现在，光靠肉眼已经没法可靠地识别 AI 生成的图片了，所以 2026 年更该问的是：这个文件从哪来的。比起盯着手指和阴影找破绽，溯源数据、来源追踪和几个免费的检查工具要靠谱得多。
证据相当直白。在线测试 "Real or Not" 中，约 12,500 名玩家做出了大约 287,000 次判断，平均准确率只有 62%，作者称之为"略高于随机水平的一点能力"（arXiv）。抛硬币的准确率是 50%。
本文介绍目前仍然有效的方法：Content Credentials、Google 的 SynthID 水印、平台标签、反向图片搜索，以及检测工具及其真实的局限。最后给出一套流程，几分钟内就能对任何可疑的爆款视频跑一遍，另附置信度评分器和一个帮你选择下一步检查的决策树。
为什么视觉特征不再可靠
以前的经典清单是：多出来的手指、乱码的招牌、不对称的耳环、蜡质感的皮肤。这些都是早期生成器留下的瑕疵，而新一代生成器还在不断进步。这个领域也相当拥挤，看看我们的 AI 图片生成器排行榜就知道了。
测试作者发现，人们对"没有明显瑕疵或风格线索"的图片最难判断。玩家在人像上表现最好，在自然风光和城市景观上最差（arXiv）。所以，一张没有人脸可供检查的街景照片是最难辨别的，而这恰恰也是最常被用来伪造新闻事件的类型。
人像更容易辨别，但也谈不上容易。2026 年另一项研究有 1,664 名参与者，只判断来自两个生成器的人像，平均准确率为 85.2%。即便如此，准确率也随年龄增长而下降，在手机上比在 PC 上更低，而且 ChatGPT-4o 生成的人像比 Imagen 3 的更难判断、耗时更长（arXiv）。而大多数人恰恰是在手机上遇到假图的。
信心并不是可靠的向导。在那项人像研究中，自评更有信心、接触 AI 更多的人得分更高，但那是一项志愿者网络实验，并不能说明你今晚面对一张棘手图片时会表现如何。把直觉当作"该去查一查"的提示，而不是结论。
这并不是说你不该再用眼睛看。与场景不符的文字、自相矛盾的光线、与配文冲突的画面，都值得标记一下。用它们来提高警惕，而不是据此下定论。
先查溯源，别先看像素
C2PA 标准的品牌名是 Content Credentials，它是"一项面向出版者、创作者和消费者的开放技术标准，用于确立数字内容的来源和编辑记录"（C2PA）。当相机或 AI 工具给文件签名后，创建和编辑的记录会随文件一起流转。要读取这些记录，把文件拖进官方的 Content Credentials 验证工具即可，它支持 JPEG、PNG、WebP、HEIC、MP4、MOV 等格式，并会展示内容随时间发生的变化。它自己的提醒值得重视：Content Credentials 仍在推广中，所以你检查的大多数文件并不会带有凭证。我们的目录里也有 Content Credentials 工具页面。
签名既可以发生在拍摄的那一刻，也可以发生在编辑应用或图片生成器里。这就把通常的问题反过来了：不再是你去证明照片是假的，而是由来源证明它是真的。不过，只有凭证能一路保留到你的屏幕上才有用，而下面这条路径恰恰在这里出了问题。
问题出在第四步。该标准自己的说明文档坦率承认，溯源元数据可以被移除，被问到时回答的是"可以"，并且说凭证是可选的（C2PA 说明文档）。截图、重新保存或平台重新编码，都可能丢掉这份记录。规范给出的对策是持久凭证（durable credentials），即增加水印或指纹查询，以便日后能在云存储中重新找到这份记录。
同一份文档还有两点提醒。任何人都不应该"仅仅因为使用了 Content Credentials"就认定某个素材可信。而且溯源信息"无法告诉你数字内容是否真实、准确或符合事实"。一张签了名的摆拍场景照片，仍然是一张摆拍场景的照片。
第二种溯源方式是藏在像素里的水印。Google DeepMind 表示，SynthID 会在图像、音频、文本和视频中嵌入人眼难以察觉的水印，图像和视频的水印被设计为可以经受裁剪、滤镜、帧率变化和有损压缩（Google DeepMind）。Google 称目前已为超过 1,800 亿张图片和视频、以及 24 万年时长的音频加了水印。同一则公告还向所有人开放了 Google SynthID Detector 门户，提供英文界面，可检测来自 Google 或合作方（包括 OpenAI、NVIDIA 和 Kakao）的内容（Google）。
