当人眼分辨AI作品开始失效：我在线体验了合合信息 AI 跨模态鉴伪，图片、视频、文本如何被高效识别？

当人眼分辨AI作品开始失效：我在线体验了合合信息 AI 跨模态鉴伪，图片、视频、文本如何被高效识别？

过去，我们判断一张图片是不是真的，往往会放大观察人物的手指、文字边缘和光影方向；判断一段视频是否经过伪造，会留意口型、表情以及声音是否自然；判断一篇文章是不是 AI 写的，则可能依据措辞是否模板化、句式是否过于工整。

但这些经验正在迅速失效。

生成式 AI 已经不再局限于生成一张带有明显错误的图片。它可以修改支付截图中的金额，替换照片中的局部对象，生成口型自然的人物视频，也可以将机器生成的文本改写成更接近个人表达习惯的版本。更麻烦的是，这些内容往往还会经过截图、压缩、裁剪、转码和二次编辑，进一步抹去原始生成痕迹。

在这种情况下，仅凭人眼寻找“六根手指”或者语句中的“AI 味”，很难继续承担内容真实性判断的任务。

2026年世界人工智能大会期间，合合信息升级了 AI 跨模态鉴伪技术，将鉴别范围从此前的图像和人脸视频，拓展至图片、视频、文本等主要信息介质，并面向社交聊天、图文资讯、电商交易、短视频分享和学术研究等场景提供鉴别能力。

这次我将从一个线上技术体验者的角度，重点关注三个问题：

1. 所谓“跨模态鉴伪”，是不是把不同内容统一交给一个模型判断？
2. 图片、视频和文本分别可以留下哪些机器可识别的证据？
3. 鉴伪系统真正适合承担什么角色，能不能把结果直接理解成最终结论？

一、先说体验感受：有价值的不只是“真”或“假”

合合信息提供的线上扫描全能王AI鉴伪小程序支持上传多种类型的素材，包括 AI 生成图片、真实照片、经过编辑或合成的图片，以及视频和文本。检测完成后，页面会展示鉴别结论及相应的置信度。按照投放材料中的要求，这次体验的重点也并非单独测试某一种图片，而是观察系统是否具备跨图片、视频和文本的检测能力。

这里有一个容易被忽略的细节：相比简单地显示“真”或“假”，置信度实际上更重要。

现实中的内容鉴伪很少是边界清晰的二分类问题。一张图片可能是相机拍摄的，但其中一小块区域被 AI 修改；一段视频可能主体真实，但背景、口型或音轨经过生成式编辑；一篇文本可能由人类写出初稿，再经过大模型润色。

因此，“这份内容是不是完全由 AI 生成”与“这份内容中是否存在生成或篡改痕迹”，本身就是两个不同的问题。

从实际使用角度看，置信度可以被理解为一种风险信号：

• 低风险内容可以继续进入正常业务流程；
• 中等风险内容可以结合来源、元数据和上下文进一步检查；
• 高风险内容则可以进入人工审核或专业取证流程。

这比把检测器当成一台只会输出“真”“假”的机器更合理。

本文我将通过实际测试来帮助我们观察：系统究竟是在记忆某个模型的固定“指纹”，还是能够从更广泛的语义、频谱、噪声、时序和结构特征中发现异常。

二、“跨模态”并不意味着所有内容都走同一条检测路径

“跨模态鉴伪”很容易让人联想到一个巨大的统一模型：无论用户提交图片、视频还是文字，都直接送入同一个神经网络。

但从合合信息公开的技术介绍来看，更准确的理解是：系统围绕图片、视频和文本建立了差异化的检测路径，再通过统一的产品入口和可信鉴别体系向用户提供服务。

这是一个重要区别。

因为不同信息介质中的伪造证据并不相同：

如果强行使用完全相同的特征空间处理三种介质，反而可能损失各自最关键的取证信息。

因此，这套技术的核心价值不只是“支持三种文件格式”，而是在同一真实性判断框架下，对不同介质分别寻找更适合的证据。

三、图片鉴伪：既要看画面表达，也要看像素背后的生成痕迹

图片通常是普通用户最先接触到的 AI 鉴伪场景。

早期 AI 图片的破绽比较明显，例如手指数量错误、文字无法辨认、物体结构违反常识。但随着扩散模型和图像编辑模型持续升级，仅依靠语义错误已经不够。

现在一张看起来完全合理的图片，仍然可能在频域、噪声和局部纹理中留下生成痕迹。

合合信息公开材料中提到，其图像鉴伪会综合分析图像语义信息、频谱伪影和噪声分布异常，用于判断图片是否由 AI 模型生成或经过篡改；覆盖的类型不仅包括 AI 生成，还包括 AI 编辑和人工伪造。

