El detector SynthID de Google sirve para conocer la procedencia, pero no puede certificar que un contenido sea real

Una imagen, un vídeo o un audio convincente llega hoy acompañado de un problema editorial muy concreto: ¿qué se puede demostrar exactamente sobre ese archivo? La inspección humana no es fiable. Los metadatos se pierden con facilidad. Un detector de IA puede asignar una probabilidad sin explicar qué pruebas la sostienen. Y una búsqueda inversa de imágenes puede encontrar copias sin demostrar quién creó la primera.

La ampliación pública de SynthID Detector por parte de Google ofrece una herramienta más concreta. Cualquier persona puede subir una imagen, un vídeo o un archivo de audio y comprobar si contiene una marca de agua SynthID asociada a Google o a socios participantes. Google afirma que el detector ya está disponible en todo el mundo en inglés, después de una etapa inicial dirigida a periodistas, investigadores y profesionales de los medios. La empresa también señala que las señales SynthID se usan en contenidos generados por Google compatibles con el sistema y que el ecosistema más amplio incluye socios como OpenAI, NVIDIA y Kakao, con compatibilidad con Apple prevista.

Es útil, pero el nombre del producto invita a cometer un error. SynthID Detector no es un detector universal de IA ni un certificado de autenticidad. Comprueba una señal de procedencia concreta. Un resultado positivo puede establecer que sistemas de IA compatibles participaron en la creación o edición de todo o parte de un archivo. Un resultado negativo puede significar que no se encontró ninguna señal compatible. No puede demostrar que un archivo haya sido creado por una persona, que el acontecimiento representado haya ocurrido, que el editor sea digno de confianza ni que el archivo no haya sido modificado fuera de la cadena compatible.

Para redacciones, equipos de marketing, moderadores de plataformas y usuarios corrientes, la lección práctica es tratar la herramienta como un punto de control dentro de un proceso de procedencia. Hay que conservar el archivo original, revisar sus credenciales, comprobar la afirmación que lo acompaña y registrar qué encontró realmente el detector. El proceso importa más que la etiqueta verde o roja.

Qué ha abierto realmente Google

Google describe SynthID como un sistema de marcas de agua para imágenes, audios, textos y vídeos generados con IA. La marca está diseñada para ser imperceptible para las personas y, al mismo tiempo, detectable por los sistemas de Google. En imágenes y vídeos, Google afirma que la señal está diseñada para resistir cambios habituales como recortes, filtros, modificaciones de la frecuencia de fotogramas y compresión con pérdida. Para el audio, la empresa describe resistencia frente a cambios como el ruido, la compresión MP3 y los ajustes de velocidad.

El detector público se centra actualmente en imágenes, vídeos y audios subidos por los usuarios. La presentación de Google afirma que puede identificar contenido creado con Google AI o con sistemas asociados que utilizan SynthID. Es una capacidad más limitada que la pregunta cotidiana «¿Esto se hizo con IA?». Quien formula esa pregunta puede estar pensando en cualquier sistema generativo, incluidos modelos abiertos, herramientas privadas o flujos de trabajo que nunca insertan una marca de agua. SynthID responde a una pregunta más específica: «¿Contiene este archivo una señal SynthID reconocida?».

La diferencia no es una nota técnica secundaria. Cambia la forma en que debe redactarse un resultado en un informe o mostrarse a un cliente.

Un resultado positivo permite decir algo como: «El archivo contiene una marca de agua SynthID asociada a un flujo de generación o edición con IA compatible». No permite afirmar: «El acontecimiento del vídeo es falso», «Google demuestra que esto es desinformación» o «Todo el archivo se generó desde cero». Un sistema de IA pudo editar una fotografía real, ampliar un vídeo, sustituir un fondo o generar únicamente una capa de audio. La señal puede demostrar la intervención de un modelo sin resolver la veracidad de la escena.

Un resultado negativo permite decir: «SynthID Detector no encontró una marca de agua SynthID compatible en el archivo enviado». No permite afirmar: «Esto está hecho por humanos», «Esto es auténtico» ni siquiera «No se usó IA». Puede que nunca se insertara una marca. Puede que pertenezca a un sistema que el detector no admite. Puede que haya sido eliminada o dañada durante el procesamiento. El archivo también puede ser una captura de pantalla, una grabación de pantalla, una exportación o un derivado que ya no conserve la señal original.