最简单的检查方式是用 Gemini。按 Google 帮助页面的说明，你在 gemini.google.com（或 Android 应用）上传一个文件，然后问它是否由 Google AI 创建或编辑。视频必须在 90 秒以内，任意滚动 24 小时内的额度约为 10 次图片检查和 10 次视频检查，截图要裁剪得紧凑一些（Gemini Help）。如果文件带有 Content Credentials，这个工具也会一并汇总。
结果的解读是不对称的。命中，意味着整个文件或其中一部分由 Google 的 AI 生成或编辑。没命中，则几乎说明不了什么，因为 Gemini"目前只能识别由 Google AI 工具创建的内容"，图片仍可能出自别的系统。
有溯源信息是强证据。没有溯源信息则只能耸耸肩，而现实中的大多数假图本来就不带任何溯源信息。这种不对称，是本指南里最有用的一个习惯。
平台标签能告诉你什么，不能告诉你什么
大多数观众实际看到的就是标签，但它们比看上去要弱，因为它们依赖创作者诚实披露，或者依赖元数据在上传后依然保留。
- YouTube 要求创作者通过 YouTube Studio 里的"AI 使用"设置，披露逼真的被修改或合成内容。对于使用其自家 AI 工具制作或带有 C2PA 元数据的内容，它也可以自行加标签，标签可能出现在播放器上，也可能只出现在展开的说明里（YouTube Help）。
- 当 Meta 检测到行业标准的 AI 标识，或者发布者主动披露时，会在 Facebook、Instagram 和 Threads 上显示"AI info"标签。Meta 在 2024 年的更新中表示，仅用 AI 编辑过的内容，标签会改放在帖子菜单中，因为最初的"Made with AI"措辞被贴到了只做过轻微修饰的照片上（Meta）。
- TikTok 要求创作者标注逼真的 AI 内容，对于用其 AI 特效制作、或上传时附带 Content Credentials 的内容，它会自动打标签。自动标签一旦加上，创作者就无法移除（TikTok Support）。
规律很明显。三家都依赖 C2PA 元数据或自我披露，所以诚实的创作者或大厂生成器的产出会被标记，而剥掉元数据、一声不吭的人基本不会被标记。YouTube 表示，持续不披露的创作者可能面临内容被删除或被暂停 Partner Program 资格，但那是事后的执行手段。
标签有就有用，没有就没声音。同样的逻辑，也适用于给你遇到的各类证据排序。
先追溯来源，再相信文件
大多数爆款假货败在上下文上，而不是取证上。先问：谁最先发的，什么时候，配了什么文字。一段戏剧性十足的视频，既没有原始上传者，也没有地点，却有上千次转发，那就是一个站不住脚的说法，不管像素看上去如何。
反向图片搜索是这里的主力工具。TinEye 称其搜索范围超过 860 亿张图片，并提供浏览器扩展，可右键搜索。Google Lens 支持照片、图片和截图。Lenso.ai 针对地点、人物、重复图和相似图提供了不同的搜索模式。Copyseeker 提供免费的网页搜索和 Chrome 扩展。至少用两个，因为它们的索引各不相同。
你要找的是最早的副本。如果一张"昨天风暴中拍的"照片两年前就出现在某个图库网站上，那就到此为止了。如果在这条帖子之前哪里都没有出现过，这只是一个轻微的警示，不是证据，因为一张真正的新照片同样没有历史。对于视频，截取三四个关键帧，逐一搜索。
然后核对说法本身。有没有新闻机构或事实核查团队用自己的素材报道了同一事件？天气、招牌、语言和地标与所称的地点吻合吗？这个账号是新的，还是经常发布戏剧性的视频？花十分钟看看发布者的历史，往往比任何检测器告诉你的都多。
检测工具能做什么，不能做什么
