過去在網路上要分辨假照片相對容易，通常只是一些拙劣的修圖痕跡。但現在AI 生成影片功能日益強大，深偽技術（Deepfake）愈來愈氾濫的時，從虛構的名人背書到偽造的災難新聞，AI 科技已經讓現實與虛構的界線變得模糊。
OpenAI 的 Sora 模型與其他開源模型讓局勢變得更加複雜，網路已充斥著各式各樣幾可亂真的 AI 影片。OpenAI 執行長 Sam Altman 表示，社會必須適應一個任何人都能製作偽造影片的世界。這代表我們除了依賴直覺，更需要一套系統性的驗證方法。以下我們將從最基礎的肉眼觀察開始，逐步深入到專業工具的檢測應用。
基礎肉眼辨識
面對一支可疑的影片，第一步建議先花費約 10 秒鐘進行初步的肉眼篩選。雖然 AI 技術進步飛快，但目前的生成模型在物理細節上仍常露出馬腳。若影片出現以下任一異常，即高度可疑：
1、嘴型與聲音不同步：觀察說話者的嘴部動作是否與語音節奏吻合，這是最常見的破綻。
2、臉部邊緣異常：注意臉部輪廓是否閃爍、模糊，或是出現類似破圖的現象。
3、背景不自然：檢查背景線條是否歪斜、反光是否怪異，或是紋理過度平滑。
4、光影不一致：確認臉部的主光源方向是否與背景環境的光影邏輯相符。
5、物理原則：注意是否有憑空消失的物體，或是違反物理原則的動作（例如奇怪的手部細節，手部的破綻也很常發現，變形與物體互動可能會違反物理原則，以及各種可能變形或異體的文字）。
揭開肉眼看不見的數位履歷
若肉眼難以判斷，我們就必須檢視影片的數位身分證，也就是所謂的「中繼資料」（Metadata）。
一般正常拍攝的影片，其 Metadata 會詳細記錄：
硬體資訊：明確標示如 iPhone、Sony、GoPro 等拍攝設備型號。
產製細節：包含連續的時間戳記、GPS 位置，以及後製軟體版本（如 Premiere、CapCut）。
而 AI 生成的影片，Metadata 經常是空白一片。
幀率（FPS）：數值極不自然。
反之，AI 生成或深偽影片通常會暴露以下五大異常細節，而這些關鍵證據往往藏在深層資訊中，必須透過數位工具才能完整解讀：
1、缺乏硬體資訊：拍攝設備顯示為「unknown」，因為影片根本不是透過鏡頭拍攝的。
2、編碼器異常：真實影片使用相機標準編碼，AI 影片則常暴露異常編碼特徵，例如 FFmpeg 重建或 diffusion pipeline。
3、怪異軟體註記：深層資料中的 Encoded Application 欄位可能直接顯示 RunwayML v3.1 等 AI 生成工具名稱。
4、內容憑證 C2PA：這是最直接的證據，AI 影片可能會留下 AI generated 標記；若標記被刻意刪除，則會顯示 credentials removed。
5、時間軸錯亂：真實影片的時間軸是連續的，AI 影片的時間資訊常被清除或亂跳，甚至顯示未來時間。此外，幀率（FPS）也是判斷的關鍵，AI 生成的影片，部分因運算填補導致除不盡，會出現如12.5 FPS 這種較不自然的數值。
第一層級 使用電腦作業系統查看基礎資訊
若手邊暫時沒有檢測工具，透過電腦內建功能可以檢視最表層的資料。雖然資訊有限，但有時能看出端倪。
Windows：右鍵點擊影片選擇「內容」，在「詳細資料」中可查看拍攝工具、軟體名稱、幀率與時長、影像編碼。若完全空白則多半是 AI 生成或經過後製。
macOS：右鍵點擊選擇「取得資訊」，可查看拍攝日期、解析度、簡化版的編碼格式與檔案大小。但是資訊很少，通常很難判斷是否為 AI 生成的影片。
這些方式若看不到攝影裝置型號、軟體版本、內容憑證、完整編碼器資訊及 AI 工具痕跡，要確認真偽，建議進階使用下列工具。
第二層級 免安裝的瀏覽器檢查工具
如果您不想下載複雜的軟體，我們推薦以下兩個「直接在瀏覽器檢查」的方法，這也是目前新聞查核機構最常用的方式：
