搜「AI电影和ai造假原理」的人，多半是看到一段视频，心里没底：这到底是拿AI做的片子，还是有人拿AI编了个事。两者用的技术几乎是同一套，光看画面像不像根本分不出来。这篇把生成原理讲到能对上具体线索的程度，再给一套从看片子到留证据的判断顺序，顺带说清哪些情况这套方法不灵。
搜「AI电影和ai造假原理」的人，多半是刷到一段视频，心里发毛：这到底是有人拿AI做的短片，还是有人拿AI编了个事。这两样东西用的技术几乎是同一套，光看画面像不像，分不出来。真正能分的地方不在模型，在生成的人想干嘛、发布的时候有没有交代。
这篇把生成原理讲到能对上具体线索的程度，再给一套从看片子到留证据的判断顺序。中间会用到一张对照表和一个排查清单，看完你至少知道先看哪、后看哪，哪些片子根本别费劲看画面，直接查来源更快。
先弄明白：同一个原理，为什么出来两种东西
把生成这件事拆成三块看，很多糊涂账就清楚了：模型训练时吃的数据从哪来，生成时人怎么控制它，发布时有没有说清这是AI做的。AI电影和AI造假在前两块基本没差别，分水岭全在第三块。同一段换脸模型，用在片场拍好的素材上做特效，观众知道这是戏；用在某个真人的脸上，配上一句他从没说过的话，还当新闻发出去，那就是造假。工具没变，动机和交代方式变了。
所以判断一段内容，别一上来就盯着像素找破绽。先问一句：发布的人有没有让我知道这是生成的。这句话听着简单，实际能筛掉一大半争议。没标注、还往真实事件上靠的，哪怕画面做得再糙，也已经在造假的范畴里了。
- 训练数据
- 模型学出来的画风、人脸、场景来源，决定它擅长生成什么，也决定它容易在哪些题材上出岔子
- 控制方式
- 提示词、参考图、首尾帧、动作驱动这些手段，决定生成结果被人为约束到什么程度
- 来源交代
- 发布时有没有标注AI生成、标注放没放在观众一眼能看到的位置，这是创作和造假的实际分界
生成原理这块，知道到什么程度够用
扩散模型和自回归生成的区别，对普通判断者来说，只在一点上有用：连续画面里的不一致会不会越积越多。扩散类做法一帧一帧地「去噪」，长时间镜头里人物的衣服纹理、背景物件容易悄悄变样；自回归类做法按序列往下推，越往后越容易跑偏。你不必记模型名字，记住「越长的镜头越容易露馅」就够了。
真正帮得上忙的是三类痕迹：时序连贯性、物理常识、音画同步。模型水印别指望，视频一压缩、二次转码、翻拍屏幕，水印基本被抹干净了。去站内工具目录 /tools 里找检测类工具可以试，但要把它当参考，不要当判决书。
| 痕迹类型 | 典型表现 | 可信度 |
|---|---|---|
| 时序连贯 | 背景物件位置跳变、衣服纹理中途换样、人物数量前后对不上 | 中，长镜头里更明显 |
| 物理常识 | 影子方向和光源打架、液体流动不自然、手部关节弯折角度不对 | 中高，快速运动和遮挡处最容易崩 |
| 音画同步 | 口型对不上、环境音和场景不搭、呼吸停顿节奏异常 | 高，这几项后期最难修干净 |
| 叙事动机 | 镜头为了藏破绽故意用大动作、快转场、频繁切 | 低，只能当辅助线索 |
拿到一段片子，按这个顺序看
顺序很重要，因为越靠前的线索越难造假，也越省时间。先听声音。口型对不上、环境音和场景不搭、说话时呼吸和停顿的节奏不对，这几样是后期最难修干净的，很多粗糙的造假片子第一关就过不去。戴耳机听一遍，比盯着画面看十遍有用。
声音过了，再看细节：手、物体边缘、镜面反射、画面里的文字。这类地方在快速运动和遮挡时最容易出问题，比如手指数量、戒指位置、玻璃里的倒影。最后才看叙事，镜头为什么这么切、有没有为了藏破绽故意堆大动作和转场。这个顺序反过来用，容易被精致的画面先唬住。
- 先静音看一遍不看声音，只看画面整体有没有说不通的物理关系，比如影子方向、物体穿模
