英伟达出手，AI视频检测工具实测：整体偏弱，但有总比没有强

黄仁勋经常在网上遭AI视频冒充，如今终于决定亲自出手。

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，依据生成模型遗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92%。

这也实属无奈，毕竟如今制作假图片和假视频的门槛越来越低。

以我前些日子刷到的视频为例：一只猫碰碎花瓶后立刻飞快溜走，旁边的狗当场发愣，还不停挥爪解释，那副表情仿佛在说，真的不是我。

确实挺逗，可惜它是AI视频。

更棘手的是，过去还能依据嘴型不匹配、手指数目不对等明显画面破绽判断假视频；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漏洞，难怪家中长辈每天都会上当。

普通人既然不清楚如何分辨，检测工具也该登场了。

英伟达加入“用AI识别AI视频”的队伍

先做个简单介绍：英伟达于2024年3月发布NVIDIA Inference Microservices，简称NIM。它本质上是把“模型+推理+API接口+运行环境”等内容封装为部署工具，让开发者可以快速获得AI服务。

本次推出的Synthetic Video Detector NIM，可以看作英伟达按照NIM标准封装的一项AI视频检测服务。

由于它主要服务于本地部署场景，当前在线使用需要先通过英伟达的媒体测试申请；本地部署则要求Linux系统，以及兼容NVENC/NVDEC视频编解码的硬件，因此普通用户使用起来仍然较难。

暂时用不到也没关系，我们仍可结合已有资料和演示仔细了解。

官方介绍称，上传视频后，SVD NIM会先把采用H.264编码的MP4拆解成画面帧，再由DINOv2和DINOv3构成的视觉模型分析，随后对每帧评分并汇总，给出整段视频与AI生成内容的相似程度。

关键在于，它并不依赖六根手指、人物穿模或水杯忽然消失等传统破绽。

按照官方解释，SVD NIM检测的是生成与去噪期间遗留的底层统计特征、频率异常，以及正常相机很难拍出的像素规律；即便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，视频并不存在早期AI视频常见的画面崩坏或前后不一致现象，SVD NIM却依旧给出高达99%的综合得分。

当然，它确实很容易被看出是假的……毕竟运镜过于平滑。

在我看来，英伟达的检测思路的确比单纯寻找画面破绽更可靠。

如果毫无背景说明地让大家观看下面这段视频，我认为至少八成左右的人无法辨认它完全由AI生成；Seedance和Kling如今的视频生成能力，确实已经达到这种程度。

英伟达表示，其内部测试集包含超过4000个视频，SVD NIM检测成功率达到85.64%，面对未压缩视频时，准确率更高达92%。

不过，92%的准确率并不代表每次检测都正确。

宣传稿没有提及，但英伟达在说明文档中标明，这一高准确率采用了偏严格的阈值采样，真实场景下可能产生大量误判。因此，它更适合视频网站初步筛查；发现可疑素材后，仍应由人工继续核实。

此外，这项准确率来自采用H.264编码的MP4格式视频，任何转码或压缩都会使准确率降低，只能说老黄的免责声明确实相当专业。

反AI实测：朱雀尚可，反诈中心发挥不稳定

现阶段，英伟达的SVD NIM距离普通用户确实还有些远。

国内也有能够直接使用的同类检测工具，一款是腾讯朱雀AI检测助手，另一款是反诈中心App中的“AI内容鉴定”。两款应用均支持检测文字、图片和视频，每天还提供一定数量的免费次数。

为了验证AI识别AI究竟是否可靠，我准备了一组混合测试素材：

素材包括几张主流模型直接生成的图片和几张手机实拍照片，以及一段精心选取的AI视频与Vlog题材真实视频。部分素材还经过微信传输或截图，用来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做得很好：略显模糊的分辨率、轻微摇晃的模拟镜头，与角色动作神态融合后，很有老电影的感觉。制作者还手绘大量分镜图供模型参考，可以说把Seedance的制作能力发挥得十分充分。

结果腾讯朱雀第一轮就判断失误。

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记在坐标系中。

只是检测效率确实不高，一段13s的视频耗时两分钟。

反诈中心内容检测更夸张，我尝试半个小时仍未成功上传，只能放弃。

第二轮改测真实视频。

当然不能选择过于简单的真实视频。我挑了一段许多视频生成模型都爱模仿的Vlog：制作者使用的相机不错，镜头衔接自然顺滑，街头光影也很有质感，已经达到一眼难辨真假的程度。

结果您猜如何，腾讯朱雀再次判断错误。

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，意味着模型发现的合成内容证据并不多。

反诈中心依旧没有上传成功，若真有老人想用这个功能，恐怕会很辛苦。

接下来测试图片，不再逐一细说。素材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，后两张均通过后期处理和压缩去除了水印。

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断成了AI。

反而是此前多次无法上传视频的内容检测，这次三题全部答对，说明反诈中心在算法层面仍有一些优势。

最后还得抱怨一下，两款工具给出的免费次数都不多，真正遇到问题时未必够用。

AI识别能力偏弱，但仍然胜过完全没有

完成这一轮测试后，我对AI检测工具的信心只能说略胜于没有。

视频检测方面，英伟达表现尚可，腾讯朱雀却完全不可靠，甚至给出了相反答案。图片检测相对好些，但腾讯朱雀仍会把真实图片判成假图；反诈中心内容检测的服务器则多数时间处于爆满状态，根本无法上传内容。

机器本身都无法确定，人们就更不该急着拿检测截图到评论区下结论。

依我看，与其事后猜测图片有没有AI痕迹，不如在生成时直接添加水印和来源记录，这显然更加可靠。

如今谷歌已使用SynthID为生成内容加入隐形标记，Adobe等公司也在推进C2PA，尝试记录文件从生成到修改的全过程。国内同样在跟进，网信办已明确规定AI内容需要添加标识，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。

但目前这些机制还未彻底贯通。

自行部署开源模型后，生成内容必然不带水印；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，从目前国内厂商相互防范的情况来看，同样存在问题。

因此，在所有环节真正贯通之前，普通人只能多留一份心。