可以把这些检测维度粗略分成两层。

1. 高层语义特征

高层语义关注的是“画面表达了什么，以及这些内容是否合理”。

例如：

• 人物、物体与背景之间是否符合常识；

• 阴影方向和光源位置是否一致；

• 镜面、玻璃和水面反射是否符合物理规律；

• 局部替换区域与周围内容是否存在语义冲突；

• 文字、标识和重复纹理是否出现异常。

但高层语义检测也有局限。生成模型正在变得越来越擅长遵循物理和语义约束。仅靠寻找明显的内容错误，很容易漏掉高质量生成图片。

2. 底层视觉特征

底层特征不主要关心图片画了什么，而是研究这张图片“如何形成”。

真实相机拍摄通常会经历镜头成像、传感器采样、图像信号处理、压缩编码等过程。AI 生成图片则来自神经网络的逐步生成或重建。两种形成机制不同，可能造成不同的频率分布、噪声模式和局部统计规律。

例如，在肉眼看起来十分平滑的区域，模型可能检测到异常的高频分量；在看似自然的纹理中，可能出现与真实传感器噪声不一致的分布；局部 AI 编辑也可能破坏原图连续的成像特征。

公开研究同样表明，面对越来越高保真的 AI 图片，仅使用单一线索并不可靠。AIDE相关研究通过结合高层语义特征与低层噪声、频率特征，提高对复杂生成图片的识别能力，同时也指出，AI生成图片检测远未被彻底解决。

需要强调的是，AIDE只是投放材料提供的学术参考案例，并不等同于合合信息的具体模型架构。它能够帮助我们理解一个行业趋势：图片鉴伪正在从寻找单一伪影，转向对语义、频谱、噪声和局部结构进行综合判断。

3. 实测扫描全能王AI鉴伪小程序图片鉴伪能力

针对以上的各种技术问题，我准备了18组测试图片，最终测试结果如下：

经过18轮实测，在不同场景下，扫描全能王AI鉴伪小程序都能够精准分辨出我上传的图片的AI占比以及真实程度。

四、视频鉴伪：单帧看不出的问题，可能会在时间轴上暴露

如果把视频拆成一张张静态图片，很多 AI 视频的单帧质量已经非常高。但视频比图片多了一个关键维度：时间。

一个物体在连续帧中的运动，需要保持位置、速度、形状、光照和遮挡关系的一致性。生成模型即使能够做好单帧，也可能在连续生成过程中产生细微的不稳定。

根据合合信息的技术介绍，其视频鉴伪会结合视频时序、运动规律、时空频域和传感器噪声等检测维度，并关注帧间物体抖动、运动轨迹异常以及时空网格伪影等线索。

这类异常未必会表现成明显的“画面崩坏”。

例如：

• 人脸轮廓在连续帧中发生轻微跳动；

• 嘴唇动作与面部肌肉变化不同步；

• 背景物体在镜头运动过程中产生不自然的形变；

• 饰品、头发和衣物纹理在相邻帧间突然改变；

• 物体运动轨迹缺少真实世界中的连续性；

• 视频经过生成或重建后，留下周期性的时空伪影。

人眼观看视频时更关注故事内容和人物动作，很难逐帧比较这些细节。算法则可以把连续帧转化为时序信号，对运动和频率分布进行系统分析。

这也是视频鉴伪不能简单等同于“对每一帧执行一次图片鉴伪”的原因。单帧检测只能提供空间证据，而视频还需要利用时间轴上的一致性证据。

视频场景实测结果如下图所示：

我这里准备了五组不同场景的视频，经过扫描全能王AI鉴伪小程序鉴别之后，我们可以看到结果如图所示，精准的分辨出了真实视频和AI内容，大家如果有好的视频，也可以直接前往小程序测试体验～，另外在“AI较真大赛”中也可以更直观的体验AI视频鉴伪的价值，如下图所示为真假视频辨别关卡：

