Google 的 SynthID Detector 可用于溯源，但无法证明媒体真实

一张看起来可信的图片、一段视频或一段音频，如今往往伴随着一个编辑难题：究竟有哪些事情可以被证明？仅凭人工观察并不可靠。文件元数据很容易在传输中丢失。AI 检测器可能给出概率，却不说明依据是什么。反向图片搜索可以找到转载，却不能证明最早的制作者是谁。

Google 向公众扩大开放 SynthID Detector，提供了一个更具体的工具。任何人都可以上传图片、视频或音频，检查其中是否带有与 Google 或参与合作方相关的 SynthID 水印。Google 表示，该检测器在早期主要面向记者、研究人员和媒体从业者，如今已在全球范围内以英语提供。公司还表示，SynthID 信号已用于受支持的 Google 生成媒体；更广泛的生态系统包括 OpenAI、NVIDIA 和 Kakao 等合作方，并计划支持 Apple。

这很有用，但产品名称容易让人产生误解。SynthID Detector 不是通用 AI 检测器，也不是真实性证书。它检查的是一种特定的溯源信号。阳性结果可以表明受支持的 AI 系统参与了文件全部或部分内容的创建或编辑。阴性结果只能表示没有找到受支持的信号。它不能证明文件由人制作、画面中的事件确实发生、发布者值得信任，或文件没有在受支持链条之外被编辑过。

对新闻编辑室、营销团队、平台审核员和普通用户而言，实际经验是：把它当作溯源流程中的一个检查点。保存原始文件，检查其凭证，核对周围的说法，并记录检测器实际发现了什么。流程比绿色或红色标签更重要。

Google 实际开放了什么

Google 将 SynthID 描述为一种用于 AI 生成图片、音频、文本和视频的水印系统。水印被设计成肉眼不可见，但仍能被 Google 的系统检测。在图片和视频中，Google 表示该信号设计为能够经受裁剪、滤镜、帧率变化和有损压缩等常见改动。对于音频，公司称其能够抵抗噪声、MP3 压缩和速度调整等变化。

目前公开的检测器主要面向上传的图片、视频和音频。Google 的介绍称，它可以识别由 Google AI 制作的内容，或由使用 SynthID 的合作方系统制作的内容。这比日常问题“它是不是 AI 做的”要窄得多。提出这个问题的人，可能指的是任何生成式系统，包括开放模型、私有工具，或从未嵌入水印的工作流。SynthID 回答的是一个更具体的问题：“这个文件是否含有可识别的 SynthID 信号？”

这不是技术细节上的补充说明，而是会改变报告写法或对客户展示结果的方式。

阳性结果支持这样的表述：“该文件含有与受支持 AI 生成或编辑流程相关的 SynthID 水印。”它不支持这样的表述：“视频中的事件是假的”“Google 证明这是错误信息”或“整个文件都是从零生成的。”AI 系统可能编辑了一张真实照片、延展了一段视频、替换了背景，或者只生成了其中的音频层。这个信号可以证明模型参与，却不能单独解决画面真实性问题。

阴性结果支持这样的表述：“SynthID Detector 没有在提交的文件中找到受支持的 SynthID 水印。”它不支持“这是人制作的”“这是事实”甚至“没有使用 AI”。文件可能从未嵌入水印，也可能使用检测器不支持的系统。水印可能在处理过程中被移除或损坏。文件还可能是截图、录屏、导出文件或其他衍生版本，因此已经不再带有原始信号。

Google 自己的文档也明确指出，验证要以相关水印存在为前提。没有找到水印，并不是一种普遍意义上的否定结论。

团队应当分开的两层溯源信息

当前讨论经常把两种不同技术混在一起：水印和 Content Credentials。它们解决的是相关问题，但提供的证据并不相同。

SynthID 是嵌入内容中的隐藏信号，目的是在许多普通变换之后仍可被检测。它的主要价值在于持久性。如果文件在下载、缩放或平台上传过程中丢失了普通元数据，嵌入式信号仍可能可以检查。

Content Credentials 建立在 C2PA 开放标准之上。它使用签名的溯源信息，记录资产的来源及后续操作。凭证可能描述所用软件或设备、对文件做过的编辑，以及当前资产与早期版本之间的关系。C2PA 将这些记录描述为与资产绑定、可通过密码学验证的清单。

区别可以简单概括为：

• 水印是媒体内部的一条耐久线索。
• 凭证是关于媒体历史的签名记录。
• 验证器是读取其中一种或两种信号的工具。

这两层都不是事实机器。有效签名可以表明某个已识别的签署者曾对资产作出声明，而且该声明在相关方式上没有被改动；它不能保证签署者对事件的描述完整或诚实。水印可以表明参与生成系统接触过该资产；它不能告诉你附在资产上的说明是否准确。