检测器是一个用已知生成器训练出来的模型，返回的是一个概率，不是实验室检验。我们的目录里列了不少，包括适用于文本、图片、音频和视频的免费 Chrome 扩展 Hive AI Detector、UncovAI 扩展、DeepfakeDetection.io，以及逐帧分析视频的 Sealed Rose。更多工具见我们的 AI 内容检测器排行榜，该分类的聚合页有完整列表。
厂商会公布很漂亮的数字。BitMind 在其官网上称，对真实世界的深度伪造能达到 95% 的准确率（BitMind）。Sensity 描述了一个多层系统，会检查画面、文件结构、元数据和音频，并称其报告包含置信度分数。把任何厂商给出的数字都当作一种宣称。单一的头条数字，并不能告诉你这个工具面对你那张压缩过的截图表现如何，也不能告诉你它把真照片误判为假的频率有多高。
独立研究的结论要严酷得多。Deepfake-Eval-2024 基准测试用真实在网上传播过的媒体来测试检测器，发现开源的最先进模型与早期基准相比，在视频上的 AUC 下降了约 50%，音频上下降 48%，图像上下降 45%。商业模型和微调模型表现更好，但仍不及人类取证分析师（arXiv）。2025 年的另一项评估发现，被测检测器中得分超过 60% AUC 的不到一半，最差的只有随机水平，而且 JPEG 压缩或画质增强这类基本编辑，就能显著降低性能（arXiv）。
错误是双向的。一张被重度压缩、放大或修饰过的真实照片，可能让分类器觉得不对劲，而一张假图也可能看起来很干净。Meta 自己的标签就曾误伤过只做了轻微 AI 修饰的真实照片。
场景不同，答案也不同。针对换脸调优的工具，可能漏掉完全合成的风景，而为身份验证打造的工具（比如对自拍做活体检测），解决的是与扫描爆款梗图不同的问题。在相信结果之前，先看这个工具的页面说明它覆盖什么，并且要预期新的生成器会在厂商跟上之前打败旧的检测器。
用得好的话，检测器是"决胜局"的裁判。跑两个。当你的文件是截图或重新编码过的视频时，降低这个结果的权重。别因为分数显示 87% 就指责某个人造假，任何检测器的输出权重都应低于凭证或水印命中。
可疑爆款图片或视频的检查流程
挑一条适合你手上素材的路径，然后按顺序走完各步。一旦得出决定性的答案，比如核实了凭证或找到了更早的原件，就可以停下。
- 先别急着反应。假货就是为快速转发而生的，越紧迫，越该慢下来。
- 尽量拿到最好的副本。截图已经丢失了元数据，所以要去找原始帖子或文件，并记下账号、链接和时间。
- 看标签。在 YouTube、Meta 应用或 TikTok 上，检查播放器、说明和帖子菜单里有没有 AI 标签。
- 把文件放进 Content Credentials 验证工具，如果有凭证，记下签名者和编辑历史。
- 在 Gemini 里做一次 SynthID 检查，适用于图片，或 90 秒以内的视频。
- 对图片或四个关键帧做反向图片搜索，找到最早的副本。
- 核对说法。找一家有信誉的媒体或事实核查机构，看他们是否有同一事件的自有素材，并核对地点、日期和天气。
- 跑两个检测器，把结果当作决胜局的裁判。
- 决定如何描述它：已核实、很可能是假的，或未经证实。就按这个说法去分享，否则就别分享。
下面的评分器把这套流程变成一个粗略的置信度数字。溯源和来源追踪的分值最高，检测器最低。高分仍然不是保证，因为溯源信息可以伪造，一个看上去不错的来源也可能是错的。
三个实例演练
这些是示意性案例，并非真实事件的报道，但每一个都反映了假货出现的方式。
家庭群里的一张风暴照片。 照片显示黄昏时被淹的主街，配文点出了你所在的城镇。你没法验证像素，那就去查上下文。反向搜索发现，同一条街出现在两年前的一篇旅游博客里，路面干燥，招牌也一样。这就是决定性的：照片要么是旧的，要么是摆拍的，不论哪种，配文都是错的。总共大约两分钟，没用到任何检测器。
一段政客说出离谱言论的视频。 视频 40 秒，竖屏，烧录了字幕，到处都在转发。先找标签，再看有没有媒体用更长、更宽的原始画面报道同一番话。公众人物的真实言论几乎总有更长的原始版本和多个见证者。如果只有被裁剪过的转发，就判定为未经证实。如果需要技术检查，把视频裁到只剩人脸，做一次 SynthID 检查再加两个检测器，然后记住，结果为阴性也不能就此洗清嫌疑。