La propia documentación de Google deja clara la limitación básica: la verificación funciona cuando la marca de agua pertinente está presente. La ausencia de una marca no constituye un resultado negativo universal.

Las dos capas de procedencia que conviene mantener separadas

El debate actual suele mezclar dos tecnologías diferentes: las marcas de agua y las Content Credentials. Resuelven problemas relacionados, pero no ofrecen el mismo tipo de evidencia.

SynthID es una señal oculta integrada en el contenido. Está pensada para seguir siendo detectable después de muchas transformaciones habituales. Su principal valor es la persistencia. Si los metadatos ordinarios desaparecen durante una descarga, un cambio de tamaño o una subida a una plataforma, una señal integrada todavía puede estar disponible para su comprobación.

Las Content Credentials se basan en el estándar abierto C2PA. Utilizan información de procedencia firmada para registrar hechos sobre el origen de un recurso y las acciones posteriores. Una credencial puede describir el software o dispositivo utilizado, las ediciones realizadas y la relación entre el recurso actual y sus versiones anteriores. C2PA describe estos registros como manifiestos verificables criptográficamente y vinculados al recurso.

La diferencia puede resumirse así:

• Una marca de agua es una pista duradera dentro del contenido.
• Una credencial es un registro firmado sobre el historial del contenido.
• Un verificador es la herramienta que lee una o ambas señales.

Ninguna de las dos capas es una máquina de la verdad. Una firma válida puede demostrar que un firmante reconocido hizo una afirmación sobre un recurso y que esa afirmación no se ha alterado de la forma relevante. No garantiza que la descripción del acontecimiento sea completa u honesta. Una marca de agua puede mostrar que un sistema de generación participante tocó el recurso. No puede decirte si el pie de foto asociado es correcto.

La explicación pública de OpenAI sobre su trabajo de procedencia resulta útil porque describe explícitamente un enfoque por capas. OpenAI afirma que utiliza metadatos C2PA para aportar contexto y procedencia, y que añade SynthID a imágenes y audios compatibles como una señal más resistente cuando se eliminan los metadatos. También advierte que ningún método de detección es infalible y que no encontrar una señal no debe producir una conclusión definitiva.

Ese diseño por capas es un modelo mental mejor que la expresión «detector de IA». La verificación no es un único paso de clasificación. Es una recopilación de pruebas a lo largo de la vida de un archivo.

Un proceso práctico de verificación para editores y publicadores

Los equipos no necesitan un gran laboratorio forense para utilizar estos sistemas de forma responsable. Sí necesitan un procedimiento de recepción repetible. El siguiente flujo es deliberadamente conservador porque el coste de una afirmación incorrecta suele ser mayor que el de retrasar unos minutos una publicación.

1. Conserva el original recibido

Pide el archivo original siempre que sea posible, no una captura de pantalla ni una republicación descargada de una plataforma social. Conserva el nombre del archivo, su hash, la hora de recepción, el remitente y el archivo exacto recibido. Crea una copia de trabajo para cambiar el tamaño, transcodificar, transcribir o analizar.

Este paso es fácil de omitir y difícil de reconstruir después. Cada conversión puede eliminar metadatos o modificar el archivo de maneras que afecten a las comprobaciones posteriores. Si una plataforma ya ha recomprimido el contenido, registra ese hecho en lugar de presentar el derivado como si fuera la fuente.

Para un proceso interno, el registro mínimo útil es:

asset_id: identificador interno
received_at: marca temporal UTC
received_from: identificador de persona o cuenta
original_filename: nombre exacto del archivo
sha256: hash del archivo conservado
processing: cada cambio de tamaño, recorte, transcodificación o exportación
verification_time: marca temporal UTC
verification_result: redacción exacta de la herramienta

La finalidad no es crear papeleo ceremonial. Es hacer que el resultado pueda reproducirse cuando un cliente, editor, regulador o compañero pregunte qué se comprobó realmente.

2. Revisa las Content Credentials antes de modificar el archivo

Si el original lleva Content Credentials, revísalas antes de abrirlo en un editor que pueda reescribirlas o descartarlas. Registra el creador declarado, el software, el dispositivo de captura, las ediciones y el estado de la firma. Presta atención a la diferencia entre «creado por» y «editado por». Una credencial puede describir una cadena que empieza con una captura de cámara y después incluye un relleno generativo.