OpenAI 对其溯源工作的公开说明在这里很有帮助，因为它明确描述了分层方法。OpenAI 表示，它使用 C2PA 元数据提供背景和溯源，同时在受支持的图片和音频中加入 SynthID，作为元数据被剥离后的更耐久信号。它也提醒说，没有任何检测方法万无一失，找不到信号不应导出确定性结论。

这种分层设计比“AI 检测器”这个说法更准确。验证不是一次分类，而是围绕文件生命周期持续收集证据。

面向发布者的实用核验流程

团队不需要大型取证实验室才能负责任地使用这些系统，但需要一个可重复的接收程序。下面的流程刻意保守，因为错误声明的代价往往高于延迟几分钟发布的代价。

1. 保存提交的原始文件

尽可能索要原始文件，不要只收截图或从社交平台下载的转载版本。保存文件名、文件哈希、上传时间、发送者以及实际收到的完整文件。为缩放、转码、转写或分析制作工作副本。

这一步很容易被跳过，却很难在事后补回。每一次转换都可能移除元数据，或以影响后续检查的方式改变文件。如果平台已经重新压缩媒体，应记录这一事实，而不是把衍生文件说成来源文件。

内部流程至少应记录：

asset_id: 内部分配的资产编号
received_at: UTC 时间戳
received_from: 人员或账号标识
original_filename: 完整原始文件名
sha256: 已保存文件的哈希
processing: 每一次缩放、裁剪、转码或导出
verification_time: UTC 时间戳
verification_result: 工具返回的准确措辞

目的不是制造形式主义文书，而是在客户、编辑、监管机构或同事追问“到底检查了什么”时，让结果能够重现。

2. 修改文件前检查 Content Credentials

如果原始文件携带 Content Credentials，应在用可能重写或丢弃凭证的编辑器打开之前检查。记录声称的创建者、软件、采集设备、编辑内容和签名状态。留意“创建者”和“编辑者”的差别。凭证可能描述一条从相机拍摄开始、后来加入生成式填充的链条。

凭证还需要信任判断。签名在密码学上有效，并不意味着相关身份或工作流为人所熟悉。一个有名称的应用程序不等于对画面所示事件进行了独立确认。溯源告诉你这条链声称了什么；报道仍需检验这个说法是否符合故事。

C2PA 规范旨在让这些声明具有防篡改性，并可在不同工具之间携带。但它不会把清单中的每一句话都变成经过独立核实的事实。这一区别应当写进编辑指南和面向用户的产品文案。

3. 对保存的媒体运行 SynthID Detector

提交原始文件，或现有的最少变换副本。针对相应媒体类型进行检测：图片、视频或音频。保存结果，并注明提交的是哪个文件。对于视频，要记住水印可能只与某些帧或片段相关，而公开界面可能会以更高层级概括结果。

不要先裁掉标识、转换视频或清除元数据，再默默对变换后的副本检测，随后把结果当成来自源文件。变换副本仍然有价值，但它回答的是另一个问题。

如果结果显示有 SynthID 水印，记录工具列出的提供方或受支持系统，以及工具使用的措辞。如果什么也没找到，记录“未检测到受支持的 SynthID 信号”，不要记录“不是 AI”。准确措辞可以防止有限测试的结果在编辑流程中逐渐变成证据无法支持的结论。

4. 独立核查相关说法

溯源不是背景信息。合成图片可以被准确标注，却仍被用于表达虚假说法。真实照片也可能配上错误日期、地点或说明。AI 编辑的录音可能包含真实事件，同时伴随误导性改动。

检查来源账号历史、最早可见上传、地点和天气线索、独特地标、当地报道以及其他独立影像。对于音频，可以把声音和背景细节与已知材料比较，但不能把声音相似当成证明。对于视频，可以观察连续性、倒影、阴影和剪辑，但不要单凭视觉异常下定论。

真正的问题不只是“是否有 AI 参与”，还包括“这个文件声称展示了什么，以及哪些独立证据支持这个说法？”

5. 为结论分配可信度等级

团队可以采用简单的内部尺度：

• 找到溯源信号：有证据支持参与的 AI 系统创建或编辑了文件的全部或部分内容。
• 未找到溯源信号：在提交文件中没有找到受支持信号，来源仍未解决。
• 背景已核实：独立证据支持所称的日期、地点、人物或事件。
• 背景未解决：文件可能归属正确，但周围说法未经核实。
• 存在矛盾证据：其他可靠证据与文件说明或溯源记录冲突。

这样可以拆开经常被压缩进一个标题的四个问题：什么工具接触过媒体，文件包含什么，说明声称了什么，以及事件是否真实。

阳性结果能证明什么，不能证明什么

SynthID Detector 最可靠的用途，是归因于受支持工具的参与。假设营销团队收到一张产品图片，画面似乎展示了一个处在实体环境中的新设备。阳性结果可以支持披露：Google 或某个参与系统生成或编辑了该图片。它可以帮助团队避免把合成场景当成照片展示，也可以帮助平台将资产送入不同的标签或审核队列。

