英伟达出手，AI视频分析工具实测：普遍很弱，但总比没有强

经常在互联网上被AI视频假冒的黄仁勋，终于决定出手了。

这套工具可以对视频进行逐帧分析，通过检测生成模型在创造内容时留下的统计痕迹和频域特征，来识别哪些视频是AI生成的。据官方宣称，其准确率最高可达92%。

说起来，也难怪英伟达要亲自下场。生成假图、假视频的门槛，现在低得令人发指。

举个例子，前阵子刷到一个视频：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。

挺好笑的对吧？如果不是AI生成的，那就更好了。

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，比如嘴型对不上、手指数量不对。但现在视频生成模型的进步速度实在太快了，很多生成内容已经不会留下这些明显的漏洞，也难怪家里的长辈能天天被这种内容“钓鱼”。

英伟达加入“用AI检测AI视频”大军

先简单介绍一下背景。英伟达在2024年3月发布了NVIDIA Inference Microservices，简称NIM。这东西本质上就是把“模型+推理+API接口+运行环境”等打包成一个部署工具，方便开发者快速上手AI服务。

而这次发布的

，可以理解为英伟达在NIM标准下，打包的一套专门用于检测AI视频的服务。

因为它主要面向本地部署场景，目前想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，以及兼容NVENC/NVDEC视频编解码的硬件，普通用户想用上，门槛确实不低。

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，然后交给由DINOv2和DINOv3组成的视觉模型进行分析，最后给每一帧打分并汇总，告诉你整段视频到底有多像AI生成的。

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些传统艺能。

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，也依然能保持较高的识别概率。

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。

英伟达这套思路，确实比盯着画面里的破绽要靠谱些。毕竟，在没有前情提要的情况下，给大伙看下面这段视频，至少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，已经到了这个地步。

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检测的成功率高达85.64%，未压缩视频的准确率更是高达92%。

当然，92%的准确率不能理解成百发百中。尽管在宣传稿里没提，但英伟达在说明文档里还是标注了：这么高的准确率，是由偏严格的阈值采样得到的，在真实环境中可能造成大量误判。所以，这东西更适合给视频网站做初筛，发现可疑素材，还是得交给人工继续核实。

反AI实测：朱雀还行，反诈中心不稳定

目前来看，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，而且直接打开就能用。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”。两款应用都支持文字、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：

第一轮，先来点AI视频。

这段视频本身质量很高，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，很有老电影的感觉。制作者手绘了大量分镜图供模型参考，可以说完全发挥了Seedance的制作能力。

结果，腾讯朱雀第一个就栽了。

作为对比，我找了一个通过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。不过，检测速度确实不快，13秒的视频花了近两分钟。

第二轮，换上真实视频。

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。

你猜怎么着？咱们腾讯朱雀又翻车了。

英伟达这边相对还是要强不少，虽然也给出了34%的综合得分，但这毕竟是个参考数值，意味着模型检测到的合成内容证据不多。

至于反诈中心，我还是没有上传成功。要是有老人家真想用这功能，那可就遭罪了。

接下来换图片，这里就不详细展开了。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、压缩抹除了水印。

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”的活。

相反，之前折腾了好几次没传上视频的内容检测，这次倒是做到了三题全对。看来反诈中心在算法上还是有些优势的。

AI识别很弱，但总比没有要强一点

这一轮测下来，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，但腾讯朱雀依然能整出把真图当假图的好活，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。

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。

问题是，这套体系目前还没有完全连起来。

去部署一个开源模型，生成的内容必然也是没有水印的；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。