Una credencial también necesita una decisión de confianza. La firma puede ser criptográficamente válida mientras la identidad o el flujo de trabajo siguen siendo desconocidos. Una aplicación identificada no equivale a una confirmación independiente del acontecimiento representado. La procedencia te dice qué afirma la cadena; el trabajo editorial todavía debe comprobar si esa afirmación encaja con la historia.

La especificación de C2PA está diseñada para que estas afirmaciones sean evidentes ante manipulaciones y portátiles entre herramientas. No convierte cada declaración de un manifiesto en un hecho verificado de forma independiente. Esa distinción debería aparecer tanto en las directrices editoriales como en los textos que vean los usuarios.

3. Ejecuta SynthID Detector sobre el contenido conservado

Envía el original o la copia disponible que haya sufrido menos transformaciones. Prueba la modalidad correspondiente: imagen, vídeo o audio. Guarda el resultado e indica qué archivo se envió. En vídeo, recuerda que una marca de agua puede estar asociada únicamente a ciertos fotogramas o segmentos, mientras que la interfaz pública puede resumir el hallazgo en un nivel más general.

No ejecutes el detector en silencio después de recortar un logotipo, convertir un vídeo o eliminar metadatos para después tratar el resultado como si procediera del archivo fuente. Una copia transformada puede seguir siendo útil, pero responde a otra pregunta.

Si el resultado indica que hay una marca SynthID, registra el proveedor o sistema compatible que mencione la herramienta y conserva su redacción. Si no encuentra nada, anota «no se detectó una señal SynthID compatible», no «no es IA». La redacción exacta protege a la organización de convertir gradualmente una prueba limitada en una afirmación que el resultado no respalda a medida que pasa por el flujo editorial.

4. Comprueba la afirmación de manera independiente

La procedencia no es el contexto. Una imagen sintética puede estar etiquetada correctamente y aun así utilizarse para sostener una afirmación falsa. Una fotografía real puede presentarse con una fecha, una ubicación o un pie de foto erróneos. Una grabación editada con IA puede contener un acontecimiento verdadero junto con una modificación engañosa.

Comprueba el historial de la cuenta de origen, la primera publicación disponible, las pistas de ubicación y meteorología, los puntos de referencia reconocibles, la cobertura local y otras imágenes independientes. En audio, compara voces y detalles de fondo con material conocido sin tratar la similitud vocal como una prueba. En vídeo, busca continuidad, reflejos, sombras y cortes, pero no presentes por sí solos las anomalías visuales como conclusiones definitivas.

La pregunta correcta no es únicamente «¿Participó la IA?». También es «¿Qué afirma mostrar este archivo y qué pruebas independientes respaldan esa afirmación?».

5. Asigna un nivel de confianza a la conclusión

Un equipo puede utilizar una escala interna sencilla:

• Señal de procedencia encontrada: evidencia compatible con que un sistema de IA participante creó o editó una parte o la totalidad del archivo.
• Señal de procedencia ausente: no se encontró una señal compatible en el archivo enviado; el origen sigue sin resolverse.
• Contexto verificado: pruebas independientes respaldan la fecha, el lugar, las personas o el acontecimiento indicado.
• Contexto no resuelto: el archivo puede estar correctamente atribuido, pero la afirmación que lo rodea no está verificada.
• Evidencia contradictoria: otras pruebas fiables entran en conflicto con el pie de foto o el registro de procedencia.

Esto separa cuatro preguntas que suelen comprimirse en un único titular: qué herramienta tocó el contenido, qué contiene el archivo, qué afirma el pie de foto y si el acontecimiento es real.

Qué puede demostrar un resultado positivo y qué no

El uso más sólido de SynthID Detector es atribuir la intervención de una herramienta compatible. Imagina que un equipo de marketing recibe una imagen de producto que parece mostrar un dispositivo nuevo en un entorno físico. Un resultado positivo permite declarar que Google o un sistema participante generó o editó la imagen. Puede ayudar al equipo a evitar que una escena sintética se presente como una fotografía. También puede ayudar a una plataforma a enviar el recurso a una cola de revisión o a aplicarle otra etiqueta.

Pero el resultado no responde a varias preguntas importantes:

• ¿Se generó toda la imagen o solo se editó una región?
• ¿El aviso se basó en un producto real o en un concepto ficticio?
• ¿Una persona hizo ediciones sustanciales después de la generación?
• ¿La fecha o la ubicación del pie de foto son correctas?
• ¿La imagen vulnera la privacidad, los derechos de autor o los derechos de imagen de alguien?
• ¿Es seguro utilizar el archivo en un anuncio sujeto a regulación?