五、文本鉴伪：统计“AI味”已经不够，需要进入语义和逻辑层

相比图片和视频，文本鉴伪更加容易引发争议。

这是因为文字本身不存在传感器噪声，也没有稳定的像素频谱。人类和 AI 还可以使用相同的词汇、语法和写作模板。一篇由人类撰写的公文可能非常规范，一篇经过精心提示和人工改写的 AI 文本则可能十分自然。

传统文本检测往往依赖词频、句长、标点使用习惯或者困惑度等统计特征，但这些特征容易受到同义词替换、句式重写和提示词设计的影响。

合合信息公开介绍称，其生成式 AI 文本鉴定会从表层统计进一步进入语义层，分析模型生成过程中容易出现的高概率表达形式，并关注 AI 文本与人类写作在深层语义连贯性、句法结构微小畸变以及高维逻辑表征上的差异。

这里可以用一个简单例子理解。

一段文本的每一句话单独看都可能正确，但把整段内容放在一起，可能出现以下情况：

• 不同段落重复表达同一个结论；

• 论点之间缺少真实的因果推进；

• 内容看似完整，却回避具体事实或限定条件；

• 句法结构过于稳定，缺少自然写作中的变化；

• 局部措辞自然，但全文逻辑表征呈现异常一致性；

• 大量使用高概率、安全但信息密度较低的表达。

这些特征不一定能被读者明确指出，却可能在模型的高维表示空间中形成可检测的模式。

不过，文本检测结果尤其需要谨慎使用。检测器不应仅凭某种“写作风格”否定内容，更不能把一次模型判断直接作为学术不端、职业处罚或法律责任的依据。

更合理的使用方式，是将文本鉴伪作为风险筛选工具，并结合版本记录、引用来源、写作过程、事实准确性和人工复核作出综合判断。

文本部分我也做了一些实测，结果如下图所示：

通过不同纬度的文案测试，文本鉴伪部分对AI味道的文案能够有效的区分，大家有想测的文案，欢迎评论区交流讨论，也可以直接前往小程序体验～

六、线上“AI较真大赛”最有意思的地方：它暴露了人类判断的不稳定

除了上传素材进行检测，合合信息还在线下的WAIC展位设计了“AI较真大赛”互动挑战，内容包括转账截图、社交媒体人像照片、萌宠视频和论文文本等。参与者需要先依靠自己的观察作出判断，再与 AI 检测结果进行对比。

从技术角度看，这种形式比直接罗列准确率更容易让普通用户理解鉴伪的必要性。

当我们看到一张转账截图时，通常会关注姓名、金额和时间是否合理，却不一定检查字体边缘、背景纹理和局部压缩特征；看到一段人物视频时，会被说话内容吸引，很少逐帧分析嘴部、眼睛和背景的运动一致性。

