面对AI视频在网络上泛滥的乱象，英伟达CEO黄仁勋终于坐不住了。近日，英伟达宣布推出Synthetic Video Detector NIM，这套工具号称能逐帧分析视频，通过识别生成模型留下的统计特征和频域痕迹，精准甄别哪些内容是AI生成的，准确率最高可达92%。
随着生成式AI技术的普及，制作虚假视频的门槛日益降低。例如前阵子网上流传的一个视频：一只猫碰碎了花瓶后迅速溜走，旁边的狗子愣在原地疯狂挥爪解释，表情仿佛在说“不是我”。如果这视频确实是AI生成的，那确实挺搞笑的。
以前判断假视频，还能靠嘴型对不上、手指数量不对等明显破绽。但现在视频生成模型进化神速，很多生成内容已经看不出明显的漏洞，难怪家里的长辈容易上当。既然普通人难以辨别，检测工具就派上用场了。
英伟达加入了“用AI检测AI视频”的大军。简单来说，Synthetic Video Detector NIM是英伟达NIM标准下打包的一套AI视频检测服务。它主要面向本地部署，目前用户想要在线使用需通过媒体测试申请，本地部署则需要Linux系统和兼容NVENC/NVDEC视频编解码的硬件，普通用户想用上门槛颇高。
根据官方介绍，视频上传后，SVD NIM会将H.264编码的MP4拆成画面帧，交由DINOv2和DINOv3组成的视觉模型分析，并给每一帧打分汇总。它不关注穿模、手指数量等传统破绽，而是识别生成和去噪过程中留下的底层统计特征、频率异常及像素规律。即便视频被压缩或重新编码，识别概率依然较高。
从官方演示案例看，一段本身没有明显崩坏、运镜却过于平滑的视频，SVD NIM给出了高达99%的综合得分。这表明在Seedance和Kling等模型面前，肉眼确实很难分辨。英伟达声称准备了超过4000个视频的内部测试集，SVD NIM检测成功率高达85.64%，未压缩视频准确率更是达到92%。不过，这高准确率基于严格的阈值采样，在真实环境中可能产生大量误判，更适合作为视频网站的初筛工具。
英伟达的SVD NIM离普通用户较远，国内其实也有类似工具。例如腾讯朱雀AI检测助手和反诈中心App里的“AI内容鉴定”，均支持文字、图片和视频检测。为了测试效果，我准备了一组混合素材，包括主流模型生成的图片、手机实拍照片、精心挑选的AI视频以及真实Vlog。
测试第一轮是AI视频。一段由Seedance制作的视频，画质模糊、镜头微晃、角色神态自然，很有老电影感。腾讯朱雀直接“翻车”，误判为真图。相比之下，借来的SVD NIM账号给出了93%的AI合成得分。反诈中心则因服务器问题半小时未能上传成功。
第二轮是真实视频。选了一个光线质感极佳、过渡顺滑的Vlog视频，真假难辨。腾讯朱雀再次误判为AI，SVD NIM给出了34%的综合得分，表示证据不足。反诈中心依然无法上传。
图片测试中，两张经过处理抹除水印的AI图片（豆包、Image2）与真实照片混在一起。朱雀这次将真实照片误判为AI，而反诈中心则成功识别出AI图片。不过，两款应用的免费次数都不多，且反诈中心服务器常处于爆满状态。
经过实测，我对AI检测工具的信心只能说“聊胜于无”。视频方面，英伟达表现尚可，腾讯朱雀则完全不可靠；图片方面，腾讯朱雀经常出现真图当假图的情况，反诈中心虽然算法准确但服务体验不佳。既然机器自己都拿不准，普通人更别急着拿检测截图去断案了。
相比于事后检测，生成时直接留下水印和来源记录显然更靠谱。谷歌的SynthID和Adobe推动的C2PA都在尝试记录生成过程。国内网信办也已要求AI内容添加标识，腾讯、阿里和字节也在跟进。但目前这套体系尚未打通：开源模型生成的无水印内容、转发中丢失的元数据，以及各平台间的互认壁垒，都是阻碍。在这些问题解决前，普通人只能多长个心眼。