Lo mismo se aplica al audio y al vídeo. Una marca de agua puede identificar una capa de voz generada o un segmento editado con IA sin determinar si el hablante dio su consentimiento, si la transcripción es correcta o si la grabación sufrió otras manipulaciones.

Por eso las etiquetas deben describir las pruebas con precisión. «Generado por IA» puede ser demasiado amplio cuando la herramienta solo puede demostrar que participó un software compatible. «Contiene una marca de agua SynthID asociada a Google AI» es menos llamativo, pero se puede defender mejor.

Qué puede demostrar un resultado negativo y qué no

Los hallazgos negativos son útiles para las operaciones, pero peligrosos en términos retóricos. Pueden decir a un equipo de moderación o publicación que un canal de procedencia no produjo una coincidencia. Eso puede reducir la urgencia de un tipo concreto de revisión, pero no debería cerrar la investigación cuando el contenido tiene consecuencias importantes.

Hay varias razones para obtener un resultado limpio:

• El contenido fue creado por un sistema que no utiliza SynthID.
• El sistema emplea otra marca de agua o norma de procedencia.
• El archivo se creó antes de que existiera la función de marcado correspondiente.
• El recurso se exportó mediante un programa que eliminó la señal.
• La plataforma entregó un derivado en lugar del original.
• La señal está presente, pero no puede recuperarse en esa versión.
• El archivo es humano, pero su pie de foto o su contexto son falsos.

Un equipo que publica «no se detectó IA» después de un resultado limpio de SynthID está haciendo una afirmación mucho más amplia que la que respalda la prueba. El texto más seguro para el producto es «no se encontró una marca de agua SynthID compatible». Es una formulación clara para los usuarios y suficientemente limitada para seguir siendo cierta aunque cambie el ecosistema compatible.

Por qué las capturas y republicaciones crean una laguna de evidencia

La web está llena de contenidos de segunda generación. Alguien descarga una imagen generada, añade texto en una herramienta de diseño, hace una captura de pantalla, la envía por una aplicación de mensajería y sube el resultado a una plataforma que crea otro derivado. Al final de la cadena, el contenido visible puede ser casi idéntico al original, mientras que su historial legible por máquinas ha desaparecido.

Las marcas de agua están diseñadas para ser más duraderas que los metadatos ordinarios, pero durar no significa ser indestructibles. Los recortes, la compresión, la captura de pantalla, la composición y las transformaciones repetidas pueden afectar a la detección. Las credenciales C2PA tienen un modo de fallo diferente: pueden eliminarse o perderse aunque los píxeles sigan pareciendo iguales.

La respuesta operativa es recopilar pruebas lo antes posible. Para las plataformas que incorporan contenido de usuarios, significa comprobar la subida antes de las transformaciones automáticas cuando sea viable y conservar tanto el original como el derivado entregado. Para los periodistas, significa pedir los archivos fuente y documentar la cadena de custodia. Para las empresas, significa conservar el historial del recurso en el sistema de gestión de contenidos en lugar de depender de un JPEG final descargado de una carpeta de campaña.

Por tanto, un proceso de procedencia debe registrar la incertidumbre, no borrarla. «El remitente entregó una copia comprimida; no había credenciales disponibles; SynthID no encontró una señal compatible» es un registro útil. «Auténtico» no lo es.

Cómo integrar la herramienta en el trabajo diario

La mejor implantación suele ser una capa de clasificación inicial, no una barrera automática para publicar. El resultado de un detector puede determinar qué casos reciben una revisión más profunda, pero rara vez debería decidir por sí solo una acción de alto impacto.

Para una redacción, el flujo podría ser el siguiente:

1. Conserva el original y pide la cadena de origen.
2. Revisa las Content Credentials y ejecuta SynthID.
3. Compara el resultado con la descripción del remitente.
4. Verifica el acontecimiento mediante fuentes independientes.
5. Añade una nota transparente sobre la intervención de IA cuando sea pertinente.
6. Conserva el registro de verificación junto con el recurso publicado.

