黄仁勋经常在互联网上遭AI视频冒充，如今终于决定采取行动。

近日，英伟达正式发布Synthetic Video Detector NIM。据称，这套工具能够逐帧检查视频，依据生成模型残留的统计特征和频域痕迹判断内容是否由AI生成，最高准确率可达到92%。

毕竟，如今生成假图片和制作假视频的门槛正变得越来越低。

比如我前段时间刷到的一段视频，情节很简单：一只猫碰碎花瓶后立刻溜走，旁边的狗当场愣住，不停挥爪解释，那表情仿佛在说，不是我，真的不是我。

确实很好笑，但如果它不是AI视频就更好了。

更棘手的是，过去识别假视频还可以寻找明显的画面漏洞，例如嘴型不匹配、手指数目不对；如今视频生成模型进步极快，许多生成内容已不再留下这类显眼破绽，难怪家中长辈每天都会上当。

既然普通人不知道如何分辨，也就到了让检测工具登场的时候。

英伟达加入“用AI检测AI视频”的队伍

先作简单介绍：英伟达在2024年3月公布NVIDIA Inference Microservices，简称NIM。它本质上把“模型+推理+API接口+运行环境”等内容整合为一个部署工具，为开发者提供快速获得AI服务的方式。

而此次推出的Synthetic Video Detector NIM，可视为英伟达按照NIM标准封装的一套AI视频检测服务。

该工具主要服务于本地部署场景。目前，在线使用需要通过英伟达媒体测试申请；本地部署则要求Linux系统以及兼容NVENC/NVDEC视频编解码的硬件，因此普通用户仍然很难用上。

虽然暂时无法使用，但仍可根据现有资料与演示展开讨论。

按照官方说明，视频上传后，SVD NIM会先将H.264编码的MP4拆分成画面帧，再由DINOv2和DINOv3构成的视觉模型进行分析，随后为每帧评分并汇总，判断整段视频有多大可能由AI生成。

需要强调的是，它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。

官方表示，SVD NIM检测的是生成与去噪过程留下的底层统计特征、频率异常，以及普通相机难以形成的像素规律；即使视频经过压缩和重新编码，仍可保持较高的识别概率。

从官方案例来看，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，这段视频确实很容易看出是假的，毕竟运镜过于平滑。

在我看来，英伟达的这套检测思路确实比寻找画面破绽更可靠。

毕竟，如果在毫无背景提示的情况下让大家观看下面的视频，我认为至少有八成左右的人看不出它完全由AI生成；Seedance和Kling如今的视频生成能力就是如此惊人。

据英伟达介绍，他们准备了一个包含超过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是高达92%。

不过，92%的准确率并不代表每次检测都会正确。

宣传稿虽然没有提及，但英伟达在说明文档中注明，这一高准确率来自偏严格的阈值采样，真实环境下可能产生大量误判。因此，它更适合视频网站用于初步筛查，发现可疑素材后仍应由人工继续核验。

此外，这一准确率来自H.264编码的MP4格式视频，任何转码与压缩都会使其下降，只能说老黄的免责声明确实非常专业。

反AI工具实测：朱雀尚可，反诈中心不稳定

现阶段，英伟达的SVD NIM距离普通用户确实还有一段距离。

不过，国内已有可以直接使用的同类检测工具，包括腾讯朱雀AI检测助手，以及反诈中心App中的“AI内容鉴定”。两款应用都能检测文字、图片和视频，每天还提供一定次数的免费检测。

为了验证AI检测AI是否可靠，我准备了一组混合测试素材：

素材包括数张由主流模型直接生成的图片、几张手机实拍照片，以及一段精心挑选的AI视频和一段Vlog题材的真实视频。我还将部分素材通过微信发送或进行截图，以测试工具面对二次压缩时的表现。

第一轮，先测试AI视频。

我认为这段视频本身质量很高：略显模糊的分辨率、轻微晃动的模拟镜头，加上角色动作与神态，共同营造出浓厚的老电影质感。制作者还手绘了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，腾讯朱雀第一个出现失误。

为了对比，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%，说明视频很可能由AI合成，逐帧检测发现的疑点也被标记在坐标系中。

只是检测速度确实较慢，一段13s的视频用了两分钟才完成。

反诈中心内容检测的问题更明显，我尝试了半个小时仍未上传成功，只能放弃。

第二轮，改用真实视频。

当然，我没有选择简单的真实视频，而是采用许多视频生成模型喜欢模仿的Vlog视频。制作者使用的相机不错，镜头衔接自然流畅，街头光影也很有质感，真假几乎一眼难辨。

结果不出所料，腾讯朱雀再次判断失误。

相比之下，英伟达的表现要好得多。虽然它也给出34%的综合得分，但这只是参考数值，意味着模型没有发现太多合成内容的证据。

反诈中心依旧没有上传成功，如果真有老人想使用这项功能，恐怕会非常辛苦。

随后改为测试图片，这里不再详细说明。素材仍是同一题材下的真实图片，以及两张由豆包、image 2生成的AI图片，后两张都经过后期处理和压缩以去除水印。

我刚准备称赞朱雀成功识别AI图片，它却又把一张真实照片判定为AI生成。

反而是此前多次无法上传视频的内容检测，这一轮实现三题全对，说明反诈中心在算法方面仍具备一些优势。

最后还要吐槽，两款工具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，但依然比没有好

完成这一轮测试后，我对AI检测工具的信心只能说略胜于完全没有。

视频检测方面，英伟达表现尚可，腾讯朱雀却完全不可靠，甚至会给出相反结论；图片检测相对好一些，但腾讯朱雀仍会把真图判断成假图，反诈中心内容检测的服务器则大部分时间爆满，导致内容根本无法上传。

机器本身都无法确定时，人们更不应急着拿检测截图到评论区下结论。

依我看，与其事后判断图片是否带有AI痕迹，不如在生成时直接加入水印和来源记录，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等企业也在推动C2PA，以记录文件从生成到修改的全过程。国内同样在跟进，网信办已明确要求为AI内容添加标识，腾讯、阿里、字节也在检测、数字签名和平台提示方面加快完善。

但目前的问题在于，这套体系尚未完全贯通。

如果自行部署开源模型，生成内容自然不会带有水印；图片和视频经过多次转发，元数据也可能消失；至于不同平台能否识别彼此的水印，结合目前国内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之前，普通人只能自己保持更多警惕。