El vídeo sintético falla en los bordes y a lo largo del tiempo. Los generadores son buenos produciendo una superficie verosímil y malos manteniendo la coherencia allí donde un objeto se encuentra con otro; y peores todavía conservando idénticos los detalles arbitrarios de un segundo al siguiente.

Eso te da un método práctico: deja de mirar fijamente la cara y ponte a revisar bordes y secuencias. Un fotograma suelto puede ser impecable. Diez segundos del mismo plano casi nunca lo son.

¿Qué conviene revisar primero por dar más resultado?

Ordenado por la frecuencia con que dan una respuesta clara, no por lo evidentes que resulten.

Revisión Qué buscar Por qué funciona
Manos y dedos Cuenta los dedos; observa dedos que se cruzan o que agarran Las manos tienen mucha articulación y se ocultan a sí mismas constantemente: es la geometría más difícil de mantener coherente
Pendientes y joyas Asimetría entre orejas, deriva de la forma, piezas que desaparecen tras el pelo y vuelven distintas Los objetos rígidos pequeños no tienen una referencia fuerte; el generador los improvisa fotograma a fotograma
Mechones de pelo contra el fondo Mechones sueltos en el borde de la silueta; hebras que se funden con el fondo El detalle fino de transparencia en un borde es donde se concentran los artefactos de recorte
Dientes y lengua al hablar Número y forma de los dientes que cambian a media frase; geometría de la lengua Las estructuras interiores de la boca se regeneran a menudo de un fotograma a otro
Coherencia temporal Congela el mismo plano en 0s, 2s y 4s; compara lunares, cicatrices, tatuajes, largo de uñas, estampado de la tela Los detalles sin restricción estructural derivan porque nada obliga a que persistan
Piel en los puntos de contacto Donde una mano presiona la piel, o donde la piel toca la tela La deformación por contacto exige una física que el modelo solo aproxima
Texto en pantalla Carteles, envases, rótulos sobreimpresos El texto es el fallo clásico: letras verosímiles, palabras sin sentido
Reflejos en los ojos Brillos que no coinciden entre un ojo y otro, o que no reflejan nada coherente Los reflejos exigen un modelo de la escena que no existe

La fila de la coherencia temporal es la técnica más potente por sí sola y la más desaprovechada. Pausa el mismo plano en varios momentos y compara un detalle concreto y arbitrario: la forma exacta de un lunar, el estampado de una sábana, el largo de una uña. Una cámara registra el mismo objeto; un generador lo reinventa.

¿Por qué los fotogramas sueltos engañan hoy a la gente?

Porque la calidad por fotograma es lo que más ha optimizado la investigación en generación, y está en buena medida resuelta para la imagen fija.

Las señales antiguas —piel de cera, simetría inquietante, orejas deformes— son artefactos de modelos anteriores, y buscarlas da falsa confianza cuando no aparecen. Juzgar una generación de 2026 con los artefactos de 2022 produce respuestas equivocadas y muy seguras en ambos sentidos.

Lo que no se ha resuelto con la misma solidez es la persistencia: mantener idéntico cada detalle sin restricción a lo largo de cientos de fotogramas mientras la cámara y el sujeto se mueven. Ahí es donde vive la evidencia que queda.

¿Cómo se comprueba la coherencia en la práctica?

  1. Elige un plano continuo, sin cortes. Los cortes lo reinician todo y le dan al generador vía libre.
  2. Pausa en tres o cuatro momentos de ese plano.
  3. Elige un detalle arbitrario y no estructural: un lunar, un grupo de pecas, el borde de un tatuaje, un estampado, la forma de una uña, una cadena.
  4. Compáralo entre tus pausas. El detalle real es estable. El sintético deriva, cambia de forma, o desaparece y vuelve distinto.
  5. Repite con un segundo detalle en otra zona del fotograma. Un detalle que deriva puede ser compresión; dos ya son un patrón.
  6. Observa una mano cruzando por delante de algo y avanza fotograma a fotograma. Los bordes de oclusión son donde la coherencia se rompe de forma más visible.

