雷科技
经常在互联网上被AI视频假冒的黄仁勋决定出手了。
近日，英伟达宣布推出Synthetic Video Detector NIM，这套工具号称可以逐帧分析视频，通过生成模型留下的统计与频域痕迹，分析出哪些内容是AI生成的视频，准确率最高可达92%。
（图源：英伟达）
没办法，谁让现在生成假图、做假视频的门槛越来越低。
就拿我前阵子刷到的一个视频为例，内容蛮简单的，一只猫刚把花瓶碰碎，转头就溜得比谁都快，旁边的狗子当场愣住，疯狂挥爪解释，表情像是在说：不是我，真的不是我。
（图源：抖音）
挺好笑的对吧，如果不是AI视频就更好了。
更麻烦的是，以前判断假视频，还能靠一些比较明显的画面破绽，比如说什么嘴型对不上、手指数量不对啊；现在视频生成模型进步速度飞快，很多生成内容已经不会给我们留下这么明显的漏洞，也难怪我家里的长辈能天天上钩。
既然普通人不知道应该怎么辨别，那也是时候该轮到检测工具上场了。
英伟达加入“用AI检测AI视频”大军
先简单介绍一下，英伟达在2024年3月公布了NVIDIA Inference Microservices，简称NIM，这玩意本质上就是把“模型+推理+API接口+运行环境”等打包成一个部署工具，算是一种让开发者快速获得AI服务的办法。
而这次发布的Synthetic Video Detector NIM，可以理解成英伟达在NIM标准下打包的一套AI视频检测服务。
正因为这玩意主要面向的场景是本地部署，目前想要在线使用必须通过英伟达的媒体测试申请，而本地部署又需要Linux系统和兼容NVENC/NVDEC视频编解码的硬件，普通人想用上还挺困难的。
（图源：英伟达）
不过用不上，不影响我们借着目前的资料和演示好好聊一聊。
根据官方介绍，视频上传后，SVD NIM会先把H.264编码的MP4拆成画面帧，再交给DINOv2和DINOv3组成的视觉模型分析，再给每一帧打分并汇总，告诉你整段视频到底有多像AI生成。
重点是，它不会盯着六根手指、人物穿模或者水杯突然消失这种传统艺能。
按照官方说法，SVD NIM识别的是生成和去噪过程中留下的底层统计特征、频率异常，以及正常相机不太容易拍出来的像素规律，即便用户将视频进行压缩和重新编码，也依然能够保证较高的识别概率。
（图源：英伟达）
参考官方提供的案例，可以看到这个视频本身并没有出现早期AI视频特有的各种画面崩坏、前后不一的问题，但SVD NIM却给出了高达99%的综合得分。
当然这视频确实一眼假...毕竟运镜有点太平滑了。
（图源：英伟达）
要我说，英伟达这套思路确实比盯着画面里的破绽要靠谱些。
毕竟要在没有前情提要的情况下，给大伙看下面这段视频，我想至少有八成左右的人看不出这是完全由AI生成的，现在Seedance和Kling的视频生成能力就是有这么恐怖。
（图源：bilibili）
按照英伟达的说法，他们准备了超过4000个视频的内部测试集，SVD NIM检测的成功率居然高达85.64%，未压缩视频的准确率更是高达92%。
当然了，92%的准确率不能理解成一测一个准。
尽管在宣传稿里没说，但英伟达在说明文档里还是有标注的，这么高的准确率是由偏严格的阈值采样的，在真实环境中可能造成大量误判，所以这玩意更适合给视频网站做初筛，出现可疑素材的话，还是应该交给人工继续核实。
而且这个准确率还是基于H.264编码的MP4格式视频得到的，任何转码和压缩都会降低准确率，只能说老黄的免责声明还是太专业了。
反AI实测：朱雀还行，反诈中心不稳定
目前来说，英伟达这套SVD NIM确实离普通用户还有点远。
不过国内其实也有类似定位的检测工具，直接打开就能用，其中一个是腾讯朱雀AI检测助手，另一个是反诈中心App里的“AI内容鉴定”，两款应用均支持文字/图片/视频检测，每天也有一定次数的免费检测。