人类的判断还会受到先入为主的影响。

当题目提示“其中可能有一张是真的”，用我们可以主动寻找异常；但在真实社交平台中，人们往往默认收到的内容是真的。相同素材放在不同上下文中，判断结果可能完全不同。

所以，“人眼与 AI 对比”的意义并不是证明机器永远比人更正确，而是说明：面对规模化、跨介质和高仿真的生成内容，真实性判断已经无法只依赖个人经验。

七、真正的产品价值，不是代替人下结论，而是承担规模化初筛

对开发者和企业技术决策者来说，评估一套鉴伪技术时，不应该只问“它能不能判断一张图”。

更关键的问题是：

• 能否处理不同生成模型和不同伪造方式；

• 能否覆盖图片、视频和文本等多种业务输入；

• 能否承受截图、压缩和二次编辑带来的分布变化；

• 能否提供置信度或其他可供业务系统使用的风险信号；

• 能否接入审核、风控和内容治理流程；

• 能否在实际业务量下稳定运行。

合合信息披露，其 AIGC 鉴伪技术已经应用于金融、保险和电商等场景，仅图文鉴伪技术即可完成日均数十万条内容的全量核验，并逐步替代传统的人工抽样审核方式。

这里体现的是自动化鉴伪与人工审核之间的根本差异。

人工审核适合处理复杂、模糊和需要上下文判断的案例，但很难对海量内容逐条检查。算法系统则适合完成高并发初筛、风险排序和异常发现，再把少量高风险内容交给人工复核。

这种组合可以应用在很多具体场景中：

金融与支付

检查转账截图、收入证明、电子凭证或业务材料是否存在局部篡改，并将高风险材料转入人工审核。

保险理赔

识别事故图片、票据、视频和说明文本中的生成或编辑痕迹，辅助发现重复理赔、伪造材料和内容不一致问题。

电商平台

检测商品图片、评价截图、聊天记录和售后材料中的异常，辅助处理虚假宣传与交易纠纷。

内容平台

对图文资讯、短视频和用户投稿进行自动化风险筛选，减少虚假内容在传播链路中的扩散。

学术与教育

将 AI 文本检测作为辅助信号，同时结合引用、实验数据、写作记录和人工审查判断内容的真实性与原创性。

八、也要理性看待：鉴伪不是一劳永逸的“终局技术”

生成技术和鉴伪技术之间，本质上是一场持续演化的攻防。

新的生成模型不断减少旧有伪影，内容还可能经过压缩、滤镜、截图、转码和人工修改。检测系统如果过度依赖某个模型或某种固定特征，面对未见过的生成器时，就可能出现性能下降。

学术研究已经反复说明，真实网络环境中的高质量生成内容，往往比标准测试集中的样本更加难以识别。AIDE在研究中评估多个现有检测器时发现，它们在更贴近真实环境的高保真 AI 图片上可能出现明显的泛化问题。

此外，检测结果的可解释性同样重要。

如果系统只输出一个概率，却无法说明风险来自哪里，审核人员就很难继续验证。FakeShield等公开研究已经开始探索同时进行图片真假判断、篡改区域定位和人类可理解解释，这也说明鉴伪技术正在从单一分类逐步走向“判断—定位—解释”的完整链路。

这类研究同样只是行业技术方向的参考，不能直接用于推断合合信息采用了相同的模型结构。

对普通用户而言，最稳妥的原则仍然是：

检测结果可以提高警惕，但不应脱离来源、上下文和其他证据，被直接视为最终裁决。

结语：从“我觉得是真的”，转向可验证的内容可信机制

生成式 AI 带来的问题，并不是网络上突然多了一批“假图片”。

真正的变化在于，图片、视频和文本都可以被低成本地生成、修改和批量传播，而普通用户很难判断内容经过了什么处理。

在这个背景下，合合信息将 AI 鉴伪能力从图像和人脸视频进一步扩展到图片、视频、文本等主要信息介质，其意义并不只是多支持了几种文件格式，而是试图建立一套覆盖不同内容载体的可信鉴别体系。相关技术展示面向开发者及技术决策者，重点呈现扫描全能王在 AI 鉴伪方面的能力深度。

从线上体验和公开技术信息来看，我认为这类工具最现实的定位有两种：

对普通用户，它是一种低门槛的真实性检查入口，帮助我们在转发、付款或采信内容之前多做一次验证。

对企业和平台，它更适合作为自动化风险筛选基础设施，对海量图片、视频和文本进行初步核验，再与人工审核、来源验证和业务风控机制配合。

当生成内容越来越接近真实，“看起来没有问题”已经不能等同于“内容可信”。

开发者也需要开始考虑：未来的 AI 应用不仅要能够生成和理解内容，还应当具备判断输入是否真实、来源是否可靠、内容是否经过修改的能力。

想测试自己能否分辨 AI 生成和篡改内容，可以进入合合信息扫描全能王AI鉴伪小程序，分别准备真实素材、AI 生成素材和二次编辑素材进行对照测试。相比只测一张图，更建议同时测试图片、视频和文本，并重点观察不同处理方式是否会影响检测结论及置信度。