¿Puede la búsqueda facial decirte si un vídeo es sintético?

No directamente, y conviene ser preciso sobre lo que puede y no puede aportar.

La búsqueda facial compara tu fotograma con rostros indexados y devuelve puntuaciones de similitud. Lo que eso te da es una señal de procedencia, no un veredicto sobre si hay síntesis:

  • Una coincidencia fuerte con una actriz real e indexada te dice que el rostro se parece al de una persona real. Eso es compatible con un lanzamiento auténtico y también con un cambio de cara sobre otro metraje. Acota la pregunta, no la responde.
  • Ninguna coincidencia no te dice casi nada. Nuestro índice contiene 241,792 rostros, con 2,333 vinculados a una actriz con nombre en 106 sitios (nuestro índice, muestra de 2026-08), y 2,246 de esos 2,333 tienen su imagen representativa de una única fuente. La ausencia es mucho más a menudo un problema de cobertura o de calidad del fotograma que una prueba de síntesis.

La combinación útil es una coincidencia facial fuerte junto con fallos en las comprobaciones temporales de más arriba. Ese patrón encaja con la imagen de una actriz real aplicada sobre metraje generado o sustituido, y eso es un asunto grave, porque se hace sin su consentimiento.

Un límite que conviene decir: ninguna de estas comprobaciones es una prueba definitiva. Desplazan la probabilidad. Quien ofrezca certeza sobre medios sintéticos a partir de la sola inspección visual está prometiendo más de lo que la evidencia sostiene.

¿Y los detectores automáticos?

Trata su resultado como un dato más, no como un veredicto.

Los detectores se entrenan con las salidas de familias concretas de generadores y pierden precisión conforme esas familias cambian. Además empeoran justo con el material que es probable que estés examinando: vídeo recodificado, redimensionado y con marca de agua, donde la compresión ha destruido las huellas estadísticas finas de las que dependen los detectores. Los falsos positivos y los falsos negativos son igual de habituales.

Cuánto empeoran sí se ha medido, al menos en la literatura de investigación. Una evaluación ciega independiente celebrada junto a un congreso de visión por computador de 2025 dio a su participante más fuerte un 0.93 de AUC sobre vídeo generado sin tocar, 0.74 tras aplicarle un posprocesado corriente, y en torno a 0.62 sobre metraje grabado desde una pantalla; lo último, no muy lejos de lanzar una moneda. Otro trabajo distinto halló detectores que superaban el 96% frente al generador con el que se habían entrenado y caían a mitad de la cincuentena frente a uno con el que no.

Esos son sistemas de investigación evaluados en condiciones controladas. Para las herramientas de «¿esto es IA?» pensadas para el público, a las que sí puedes acceder, no existe ninguna cifra de precisión reproducida de forma independiente: la única evaluación que sí incluyó detectores comerciales de vídeo estaba obligada por contrato a anonimizar a los proveedores, que es lo contrario de reproducible. Por eso esta página no cita ninguna cifra de precisión de ninguna herramienta concreta, y una herramienta que cite una sobre sí misma no te ha dicho nada que puedas comprobar.

Fuentes: pista de vídeo del SAFE Challenge (ICCV 2025); evaluaciones GenVidBench y Deepfake-Eval-2024; comprobado el 2026-08-03.

¿Por qué importa esto más allá de la curiosidad?

Porque las representaciones sintéticas no consentidas de personas reales son un daño real, y la identificación errónea lo agrava.

Si un vídeo parece mostrar a una persona real e identificable y no supera las comprobaciones de coherencia, la respuesta responsable es tratarlo como no verificado y evitar redistribuirlo, no publicar una conclusión. Acusar en falso a un metraje de ser sintético perjudica a una actriz real; dar por auténtico lo que no lo es difunde una representación fabricada. Los dos errores tienen a una persona al otro lado.

Preguntas relacionadas

Si quieres respuesta a la mitad de la pregunta que trata de la procedencia, sube un fotograma aquí. Te dirá si el rostro coincide con alguna actriz indexada, con una puntuación; la detección se ejecuta en tu navegador y el original nunca sale de tu dispositivo.