Детектор ИИ-изображений: проверить фото на ИИ

Как проверить фото на ИИ: порядок действий

Проверить фото на ИИ надёжнее всего не одним детектором, а несколькими независимыми сигналами. Инструмент на этой странице даёт два из них — метаданные и оценку ML-модели, — третий остаётся за вами: источник и контекст картинки. Рабочий порядок такой:

1. Найдите оригинал. Обратный поиск по картинке (Google Lens, TinEye) часто приводит к первой публикации — с подписью автора, большим разрешением и иногда с метаданными, которые потерялись в репостах.
2. Проверьте метаданные. Если генератор записал манифест C2PA или метку IPTC, это самый весомый аргумент. Подробный разбор манифеста — в C2PA Checker.
3. Запустите ML-модель. Она смотрит на пиксели и работает, когда метаданных нет.
4. Посмотрите глазами по чек-листу на странице: руки, надписи, отражения, фон.
5. Оцените контекст: кто опубликовал, есть ли другие кадры того же события, совпадают ли погода, вывески, одежда с местом и датой.

Ни один шаг сам по себе не даёт ответа «да/нет». Уверенность появляется, когда несколько сигналов указывают в одну сторону.

Что видит детектор ИИ-изображений

Метаданные: запись о происхождении

Часть генераторов честно помечает свои файлы. Стандарт C2PA (Content Credentials) хранит в файле подписанный манифест: кто создал изображение и какие действия с ним выполнялись. Для генеративного ИИ в манифесте ставится тип источника trainedAlgorithmicMedia, для монтажа с ИИ-фрагментами — compositeWithTrainedAlgorithmicMedia. Тот же словарь IPTC используется и без C2PA — в поле XMP DigitalSourceType. Локальные генераторы пишут своё: Stable Diffusion WebUI сохраняет промпт и настройки в текстовый блок PNG parameters, ComfyUI — в блоки prompt и workflow.

У метаданных два свойства, которые нужно держать в голове. Их наличие — сильный сигнал, ведь случайно такая запись не появляется. Их отсутствие не значит ничего: блоки удаляются при пересохранении, а стереть их может любой — тем же удалением EXIF. Мы показываем, что заявлено в манифесте, но не проверяем подпись криптографически; для этого есть официальный сервис contentcredentials.org/verify.

Пиксели: что учит классификатор

ML-детектор не «понимает» сюжет. Он обучен на сотнях тысяч реальных и сгенерированных картинок и улавливает статистические следы генерации: характерный шум, регулярности после повышения разрешения, особенности текстур. Модель на этой странице — классификатор всего кадра: изображение уменьшается до 440 px по короткой стороне, из центра берётся квадрат 384×384, на выходе — одно число, которое мы переводим в вероятность. Порог «скорее ИИ» — 65%: его выбрал автор модели при калибровке.

Невидимые водяные знаки

Отдельный класс сигналов — водяные знаки в самих пикселях. Самый известный — SynthID от Google: он встраивается в изображения моделей Google и рассчитан на то, чтобы пережить сжатие и обрезку. Прочитать его может только детектор Google, поэтому эта страница его не определяет. Как проверить SynthID через Gemini, разобрано в отдельной инструкции.

Где детекторы ошибаются

Понимать слабые места полезнее, чем помнить проценты точности:

• Сильная обработка реальных фото. HDR, ночной режим смартфона, ИИ-шумоподавление, апскейлеры и бьюти-фильтры оставляют следы, похожие на генерацию. Высокая оценка у такого кадра — частая ложная тревога.
• Частичные правки. Если ИИ дорисовал небо или убрал прохожего, а остальное — настоящий снимок, классификатор всего кадра может не заметить вставку.
• Маленькие и пережатые картинки. Превью, аватарки, кадры из мессенджеров теряют мелкие детали, по которым работает модель. На картинках меньше 256 px по короткой стороне инструмент предупреждает об этом отдельно.
• Скриншоты и фото экрана. Добавляют рамки, интерфейс, муар и пересчёт масштаба — сигнал размывается.
• Новые генераторы. Модель знает то, на чём училась. Генератор, вышедший после обучения, может давать картинки, которые она пропускает.
• Рисунки, 3D и CGI. Цифровая графика, сделанная человеком, — не фотография, и модель может оценивать её непредсказуемо.

Почему разные детекторы дают разный ответ

Если проверить одну картинку в трёх сервисах, легко получить 12%, 58% и 97%. Это не обязательно значит, что кто-то из них сломан. Каждая модель обучена на своём наборе данных: одна видела много Midjourney и мало FLUX, другая — наоборот. У каждой свой порог: где-то «ИИ» начинается с 50%, у нас — с 65%. Наконец, процент одного сервиса не равен проценту другого: это внутренняя шкала модели, а не общая единица измерения.

Поэтому сравнивать стоит не цифры, а выводы, и только на одном и том же файле. Даже повторное сохранение JPEG с другим качеством или обрезка краёв могут сдвинуть оценку на десятки процентных пунктов, особенно рядом с порогом. Если результат меняется от того, какую копию вы проверяете, это само по себе информация: картинка находится в зоне, где модели не уверены, и вывод нужно делать по метаданным, источнику и ручному осмотру.

Наконец, детекторы стареют. Генераторы обновляются каждые несколько месяцев, и модель, обученная полгода назад, может хуже узнавать свежие версии. Мы указываем, на каких генераторах обучена модель на этой странице, чтобы было понятно, где её оценка надёжнее.

Как читать результат проверки

Если сомневаетесь, проверьте лучшую доступную копию: файл в полном разрешении из первоисточника почти всегда даёт более осмысленный результат, чем картинка из ленты.

Практический чек-лист перед выводом

• Есть ли у изображения автор, дата и место, которые можно проверить?
• Находится ли более ранняя публикация или кадр в большем разрешении?
• Что в метаданных: C2PA, DigitalSourceType, параметры генерации, EXIF камеры? Помните, что EXIF легко подделать.
• Какую оценку даёт модель на оригинале, а не на скриншоте?
• Сходятся ли мелочи: пальцы, текст на вывесках, отражения, тени, симметрия украшений?
• Не обработан ли кадр так, что это объясняет высокую оценку (HDR, ретушь, апскейл)?

Для полного аудита файла — скрытых меток, LSB-аномалий и очистки метаданных — используйте детектор водяных знаков на изображении.