Detector de marcas de agua en texto y de ChatGPT: caracteres ocultos

Detector de marcas de agua en texto y de ChatGPT: qué se puede encontrar de verdad

Quien busca un detector de marcas de agua en texto o de la marca de agua de ChatGPT espera una firma oculta que demuestre que un texto salió de una IA. Esto es lo que hay en realidad. OpenAI ha dicho que desarrolló un método de marca de agua para texto y decidió no lanzarlo, en parte porque reformular, traducir o pasar el texto por otro modelo la borra. Google sí marca lo que genera Gemini con SynthID Text, pero esa marca está en la elección de las palabras y solo las herramientas de Google pueden comprobarla. Ninguna de las dos puede leerla un verificador independiente, incluido este.

Lo que un verificador sí puede encontrar es todo lo que está en el texto en forma de caracteres: zero-width spaces (espacios de ancho cero), caracteres de formato invisibles, letras parecidas de otro alfabeto y espaciado extraño. Vienen de las interfaces de chat con IA, de copiar páginas web y PDF y, a veces, de personas que marcan copias a propósito. Pega el texto y el informe enumerará cada tipo que encontró, con una línea de detalle bajo las etiquetas, por ejemplo Found 2 zero-width/invisible characters.

¿ChatGPT añade caracteres ocultos?

A veces, pero no como una marca de agua declarada. En abril de 2025 los usuarios notaron espacios estrechos de no separación (U+202F) en las respuestas de los modelos más nuevos de ChatGPT y los llamaron marca de agua. OpenAI no lo confirmó, y ese carácter también aparece en la tipografía corriente (la puntuación francesa, números como 10 000). Los espacios de ancho cero y los guiones suaves de una respuesta pegada también pueden venir de la app o la página desde la que copiaste, así que el carácter por sí solo no dice de dónde viene.

Dos conclusiones prácticas:

• Encontrar un carácter invisible no demuestra que el texto lo escribiera una IA. No encontrarlo no demuestra lo contrario.
• Si te interesa en concreto U+202F, compruébalo con el comando de abajo: este detector trata U+202F como un espacio normal y no lo señala.

Para juzgar la autoría, usa una herramienta basada en el estilo, como el detector de texto generado por IA, y toma su puntuación como una pista, no como un veredicto.

Cómo leer el informe

Las etiquetas son los tipos de hallazgo. Cada una significa que se activó una regla concreta:

El porcentaje de confianza no es la probabilidad de que el texto sea generado por IA. Es una fórmula que crece con el número de tipos de hallazgo y de caracteres encontrados: un solo carácter de ancho cero da alrededor del 46 %, y varios tipos llegan enseguida al 100 %. Fíjate en las líneas de detalle, no en el número.

Detector de zero width space: los caracteres, uno a uno

Buscar caracteres ocultos en un texto sin subirlo

Si el texto es confidencial, revísalo en local.

Microsoft Word

Mostrar todo ¶ (Ctrl+Shift+8) muestra los espacios, los espacios de no separación y los guiones opcionales, pero no los espacios de ancho cero. Para encontrarlos, abre Buscar y escribe ^u8203 (el código decimal de U+200B); ^u8204, ^u8205 y ^u65279 encuentran ZWNJ, ZWJ y BOM. Reemplázalos por nada para eliminarlos.

Google Docs

Docs no tiene ningún modo que muestre los caracteres de ancho cero. Pega el texto en este verificador o en un editor de código, límpialo allí y vuelve a pegarlo.

VS Code y otros editores de código

VS Code resalta por defecto los caracteres Unicode invisibles (ajuste editor.unicodeHighlight.invisibleCharacters), así que los caracteres ocultos aparecen como recuadros.

Línea de comandos

Esto imprime cada línea que contiene un carácter de ancho cero, BOM, guion suave o U+202F, y funciona en macOS y Linux:

perl -CSD -ne 'print "$.: $_" if /[\x{200B}-\x{200F}\x{2060}-\x{2064}\x{FEFF}\x{00AD}\x{202F}]/' text.txt

Y esto enumera cada carácter sospechoso con su posición y su nombre Unicode:

python3 -c "import sys,unicodedata as u
t=open(sys.argv[1],encoding='utf-8').read()
[print(i,hex(ord(c)),u.name(c,'?')) for i,c in enumerate(t) if u.category(c)=='Cf' or c in '  ­']" text.txt

Dónde hacen daño de verdad los caracteres ocultos

• URL y slugs. Un espacio de ancho cero pegado en un enlace o en el slug de un CMS genera una dirección que parece correcta y devuelve 404.
• Códigos e inicios de sesión. Códigos promocionales, claves de API y nombres de usuario copiados de un chat no pasan la validación sin ningún motivo visible.
• Archivos de código fuente. Un BOM antes de <?php envía salida antes de las cabeceras y provoca "headers already sent"; algunos parsers de JSON y CSV fallan con él o lo meten en el nombre de la primera columna.
• Búsqueda y recuentos. Una palabra con un carácter oculto o con una letra cirílica dentro es otra palabra para Ctrl+F, el buscador del sitio y los correctores ortográficos, y los contadores de palabras no coinciden.
• Títulos y fragmentos. Un guion suave en un título o en una meta description puede aparecer como guion visible cuando el texto se recompone en otro sitio.

Cómo eliminar caracteres ocultos sin riesgos

La copia limpia hace algo más que borrar caracteres de ancho cero. Ten claro qué cambia antes de publicarla:

• Se eliminan los caracteres de ancho cero y de formato, incluidas las uniones dentro de las secuencias de emoji y las no uniones que necesita la ortografía del persa o del hindi.
• Las letras parecidas se sustituyen por las del alfabeto esperado. Una palabra mixta, como un nombre de marca latino con un sufijo cirílico, también se modificará.
• Las secuencias de espacios se reducen a uno y se recortan los espacios finales.
• Las cadenas detectadas como metadata_markers se borran, incluidas las frases "AI-generated" y "Generative AI", los UUID y las cadenas base64 largas. Si tu texto habla de IA o contiene identificadores, restáuralos a mano.
• Las rayas y los guiones medios se convierten en guiones, las comillas tipográficas en comillas rectas y los espacios de no separación en espacios normales. Esto ocurre sin aviso y no cuenta como hallazgo.

Si solo quieres quitar los caracteres invisibles y conservar la tipografía, usa el método de reemplazo de Word o el comando de Perl con s///g.

Lo que no demuestra un resultado limpio

"No se detectaron marcas de agua" significa que no se activó ninguna de las reglas anteriores. No significa que el texto lo haya escrito una persona, y no dice nada sobre marcas de agua estadísticas como SynthID Text. Volver a escribir, traducir o parafrasear un texto elimina por completo las marcas a nivel de carácter, y precisamente por eso los proveedores pasaron a las estadísticas.

Las imágenes, el video y el audio llevan la procedencia de otra forma, en los metadatos del archivo, como los manifiestos C2PA. Para ellos, usa el detector de marcas de agua en imágenes, el detector de marcas de agua en video y el detector de marcas de agua en audio.