- 再戴耳机听一遍重点听口型、环境音、呼吸停顿，发现对不上就记下第几秒
- 逐段放慢看细节在可疑片段放慢速度，看手部、边缘、反射、画面文字
- 回头看镜头语言统计一下转场频率和大动作出现的位置，判断是不是在故意藏东西
- 查来源看发布账号、发布时间、有没有AI标注，能不能找到原始出处
判断是创作还是造假，看这四件事
画面看完，回到动机上。第一，有没有明确标注是AI生成，标注是不是放在观众不用点开详情就能看到的位置。藏在简介末尾、用小字带过，和没标差别不大。第二，内容指向的是虚构人物，还是可识别的现实人物、机构、事件。指向后者，要求就完全不一样了。
第三，发布账号有没有靠这条内容直接获利，或者明显在引导情绪。第四，这条内容有没有被剪出来当证据用，比如配上一句「这是现场」。这四条里中了两条以上，基本可以按造假对待，不用再纠结画面细节。反过来，四条都不沾、还老老实实标了AI的，哪怕画面有瑕疵，也只是创作水平问题。
- 标注位置：在观众第一眼能看到的地方，还是藏在简介角落
- 指向对象：虚构角色，还是可识别的真人、真机构、真事件
- 获利动机：账号有没有靠这条内容带货、涨粉、引导情绪
- 使用场景：当作品看，还是被当成现场证据转发
这里补一句实际用下来的感受：很多争议内容，问题根本不在技术多高明，而在发布者故意把「这是AI做的」这句最关键的话省掉了。判断的时候抓住这一点，比钻研模型细节省力得多。
这几种情况，上面那套判断不管用
得说清楚不适用的时候，不然容易误伤。低分辨率、强压缩、翻拍屏幕的素材，痕迹基本被吃掉了，画面线索全废，只能靠来源追溯。只截了几秒的片段，时序和叙事线索都断了，看画面等于瞎猜。这两种情况，别下结论，去找完整版和原始发布源。
还有一种更麻烦：专业团队做的影视级内容，本来就是要骗过眼睛的。看不出破绽，不代表一定是真的；看出破绽，也不代表一定是假的，可能只是预算不够。这种时候判断依据只能是来源和标注，不是画面。
觉得有问题，先存证再讨论
发现可疑内容，第一反应不该是转发评论，是先存证。存原始链接、发布时间、账号信息，别只存一张截图，截图证明不了上下文。把可疑片段单独截出来，标清第几秒到第几秒，方便别人复核。要是自己被冒用了，先按平台举报路径走，同时留一份完整录屏，从打开页面到点开详情全程录下来。
存证这事看着琐碎，实际是关键。内容一旦被删，讨论就没了依据。想了解各家模型和生成工具的能力边界，去站内模型资料库对一对，心里有个底，判断起来也更稳。
下一步想弄清楚常见生成工具各自擅长什么、容易在哪些地方露破绽，去站内模型资料库对照当时的资料看，比凭印象判断靠谱。→常见问题
AI电影和ai造假用的模型是同一个吗？
大多数情况下是同一类工具，甚至同一个。差别不在模型，在用法：一边是拿来拍虚构内容并交代清楚，一边是拿来冒充真实事件或真实人物。所以判断真假别盯着工具，盯发布方式和内容指向。
肉眼看不出破绽，是不是就说明是真的？
不是。看不出破绽只说明这段素材的痕迹被藏住了或者被压掉了，尤其短视频经过多次转码之后。这种时候该做的是往回找来源：最早发布是谁、有没有别的角度、有没有第三方记录。
加了AI标识的内容就一定可信吗？
标识只说明它承认自己是生成的，不说明内容本身没问题。反过来也一样，没标识不代表一定是造假。标识是判断的一项输入，不是结论。具体标识要求可以去站内合规相关页面核对当时的口径。
公司要用AI做宣传片，怎么避免被当成造假？
把虚构和现实的边界在片子里说清楚：涉及真人形象、真实机构、真实事件的，要么拿到授权，要么明确标注演绎。发布前让不参与制作的人看一遍，问他会不会误以为是真实记录。
怀疑一条视频是AI造假，最先该做什么？
先别转发。把链接、发布时间、账号、完整录屏存下来，再看有没有原始出处。转发之后再想追溯，平台上的原始信息可能已经变了或者被删了。