Para un equipo de marketing o comunicación, el proceso puede empezar antes. Pide a proveedores y empleados que indiquen si un recurso fue capturado, editado, generado o compuesto. Conserva el prompt o la descripción de la edición cuando sea relevante para la campaña. Verifica los recursos antes de incorporarlos a una distribución pagada. No supongas que la aprobación interna de una marca sustituye las obligaciones de divulgación aplicables en un mercado concreto.

Para una plataforma, el detector puede ayudar a organizar colas, no actuar como un veredicto invisible. Una señal positiva puede activar una etiqueta visible, una solicitud de contexto o una restricción de distribución de alto riesgo. La ausencia de una señal no debería promocionar automáticamente un contenido ni anular las denuncias de los usuarios. La política de la plataforma sigue necesitando reglas separadas para la suplantación, el fraude, el contenido político manipulado y el material íntimo no consentido.

El coste es sobre todo procedimental. Los costes técnicos principales son el almacenamiento, el cálculo de hashes, la inspección de credenciales, el acceso a una API o servicio cuando esté disponible y el tiempo de revisión. El coste organizativo principal consiste en acordar el lenguaje antes de que aparezca un caso polémico. Ese acuerdo vale más que comprar otro detector opaco si el personal sigue redactando conclusiones que las pruebas no permiten.

Consideraciones sobre privacidad y conservación

Subir contenido a un servicio de verificación puede exponer datos personales. Una fotografía puede contener rostros, pistas de ubicación, documentos, conversaciones privadas o diseños comercialmente sensibles. Un audio puede incluir voces y conversaciones incidentales. Un vídeo puede revelar a transeúntes o actividad laboral.

Antes de convertir el detector en parte de un flujo habitual, determina qué conserva el servicio, si utiliza las subidas para mejorar sus sistemas, durante cuánto tiempo permanecen disponibles los resultados, qué cuenta exige y si una vía empresarial o una API modifica esas condiciones. Minimiza el contenido enviado para comprobaciones de bajo riesgo, pero no recortes las características necesarias para verificarlo. Para archivos sensibles, establece un procedimiento de tratamiento aprobado y un registro de accesos.

No subas material confidencial a un detector externo no aprobado solo porque sea gratuito. Una comprobación de procedencia es una transferencia de información. Debe recibir la misma revisión de privacidad que cualquier otro servicio de procesamiento externo.

El propio resultado también puede ser sensible. La afirmación de que un periodista, empleado, cliente u organización política utilizó IA generativa puede afectar a su reputación o empleo. Conserva las pruebas y la interpretación juntas, limita el acceso y evita exponer datos brutos de verificación cuando baste una divulgación pública más limitada.

Alternativas y comprobaciones complementarias

SynthID es más útil para contenidos creados por sistemas de su red compatible. Debe convivir con otras comprobaciones, no sustituirlas.

Los visores compatibles con C2PA y las herramientas de Content Credentials pueden mostrar el historial firmado de creación y edición. Son especialmente útiles cuando un recurso contiene un manifiesto detallado que explica las acciones, en lugar de devolver únicamente una coincidencia de marca de agua. OpenAI ofrece su propio trabajo de procedencia y verificación para salidas compatibles, y su documentación explica la relación entre las credenciales C2PA y las señales SynthID.

La búsqueda inversa de imágenes sigue siendo útil para encontrar apariciones anteriores y pies de foto contradictorios. No puede demostrar que la primera copia indexada sea la original, pero puede revelar una fotografía reciclada o una ubicación falsa. La verificación de fuentes, la geolocalización, las comprobaciones de fecha y hora y el contacto directo con el fotógrafo o titular de derechos siguen siendo importantes en historias de consecuencias relevantes.

Los detectores de IA de propósito general deben utilizarse con cautela, sobre todo con texto y contenido muy editado. Un clasificador probabilístico puede servir como indicio, pero su puntuación no es un registro de atribución. No uses únicamente la puntuación de un detector para acusar a alguien de fraude, rechazar una solicitud de empleo, retirar una publicación o formular una afirmación legal.

Cuanto más grave sea la consecuencia, más debe desplazarse el proceso desde la clasificación automática hacia la revisión humana y las pruebas independientes.

El argumento empresarial es una mejor procedencia, no una detección perfecta

La apertura de SynthID Detector importa porque la procedencia está convirtiéndose en una función visible para los usuarios, en lugar de seguir siendo un estándar invisible del que solo hablan los equipos de infraestructura. Google afirma que sus funciones integradas de verificación en Search, Gemini y Chrome gestionan ahora más de un millón de solicitudes al día, y declara que en sus sistemas se han marcado más de 180.000 millones de imágenes y vídeos, además de un gran volumen de audio. Son cifras comunicadas por la empresa, no una medición independiente de su precisión, pero indican la escala con la que se están desplegando las señales de procedencia.