這是一款不需安裝軟體的強大工具。您可以直接貼上 YouTube、X（Twitter）或 Facebook 的影片連結，或是上傳影片檔案及截圖。工具會協助檢查中繼資料，並分析內容是否經過修改。
這是目前全球最權威的 AI 內容認證規格，這類工具不進行偵測，而是檢查「履歷」。它基於 C2PA 標準（由 Adobe、OpenAI、Google 等科技大廠推動），用來記錄影片從生成、修改到發布的所有歷程。這就像是檢查影片的護照，只要中繼資料完整，就能清楚看到影片的原始出處
判讀重點：該網站會告訴你以下關鍵資訊：
1、影片是否由 AI 生成
2、是否被修改
3、AI 標記是否被故意移除，此點是最重要的判斷依據。
4、提供完整內容歷史：如果原始影片有 AI 標記，但後來被刪掉，你會看到此項目，這是真正相機拍攝影片才會有的資訊。
這是一款使用AI偵測的工具，對一般使用者也算友善。
第三層級 需下載的專業檢測軟體
若需要更深入的證據，或是要批次處理檔案，有些軟體也能做類似功能。
這是最常用且準確的中繼資料檢視器，能撈出最深層的檔案資訊，包含完整的編碼器參數與時間軸資訊，這是 Deepfake 偵測的核心證據之一。
屬於「AI 對抗 AI」的檢測工具。Reality Defender 就像是進行「影片 DNA 鑑定」，它不依賴履歷，而是綜合分析多個層面，它能使用視覺偵測、時間序列偵測、音訊分析與AI指紋比對 (每種生成工具所留下的特定演算法) 來判斷影片狀態為真實、偽造或可疑。
前面提到的 Deepware Scanner 則是對一般使用者較友善的選擇。若這些工具都顯示結果為可疑，那麼幾乎可以確定這是一支假影片。
社群平台AI標籤機制與判斷難點
在實際查證過程中，社群平台的影片往往是最棘手的。為了應對 AI 內容氾濫，目前 Meta、YouTube 與 TikTok 都已推行不同形式的 AI 內容標籤機制，試圖透過平台自動偵測或使用者主動申報來提升透明度。
Meta (Instagram / Facebook)：自 2024 年 5 月起，Meta 開始對平台上的 AI 生成或修改內容加註「Made with AI」等標籤。這包括圖像、音訊及影片，政策核心已從過去的嚴格刪除，轉向為透過標示來顯示內容屬性。
YouTube：要求創作者在上傳含有人工合成或高度修改的內容時必須進行申報，系統會提供相關選項，並在播放介面上向觀眾顯示標示。
TikTok：強制要求創作者為平台上明顯的 AI 生成內容進行標示，同時平台也正在測試自動偵測技術。依據其社群守則，未標示的真實感 AI 生成內容是被禁止上傳的。
儘管有上述機制，由於目前平台的自動標籤成功率有限，無法完美覆蓋所有 AI 內容，加上這類標籤多半依賴創作者「誠實申報」，若創作者刻意隱瞞，漏網之魚在所難免，所以我們仍然不能掉以輕心。
加上更關鍵的技術難題在於影片的「壓縮」與「清洗」。為了最佳化影片的傳輸速度，Instagram 和 TikTok 會對上傳影片全數進行破壞性的壓縮，這個過程往往會將影片原本的 Metadata（中繼資料）及 C2PA 數位憑證一併清洗。
因此，我們在下載這類平台的影片進行分析時，常會發現資料欄位一片空白，這導致「來源驗證」類型的工具失效，最終只能回歸到依賴「AI 偵測」工具或肉眼觀察。
在這個 AI 內容充斥的時期，社群平台的自動標籤機制雖然存在，但容易因資料遺失而失效。並沒有一種檢測方法能百分之百保證判別正確，建議多觀察與交互使用上述工具，建立多層次的查證習慣，才能在資訊洪流中看清真相，未來應該會有更全面且一次能辨識大部分 AI 生成真偽影片判斷的工具，且讓我們拭目以待。
首圖由 Nano Banana AI 生成
