合成影片會在交界處與時間軸上失守。生成模型很擅長做出看起來合理的表面，卻不擅長維持兩個物體相接處的一致性，更不擅長讓那些沒有道理的細節從這一秒到下一秒都長得一模一樣。
這就給了你一個實用的方法：別再盯著臉看，改去檢查邊緣與連續片段。單一格畫面可以毫無破綻，同一個鏡頭連續十秒通常就不行了。
哪些地方最值得優先檢查？
以下按「多常能給出明確答案」排序，不是按「多明顯」排序。
| 檢查項目 | 要看什麼 | 為什麼有效 |
|---|---|---|
| 手與手指 | 數手指；看手指交叉或握東西的時候 | 手的關節活動度高、又經常自我遮蔽 —— 是最難維持連貫的幾何結構 |
| 耳環與飾品 | 兩耳不對稱、形狀漂移、從頭髮後面消失再出現時變了樣 | 小型剛體沒有強烈的先驗，生成模型是一格一格即興編出來的 |
| 髮絲與背景的交界 | 輪廓邊緣上的單根髮絲；融進背景的細碎髮尾 | 交界處的細緻透明度細節，正是去背瑕疵最集中的地方 |
| 說話時的牙齒與舌頭 | 一句話講到一半牙齒數目與形狀變了；舌頭的形狀 | 口腔內部的結構經常被逐格重新生成 |
| 時間一致性 | 把同一個鏡頭停在 0 秒、2 秒、4 秒；比對痣、疤、刺青、指甲長度、布料花紋 | 沒有結構限制的細節會漂移，因為沒有任何東西逼它維持不變 |
| 接觸點的皮膚 | 手壓在皮膚上的地方，或皮膚與布料相接的地方 | 接觸造成的形變需要物理，而模型只是近似 |
| 畫面裡的文字 | 招牌、包裝、畫面上的字幕 | 文字是經典的破綻 —— 字形看起來像樣，組起來卻不成詞 |
| 眼球反光 | 兩眼的反光點不一致，或反射出來的東西前後對不上 | 反射需要一個場景模型，而那個模型並不存在 |
時間一致性那一列是單一技巧裡最強、也最被低估的。把同一個鏡頭停在幾個不同的時間點，比對某個具體而任意的細節 —— 一顆痣的確切形狀、床單上的花紋、一片指甲的長度。攝影機記錄的是同一個物體；生成模型則是把它重新發明一次。
為什麼現在單張畫面騙得過人？
因為單格畫質正是生成技術研究最用力優化的東西，而在靜態影像上，它大致已經解決了。
那些舊的判斷依據 —— 蠟像般的皮膚、詭異的對稱、扭曲的耳朵 —— 是更早期模型的瑕疵，拿它們去檢查，在瑕疵不存在時只會給你錯誤的安心感。用 2022 年的瑕疵去判斷 2026 年的生成結果，兩個方向的錯誤答案都會下得很有信心。
還沒被同樣徹底解決的是持續性：在攝影機與被攝者都在動的情況下，讓每一個不受約束的細節在幾百格之間保持完全相同。剩下的證據就住在那裡。
實務上要怎麼檢查一致性？
- 挑一個連續的鏡頭 —— 中間不能有剪接。剪接會把一切重置，等於直接放生成模型過關。
- 在那個鏡頭裡暫停三到四次。
- 選一個任意的、非結構性的細節：一顆痣、一叢雀斑、刺青的邊緣、布料印花、指甲形狀、一條飾品鏈。
- 在你的幾個暫停點之間比對它。 真實的細節是穩定的。合成的細節會漂移、變形，或消失後以不同的樣子回來。
- 換畫面另一個區域的第二個細節再做一次。 一個細節漂移可能是壓縮造成的；兩個就是模式了。
- 找一段手從某個東西前面經過的畫面，逐格看過去。遮蔽的交界處，正是連貫性崩掉得最明顯的地方。
臉搜能告訴你一支影片是不是合成的嗎？
不能直接告訴你 —— 而且我們有必要把它能貢獻什麼、不能貢獻什麼講精確。
臉搜是拿你的畫面去和索引裡的臉比對，回傳相似度分數。它給你的是一個來源訊號，不是一份合成與否的判決：
- 和一位真實、已被索引的女優高度相符，只告訴你這張臉長得像某個真實存在的人。這既符合「這是一部真實作品」，也符合「有人把一張臉換到別的畫面上」。它縮小了問題，而不是回答了問題。
- 找不到相符的結果幾乎什麼都不代表。我們的索引裡有 241,792 張臉，其中 2,333 張跨 106 個站台連到具名女優（我們的索引，2026-08 快照），而那 2,333 位裡有 2,246 位的代表圖只來自單一來源。找不到，更常是覆蓋範圍或畫面品質的問題，而不是合成的證據。
真正有用的組合，是強烈的臉部相符加上前面那些時間性檢查全都失守。那個模式符合「把一位真實女優的樣貌套到生成或替換過的畫面上」—— 而那是很嚴重的事，因為那是未經本人同意做的。
**有一條界線值得講明：**上述任何一項檢查都不構成證明。它們只改變機率。任何人光憑肉眼檢查就給你關於合成媒體的確定答案，都是在誇大證據能支撐的程度。
那自動偵測器呢？
把它們的輸出當成一項參考，不是判決。
偵測器是拿特定幾個生成模型家族的產出訓練出來的，那些家族一改版，準確度就掉。而且它們在你最可能拿去檢查的那種素材上退化得特別嚴重：重新編碼、縮放、加了浮水印的影片 —— 壓縮已經把偵測器賴以判斷的細微統計痕跡摧毀掉了。誤判和漏判都很常見。
究竟退化多少，至少在研究文獻裡是被量測過的。一場與 2025 年某電腦視覺研討會同時舉辦的獨立盲測，最強的參賽作品在未經處理的生成影片上拿到 0.93 AUC，套上一般的後製之後降到 0.74，而在經過螢幕錄影的畫面上大約只有 0.62 —— 最後那個數字離擲銅板已經不遠。另有研究發現，偵測器面對訓練時用過的生成模型能拿到 96% 以上，換成沒看過的就掉到五十幾。
那些都是在受控條件下評測的研究系統。至於你實際碰得到的那些消費端「這是不是 AI？」工具，根本沒有任何經獨立重現的準確率數字 —— 唯一一份確實納入商用影片偵測器的評測，依合約必須把廠商匿名，那正好是可重現性的反面。所以這個頁面不會為任何具名工具引用準確率數字，而一個工具自己宣稱的數字，並沒有給你任何你查得證的東西。
資料來源：SAFE Challenge 影片組（ICCV 2025）；GenVidBench 與 Deepfake-Eval-2024 評測；2026-08-03 核對。
為什麼這件事不只是好奇心的問題？
因為未經同意、對真實人物的合成描繪是實質的傷害，而認錯人會讓傷害加倍。
如果一支影片看起來描繪的是一位真實、可辨識的人，而且過不了一致性檢查，負責任的做法是把它當成未經證實的內容、避免再轉發 —— 而不是公開下結論。錯誤地指控一段畫面是合成的，會傷害一位真實的女優；錯誤地假定它是真的，則會讓一份捏造的描繪擴散出去。這兩種錯誤的另一端，都站著一個人。
相關問題
如果你想要的是「來源」那一半的答案，在這裡上傳一格畫面。它會告訴你這張臉是否對得上索引裡的某位女優，並附上分數 —— 偵測在你的瀏覽器裡執行，原圖不會離開你的裝置。