AI生成视频的普遍性与识别挑战 - 互联网上充斥着大量真假难辨的AI生成视频，例如伪造的“中俄混血女明星回应”视频，其背景签名板和媒体logo均为虚假内容[1] - AI视频的识别难度日益增加，部分视频如寿喜火锅、烤面包等因细节把控精准而极难辨认，用户在无参照物的情况下大多不会质疑其真实性[4] - 存在故意给真实视频添加AI水印以混淆视听的现象，例如通过“Sora Maker”网站可为任何真实视频打上Sora水印，加剧了信息辨别的困难[11][13] AI视频识别技术的局限性 - 传统的鉴别方法如观察人物眼睛闪烁、口型不匹配或背景扭曲等已因技术迭代而基本失效[14] - 通过视频时长进行判断的方法也不再可靠，因AI模型已具备首尾帧续写功能，理论上可生成无限时长的视频[14] - 现有AI检测工具的准确率参差不齐，例如CatchMe工具在测试中对AI视频的生成概率检测结果为0%，准确率不高[21] 现有的AI内容检测工具 - AI or Not工具宣称在公开数据集上的检测准确率达到98.9%，可对图像、文本、音乐、声音和视频进行多模态检测，但视频检测需付费[16][17][18][22] - Deepware Scanner是一款专注于检测深度伪造视频的免费工具，但使用时常出现“无法扫描”的情况[24][25] - Google SynthID Detector并非通用鉴定器，其功能仅限于识别内容是否带有谷歌AI模型的SynthID水印[28][29] 行业监管与应对措施 - 中国国家网信办等四部门已于2025年9月1日开始施行《人工智能生成合成内容标识办法》，强制要求AI合成内容打上“电子水印”[9] - OpenAI在推出Sora2时也采取了为生成视频打水印的方式，以应对假信息泛滥和社会信任危机风险[7][10]

AI生成内容现状 - AI每天能创作数千万张图片 短短一年多生成的图片量可能超过人类摄影师一个半世纪的总和 [7] - AI生成内容正以前所未有的速度和逼真度充斥数字生活 从图片到文字再到视频 真假界限日益模糊 [7] 识别AI文字特征 - 故作精确 例如"寒意刺进她第四节胸椎"等不常规写法 [16] - 词汇堆砌 频繁使用"褶皱 青铜 生物编码 宇宙 银河 雪松味"等生僻词 [16] - 比喻轰炸 短时间内抛出过多未消化的比喻 [17] - 过度工整 语法无懈可击但缺乏自然节奏感和情感起伏 [18] 识别AI图片技巧 - 检查手部/牙齿/眼睛等细节 观察手指数量 牙齿排列 瞳孔形状 [21] - 审视光影一致性 物理合理性 背景元素有无扭曲或重复 [23] - 留意异常对称和过度完美 [24] - 使用反向搜图追溯图片来源 [26] 识别AI视频方法 - 关注面部细节异常 如眼神 微表情 面部对称性 [31] - 观察不合逻辑的动作 如不自然的习惯性小动作 [32] - 检查环境破绽 光线一致性 背景扭曲 物理规律违背 [33] - 互动测试 要求按压面部观察变形自然度 [35] AI检测工具发展 - 文本检测工具包括Grammarly ZeroGPT Scribbr等 分析语言模式和重复性 [41] - 图片/视频检测工具包括deepfakedetector Hive Moderation等 [42] - 腾讯朱雀实验室推出基于深度学习的AI生成内容鉴别工具 [44]