为了看看AI抓AI到底靠不靠谱，我准备了一组混合测试：
几张由主流模型直接生成的图片、几张手机实拍照片；一段精心挑选的AI视频，再搭配Vlog题材的真实视频，我还把部分素材发过微信、截过图，准备看看它们应对二次压缩的表现怎么样。
第一轮，来点AI视频。
（图源：bilibili）
这段视频本身我觉得是很不错的，略显模糊的分辨率、微微晃动的模拟镜头和角色的动作神态融合在一起，真的很有老电影的感觉，制作者手绘了大量的分镜图供模型参考，可以说完全发挥了Seedance的制作能力。
于是腾讯朱雀第一个就栽了。
（图源：雷科技）
作为对比，我找一个通过了媒体申请的朋友借了腾讯朱雀的账号，可以看到SVD NIM给出了高达93%的综合得分，意味着这个视频高概率是AI合成的，同时逐帧检测的疑点也在坐标系上标注出来了。
就是这个检测速度确实不快，13s的视频检测了两分钟。
（图源：雷科技）
更牛的还是反诈中心内容检测，我愣是试了半个小时没能传上去，最后只能作罢。
第二轮，换上真实视频。
（图源：雷科技）
当然了，不能是那种简单的真实视频，我选了一个很多视频生成模型都喜欢模仿的Vlog视频，制作者用的相机不错，镜头过渡顺滑自然，街头光影也很有质感，属于一眼真假莫辨的水平。
您猜怎么着，咱们腾讯朱雀又翻车了。
（图源：雷科技）
英伟达这边相对还是要强不少的，虽然也给出了34%的综合得分，但这毕竟是个参考数值，这个意味着模型检测到的合成内容证据不多。
（图源：雷科技）
至于反诈中心，我还是没有上传成功，要是有老人家真的想用这功能那就受罪咯。
接下来换图片，这个就不详细介绍了，总之是同一个题材下的真实图片，以及两张由豆包、image 2制作的AI图片，后面两个均通过后期、压缩抹除水印。
（图源：雷科技，从左到右为豆包、image2和真实照片）
结果刚想夸朱雀这次认出AI图了，它就整了一个真实照片也是AI的好活。
（图源：雷科技）
相反，之前折腾了好几次没传上视频的内容检测，这次倒是做到三题全对，看来反诈中心在算法上还是有些优势的。
（图源：雷科技）
最后吐槽一点，这两家给的免费次数都不多，真遇到啥事还不一定够用咧。
AI识别很弱，但总比没有要强一点
这一轮测下来，我对AI检测工具的信心，只能说比没有强一点。
视频这块，英伟达表现还行，腾讯朱雀完全靠不住，居然能得出相反的答案；图片相对会好一些，但是腾讯朱雀依然能整出真图当假图的好活，而反诈中心内容检测的服务器则大部分时候都是爆满的，根本上传不了内容。
这机器自己都拿不准，人就更别急着拿检测截图去评论区断案了。
在我看来，相比事后猜一张图有没有AI味，生成时直接留下水印和来源记录，显然更加靠谱。
如今谷歌已经在用SynthID给生成内容加隐形标记，Adobe等公司也在推动C2PA，希望把文件从生成到修改的过程记录下来。国内也在跟进，网信办已明确要求AI内容添加标识，腾讯、阿里和字节也在检测、数字签名和平台提示上积极补课。
（图源：雷科技）
问题是，目前这套体系还没有完全连起来。
我去部署一个开源模型，生成的内容必然也是没有水印的；你的图片、视频转发几次，元数据可能就没了；至于平台之间能不能互相认出对方的水印，就目前国内各家厂商互相防范的情况来看，同样也是个问题。
那在这些环节真正打通以前，普通人只能自己多长个心眼了。
7月31日，主题为“与AI同游”的ChinaJoy2026重磅启幕。
腾讯、网易、索尼、高通、迈从、清闲等共计 900 家泛娱乐展商，联袂呈现全球娱乐业饕餮盛宴；
AI加持下，终端、外设、机器人、显示、芯片等硬科技品牌，如何与游戏内容业跨界呈现娱乐新体验？
由创始人兼总编辑罗超领衔，雷科技 ChinaJoy 2026 报道团，即将空降上海滩重磅呈现，敬请关注。