一个陌生人用头像照片向你要钱。 先反向搜索这张照片。盗用真实账号的照片，是生成人脸之外常见的另一种做法，如果匹配到了另一个名字，就可以定论了。如果照片查不出问题，就要求进行实时视频通话，并做一个没有预设的动作，比如举起一张手写的纸条。深度伪造检测器可以作为又一个参考，而视频通话比其中任何一个都更有力。
做出判断之后怎么办
如果你确信它是假的，而且正在扩散，举报比引用转发更有效。TikTok 在应用和网页上都有举报流程，其帮助页面指出，未加标签的逼真 AI 内容和 AI 冒充属于其社区准则的管辖范围（TikTok Support）。引用转发一条假内容来辟谣，往往给它带来的传播比更正本身得到的还多。
如果你没有把握，就坦率地说出来。"我无法确认这是真的"是一个完全合格的配文，还能让你不必在之后陷入尴尬地更正自己。如果你自己发布 AI 制作的图片，请加上标注，并保留凭证。具体某个生成器是否会附带凭证各不相同，所以在依赖它之前，先查看它的文档。
视频和音频需要格外小心
短视频是最难匆忙检查的格式。平台会重新压缩上传内容，创作者会裁剪、加字幕，到你手里的版本可能已经是第十手副本了。重新编码会剥离元数据，并且按上文的评估所示，还可能降低检测器的准确率。Gemini 只接受 90 秒以内的片段，所以对更长的视频，要裁出可疑的那一段，或者索要完整的原片。
尽量要最长、画质最高的版本。一段竖屏裁剪下只能撑六秒的假货，往往有一个讲述不同故事的更长原片，而一个真实事件通常有不同人拍下的多个角度。
把视频放慢。看嘴型和音频是否对得上、眨眼的规律、头发或眼镜与背景交接的边缘，以及在帧与帧之间闪烁的文字。这些检查仍然能抓到粗制滥造的假货，但和静态图片一样，它们只能用来打个警示标记，而不是下判决。
语音克隆是另一个独立的问题。Pindrop 针对客户数据和欺诈场景中的深度伪造语音，Facia 则把深度伪造检测与活体检测结合起来，用于身份验证。对个人安全来说，人的那一步比任何工具都重要。如果视频通话或语音消息向你要钱，挂断，然后打你本来就信任的号码回拨。
如果你想了解这件事为何重要的大背景，Nina Schick 的 Deepfakes: The Coming Infocalypse 探讨了这项技术的兴起及其社会影响。想了解生成器能做什么，可以看我们的 AI 图片生成器对比和顶级 AI 图片生成器指南，以及我们的内容检测器盘点。
常见问题
能只靠肉眼可靠地判断一张图片是不是 AI 生成的吗？
不能。在 Real or Not 测试中，玩家在大约 287,000 次判断中平均准确率为 62%（arXiv）。视觉线索可以提高警惕，但要确认还得靠溯源数据和来源追踪。
没有水印或 Content Credential，就意味着图片是真的吗？
不。凭证是可选的，也可以被剥离，而 Gemini 的 SynthID 检查只能识别 Google AI 的内容。缺少标记，说明不了任何问题，两个方向都一样。
免费的 AI 图片检测器准确吗？
有时准确，而且你分不清哪些时候准。厂商会引用 95% 这样的数字，而独立测试发现，在真实世界媒体上准确率会大幅下降，并且对压缩很敏感。用两个工具，把输出当作决胜局的裁判。
反向图片搜索能显示一张图片是不是 AI 生成的吗？
不能直接显示。它显示的是这张图片还出现在别的什么地方，以及出现得多早。如果一张照片在它声称所展示的事件发生之前很久就已出现，那它就是假的；而一张完全没有历史的照片，只是没有被证实。
AI 图片的截图还能检查吗？
勉强能。截图没有嵌入的凭证，检测器在裁剪和重新编码之后也会变弱。SynthID 被设计为能经受许多这类改动，但 Google 的帮助页面仍然要求裁剪得紧凑，并避免使用拼图。最好的办法是找到原始帖子，从那里入手。
如果我还是分辨不出来怎么办？
把它当作未经证实，不要帮它扩散。等有新闻机构或事实核查机构拿出独立的素材。等待只会让你慢一点，而转发一个假货，可能让别人的名誉受损。