但这个结果无法回答若干重要问题：

• 整张图片都是生成的，还是只有某个区域经过编辑？
• 提示词基于真实产品，还是虚构概念？
• 生成后是否有人进行了大量编辑？
• 说明中的日期或地点准确吗？
• 图片是否侵犯隐私、版权或肖像权？
• 文件是否适合用于受到监管的广告？

音频和视频也是一样。水印可能识别出生成的声音层或经过 AI 编辑的片段，却无法判断说话者是否同意、转写是否准确，或录音是否在其他环节被篡改。

因此，标签应准确描述证据。“AI 生成”在检测器只能证明受支持软件参与时可能过于宽泛。“含有与 Google AI 相关的 SynthID 水印”听起来不那么醒目，但更站得住脚。

阴性结果能证明什么，不能证明什么

阴性发现对运营有用，在措辞上却很危险。它可以告诉审核或发布团队：某一条溯源渠道没有匹配结果。这可能降低某类审核的紧迫性，但如果内容影响重大，不应因此结束调查。

结果为空有多种原因：

• 媒体由不使用 SynthID 的系统创建。
• 系统使用另一种水印或溯源标准。
• 文件创建时，相关水印功能尚不存在。
• 资产经过导出软件处理，信号被移除。
• 平台交付的是衍生文件，而不是原始文件。
• 信号存在，但无法从当前版本恢复。
• 文件由人制作，却被错误配文或放入错误背景。

团队在 SynthID 结果为空后发布“未检测到 AI”，实际上作出了远大于测试能力的声明。更安全的产品文案是“未找到受支持的 SynthID 水印”。这种说法足够清楚，也足够狭窄，能够随着受支持生态变化继续成立。

为什么截图和转载会造成证据断层

网络上充满了第二代媒体。有人下载一张生成图片，在设计工具中加字，通过消息应用发送，再上传到会生成另一个衍生文件的平台。链条末端的可见内容可能与原始文件几乎相同，但机器可读的历史已经消失。

水印的设计目标是比普通元数据更耐久，但耐久不等于永远存在。裁剪、压缩、屏幕截图、合成和反复变换都会影响检测。C2PA 凭证有不同的失效方式：即使像素看起来不变，凭证也可能被剥离或丢失。

运营上的答案是尽早收集证据。对于接收用户媒体的平台，这意味着在条件允许时，应在自动变换前检查上传内容，并同时保存原始文件和交付的衍生文件。对记者而言，这意味着索要源文件并记录保管链。对企业而言，这意味着把资产历史保存在内容管理系统中，而不是依赖从活动文件夹下载的最终 JPEG。

因此，溯源流程应记录不确定性，而不是把它抹掉。“发送者提供的是压缩副本；没有凭证；SynthID 未找到受支持信号”是一条有用记录。“真实”不是。

团队应如何把工具融入日常工作

最好的部署方式通常是分流层，而不是自动发布闸门。检测结果可以决定哪些案例需要深入复核，但单一结果很少应独自决定高影响行动。

对新闻编辑室，流程可以是：

1. 保存原始文件，并索要来源链。
2. 检查 Content Credentials，运行 SynthID。
3. 将结果与发送者的描述进行比较。
4. 通过独立报道核实事件。
5. 在相关时加入关于 AI 参与的透明说明。
6. 将核验记录与已发布资产一并保留。

对营销或传播团队，流程可以更早开始。要求供应商和员工标明资产属于拍摄、编辑、生成还是合成。若对活动重要，应保留提示词或编辑说明。在进入付费分发前核验资产。不要假设品牌内部审批可以替代特定市场中的披露义务。

对平台而言，检测器可以支持队列，而不是充当不可见的判决。阳性信号可能触发可见标签、背景说明请求或高风险分发限制。缺少信号不应自动提升内容优先级，也不应覆盖用户举报。平台仍需分别针对冒充、欺诈、被操纵的政治内容以及未经同意的私密内容制定规则。

成本主要是流程性的。技术成本包括存储、哈希、凭证检查、可用时的 API 或服务访问，以及审核时间。组织成本则是要在争议案例出现前统一措辞。如果员工仍然写出证据无法支持的结论，那么这份统一的语言约定比再购买一个黑箱检测器更有价值。

隐私与保留问题

将媒体上传到验证服务可能暴露个人数据。照片可能含有人脸、地点线索、文件、私人对话或商业敏感设计。音频可能包含声音和无意录入的谈话。视频可能暴露旁观者或工作场所活动。