La oportunidad empresarial no consiste en prometer que se detectará cada archivo sintético. Esa promesa es imposible en un ecosistema abierto de medios. El resultado útil es más limitado: facilitar la conservación, inspección, explicación e incorporación de la procedencia compatible en la toma de decisiones.

Una editorial puede reducir las etiquetas incorrectas. Una marca puede informar de manera más constante sobre las ediciones generativas. Una plataforma puede proporcionar mejores pruebas a los moderadores. Un cliente puede entender por qué un recurso recibió una etiqueta. Ninguno de esos resultados exige fingir que el detector sabe si una escena es verdadera.

La falsa confianza también tiene un coste. Si los usuarios aprenden que «no detectado» significa «real», un atacante puede dirigirse precisamente a los contenidos que no tienen marca de agua. Si un resultado positivo se trata como una prueba de engaño, un trabajo creativo legítimo puede quedar mal representado. Los sistemas de procedencia ganan confianza cuando declaran sus límites con claridad.

Una política breve que los equipos pueden adoptar ahora

Una política interna puede caber en una página:

• Conserva el contenido original antes de procesarlo.
• Registra el hash del archivo y cada transformación.
• Revisa las Content Credentials cuando estén disponibles.
• Ejecuta SynthID únicamente sobre una versión identificada del archivo.
• Presenta una coincidencia positiva como procedencia de IA compatible, no como prueba de que el acontecimiento es falso.
• Presenta un resultado limpio como ausencia de una señal compatible, no como prueba de autoría humana.
• Verifica de forma independiente la afirmación que rodea al contenido.
• Eleva los casos de alto impacto a un revisor cualificado.
• Minimiza las subidas sensibles y documenta las condiciones de conservación.
• Conserva el registro de verificación junto con el recurso publicado o distribuido.

La política es deliberadamente modesta. No exige que cada editor se convierta en especialista en forensia digital. Exige que la organización conserve las pruebas, utilice las herramientas para las preguntas que pueden responder y mantenga separadas la atribución y la verdad.

Qué conviene probar y qué conviene evitar

Prueba SynthID Detector cuando tengas una imagen, un vídeo o un audio que pueda proceder de un flujo de IA compatible y necesites una comprobación rápida de procedencia. Es especialmente útil para mesas de recepción, bibliotecas de contenido, equipos sociales y editores que reciben con frecuencia archivos sin un historial claro de creación. Combínalo con la revisión de Content Credentials cuando el archivo lleve un manifiesto firmado.

Evítalo como veredicto de autenticidad independiente. No uses un resultado limpio para certificar una fotografía, dar por bueno un vídeo político, demostrar autoría humana o resolver una disputa sobre lo ocurrido en el mundo real. No subas material sensible sin entender las condiciones de tratamiento del servicio. Tampoco conviertas la herramienta en el único control de un proceso en el que una conclusión equivocada pueda perjudicar a una persona u organización.

El cambio práctico es sencillo: pregunta «¿Qué señal de procedencia está presente?» antes de preguntar «¿Esto es real?». El detector público de Google puede ayudar a responder la primera pregunta. La segunda sigue perteneciendo a las pruebas, el contexto y el criterio humano.

Fuentes

La información sobre SynthID, su disponibilidad, sus capacidades y sus límites se atribuye a Google DeepMind y Google. La explicación sobre la combinación de Content Credentials y SynthID se atribuye a OpenAI. Las definiciones de los manifiestos y credenciales de procedencia se basan en las especificaciones de la Coalition for Content Provenance and Authenticity. La cobertura de contexto sobre la apertura del detector se atribuye a TechCrunch.

Fuentes citadas: Google DeepMind, «Google SynthID: A tool to watermark and identify content generated through AI»; Google, «We’re making it easier to identify AI-generated content worldwide»; OpenAI, «Advancing content provenance for a safer, more transparent AI ecosystem»; OpenAI, «Our approach to EU text provenance rules»; Coalition for Content Provenance and Authenticity, «Content Credentials: C2PA Specifications 2.4»; TechCrunch, «Google’s new SynthID website can identify AI-generated media».