变化的光线下仍异常光滑,都是常见信号。声音方面,情绪平板的语调、奇怪的呼吸,以及一把始终与房间对不上的嗓音,都值得停下来留意。
但这些都不是定论。迹象出现时能坐实一段伪造,而一段干净的片段却什么也证明不了,因为更好的工具恰恰会修掉这些瑕疵。把这份清单当作快速初筛,而非判决。
为什么只靠眼睛已经不够
每一代模型都抹掉上一批破绽,真实片段与高水平伪造之间的差距不断缩小,尤其在视频被即时通讯或社交平台压缩之后,你要找的那些瑕疵正好被掩盖。这时 AI 媒体检测器能帮上忙:它逐帧为视频的生成迹象打分,返回一个概率,适合初步分流。
但概率不是证据。高分或低分应当为判断提供参考,而非凭它一锤定音,因此要结合上下文一并看:是谁发来的片段、为什么,以及围绕它的说法是否站得住脚。
声音是伪造的另一半
一个令人信服的深度伪造,很少只是画面。声音承载着同样多的欺骗,而语音克隆追赶得很快:几秒钟真实录音就足以用同一把嗓音生成新的句子。在电话或语音消息里,根本没有面孔可查,只有声音,而如今大量的冒充欺诈正发生在这里。
同样的局限依然适用。检测器可以为音频的合成迹象打分并返回一个概率,适合分流却不是定论,而一旦片段被通话或即时通讯压缩,质量就会下降。对于一段你确实需要相信的语音或视频,来自远程招聘、理赔申报人或客户,更稳妥的做法和图像一样:让它现场录制并封存,使这段录音不可能是事先生成的片段。