在把检测器纳入常规流程前，应确认服务会保留什么、上传内容是否用于改进、结果可用多长时间、是否需要账号，以及企业版或 API 路径是否改变这些条款。对低风险检查，应尽量减少发送的媒体，但不要裁掉核验所需的特征。对于敏感文件，应建立获批的处理路径和访问日志。

不要因为某个第三方检测器免费，就把机密来源材料上传给未经批准的服务。溯源检查本身就是一次信息传输，应当接受与其他外部处理服务相同的隐私审查。

结果本身也可能敏感。声称记者、员工、客户或政治组织使用了生成式 AI，可能影响声誉或就业。应将证据和解释一起保存，限制访问；如果更窄的公开披露已经足够，就不要暴露原始核验数据。

替代工具与互补检查

SynthID 对其支持网络中的媒体最有用。它应与其他检查并列使用，而不是替代其他检查。

兼容 C2PA 的查看器和 Content Credentials 工具可以显示签名的创建和编辑历史。当资产带有解释具体操作的详细清单，而不只是返回水印匹配时，它们尤其有用。OpenAI 也为受支持的输出提供自己的溯源与验证工作，其文档解释了 C2PA 凭证与 SynthID 信号之间的关系。

反向图片搜索仍适合寻找更早出现的版本和相互冲突的说明。它不能证明最早被索引的副本就是原件，却可以揭示被重复使用的照片或错误地点。对于重要报道，来源核实、地理定位、时间戳检查以及直接联系摄影者或权利人仍然重要。

应谨慎对待通用 AI 检测器，尤其是文本和经过大量编辑的媒体。概率分类器可以作为线索，但其分数不是归因记录。不要仅凭检测器分数指控某人欺诈、拒绝求职申请、删除帖子或提出法律主张。

后果越严重，流程就越应从自动分类转向人工复核和独立证据。

商业价值在于更好的溯源，而不是完美检测

SynthID Detector 面向公众开放之所以重要，是因为溯源正在从基础设施团队内部讨论的无形标准，变成面向用户的产品功能。Google 表示，其在 Search、Gemini 和 Chrome 中集成的验证功能如今每天处理超过一百万次请求；公司还报告称，其系统已经为超过 1800 亿张图片和视频以及大量音频加入水印。这些是公司报告的数字，不是独立的准确率测量，但它们显示出溯源信号正在以怎样的规模部署。

商业机会并不是承诺每一个合成文件都会被发现。在开放媒体生态中，这种承诺不可能实现。更有用的目标是让受支持的溯源更容易被保存、检查、解释并纳入决策。

发布者可以减少错误标注。品牌可以更一致地披露生成式编辑。平台可以给审核员提供更好的证据。客户可以理解资产为什么收到某个标签。这些结果都不要求假装检测器知道某个场景是否真实。

虚假的信心也有代价。如果用户学会把“未检测到”理解成“真实”，攻击者就可以专门针对没有水印的媒体。如果阳性结果被当成欺骗证明，合法的创意作品也可能被错误描述。溯源系统要赢得信任，就必须清楚说明边界。

团队现在可以采用的一页政策

内部政策可以压缩成一页：

• 在处理前保存原始媒体。
• 记录文件哈希和每一次变换。
• 在可用时检查 Content Credentials。
• 只对已经明确标识的文件版本运行 SynthID。
• 将阳性匹配报告为受支持的 AI 溯源证据，而不是虚假事件的证明。
• 将结果为空报告为未发现受支持信号，而不是人类创作的证明。
• 独立核实周围的说法。
• 将高影响案例交给合格审核人员。
• 减少敏感上传，并记录保留条款。
• 将核验记录与已发布或分发的资产一同保存。

这份政策有意保持克制。它不要求每位编辑都成为数字取证专家，而是要求组织保存证据，按照工具能够回答的问题使用工具，并把归因与真实性分开。

可以尝试什么，又应跳过什么

当你手头有一张图片、一段视频或一段音频，怀疑它来自受支持的 AI 工作流，并需要快速进行溯源检查时，可以尝试 SynthID Detector。对于接收台、内容库、社交团队以及经常收到来源不明媒体的编辑，它尤其有用。如果文件带有签名清单，应同时检查 Content Credentials。

不要把它当作独立的真实性裁决。不要用结果为空来认证照片、为政治视频背书、证明人类作者身份，或解决现实世界发生了什么的争议。不要在不了解服务处理条款的情况下上传敏感材料。若错误结论可能伤害个人或组织，也不要让它成为流程中唯一的控制措施。

实际转变很简单：先问“存在什么溯源信号”，再问“这是真的吗”。Google 的公开检测器可以帮助回答第一个问题。第二个问题仍然属于证据、背景和人的判断。

来源

本文依据主文中提到的 Google、OpenAI、C2PA 及相关公开资料进行翻译与改编；未将检测结果为空解释为真实性证明，也未把受支持的水印信号扩展成普遍性的 AI 判断。