短短幾年間，深度偽造就從研究演示變成了日常網路內容。其中一些是無害的娛樂——換臉梗圖、電影惡搞，以及用我們的 AI換臉 等工具製作的創意剪輯。另一些則是蓄意欺騙：偽造的明星代言、捏造的新聞片段、用複製聲音撥打的詐騙電話。無論哪種，分辨真實與合成內容的能力，正迅速成為一項基本的媒介素養。
好訊息是：大多數深度偽造仍會留下"指紋"。本指南將帶你掌握實用的深度偽造偵測方法——10 個可以用自己的眼睛和耳朵核查的視覺和聽覺訊號，外加後設資料檢查、專門的 Deepfake 偵測工具，以及正在興起、將讓核驗越來越容易的內容溯源標準（如 C2PA）。
為什麼 2026 年深度偽造偵測如此重要
生成式 AI 已經跨過了品質門檻。過去需要研究實驗室和數天 GPU 運算才能完成的逼真換臉，如今在瀏覽器裡不到一分鐘就能做出來。三大趨勢讓偵測技能變得迫切：
- 數量：每天都有數以百萬計的合成圖片和影片被發布，對深度偽造偵測的搜尋熱度也在持續攀升。
- 品質：現代模型對光照、皮膚紋理和口型同步的處理，遠勝早期深度偽造。（如果你對底層技術感興趣，請閱讀 深度偽造技術原理詳解。）
- 後果：深度偽造如今出現在詐騙、選舉虛假資訊和未經同意的私密影像中——在這些場景裡，上當受騙會帶來真實的後果。
保護自己並不需要取證學位，你需要的是一份檢查清單。清單如下。
判斷影片或照片是否由 AI 生成的 10 個訊號
任何單一訊號本身都無法證明什麼。偵測是機率性的：疊加的危險訊號越多，你的判斷就越有把握。
1. 不自然的眨眼和眼部表現
早期深度偽造幾乎不眨眼，因為訓練資料集裡全是睜著眼的照片。現代模型會眨眼了，但節奏常常規律得出奇，或者眼瞼無法完全閉合。還要留意眼睛本身：眼中的反光（眼神光）應當與場景中的光源對應，並且在雙眼中出現在相同位置。不吻合或缺失的眼神光是經典的 AI 破綻。視線方向與頭部運動脫節、自行漂移，也是一個訊號。
2. 臉部邊緣模糊或閃爍
大多數換臉流程會先生成臉部區域，再把它融合到原來的頭部上。這條融合線——沿著下頜、髮際線和耳朵——正是瑕疵集中的地方。留意以下情況：背景清晰而臉部周圍卻有微妙的柔化或"光暈"、頭部轉動時下巴處閃爍、髮絲在越過臉部邊界時變得模糊或糊成一片。暫停影片，逐幀拖動檢視；正常播放時看不出的融合錯誤，在靜止畫面中會一目瞭然。
3. 光照和陰影不一致
光線很難被連貫地偽造。檢查臉上的光線方向是否與場景其餘部分一致：如果房間的窗戶在鏡頭左側，鼻子的陰影卻也落在左側，那就有問題。頭部移動時皮膚高光卻固定不動、下巴下方的陰影與脖子不吻合、或者在昏暗房間裡出現一張像是影棚打光的臉，這些都表明這張臉是脫離環境單獨生成的。
4. 手、牙齒、耳朵和首飾
生成模型在處理高細節、高變化的結構時依然吃力。最常見的問題包括：
- 手：手指數量不對、指關節粘連、不可能的關節角度。
- 牙齒：融合成一整條白色色帶，或在不同幀之間數量發生變化。
- 耳朵：不對稱、畸形，或者在其他幀裡出現的耳環突然不見了。
- 眼鏡和首飾：鏡框貼著臉部扭曲變形、反光與場景不同步。
在影片中，這些區域也會閃爍——一隻在幀與幀之間"瞬移"幾個像素的耳環，就是一個強烈訊號。
5. 皮膚過於光滑——或年齡感怪異
AI 生成的人臉常常帶有蠟像般、噴槍修飾過的質感：毛孔消失，細紋被抹平，皮膚像化妝品廣告一樣光線均勻。也會出現相反的不協調：一張臉看上去的年齡，與它所連線的手、脖子或髮際線對不上。真實的皮膚帶有在臉上各處變化的紋理噪點；合成皮膚則往往均勻得可疑。
6. 口型同步與口腔內部問題
在"說話人大頭貼"類深度偽造中，嘴巴是最難處理的區域。注意以下情況：嘴唇比聲音慢了幾幀；口型與特定發音不吻合（發 B、M、P 這幾個音時雙唇必須閉合——重點檢查）；口腔內部看起來是一團暗色汙跡，而不是牙齒和舌頭。條件允許的話，把聲音靜音，只看嘴巴：沒有聲音來錨定你的感知，糟糕的口型同步會變得容易察覺得多。
7. 聽起來不太像人聲的音訊
聲音複製有它自己的一套瑕疵，很多假影片在畫面露餡之前，先在音訊上露了餡。仔細聽：情緒重音是否平淡或位置怪異、句子之間是否缺少呼吸聲、某些音素是否帶有金屬感或"水下"般的音色、語速是否均勻得不自然。背景噪音也是一個線索：真實錄音中的房間底噪會與人聲相互作用，而複製音訊常常聽起來像是直接貼在一片靜音之上。我們在 AI 語音複製與影片深度偽造比較 中對此有深入介紹。
8. 側臉角度和遮擋時出現故障
換臉模型主要用正臉和接近正臉的影像訓練。一旦人物轉成 90 度全側臉，或者有手從臉前經過，較弱的模型就會崩潰：人臉可能短暫扭曲、變回原來的人，或者糊到遮擋物上。把進度條拖到頭部轉得最遠、或有東西擋住臉的時刻——真相往往就在這些畫面裡洩露出來。
9. 背景扭曲和違反物理規律
生成瑕疵不只出現在臉上。背景中的直線——門框、瓷磚、招牌上的文字——可能在人物附近彎曲或起伏。文字尤其能說明問題：AI 生成或 AI 編輯的場景中經常出現亂碼般的字母。在影片中，觀察頭髮、衣服和配飾的運動；不符合慣性的布料，或不隨頭部運動而擺動的頭髮，都暗示著合成。
10. 前後語境不合常理
最可靠的深度偽造"偵測器"，仍然是你對語境的判斷。這段內容最早是在哪裡發布的？有沒有可信的媒體佐證？一位明星真的會用一段低解析度直式影片宣佈抽獎送禮嗎？對關鍵影格進行以圖搜圖（Google Lens 和 TinEye 都可以），找出這段畫面更早的版本。一段只出現在某個匿名帳號上、還被裁掉浮水印的驚人影片，無論看起來多麼乾淨都值得懷疑。想了解合成媒體的分類，可以先從 什麼是深度偽造 讀起。
檢查後設資料
除了用肉眼審視像素，檔案本身也攜帶著證據：
- EXIF 資料：真實相機拍攝的照片包含相機型號、鏡頭、曝光參數，通常還有 GPS 資訊。exiftool 之類的工具或網頁檢視器幾秒鐘就能讀取這些資訊。AI 生成的圖片通常 EXIF 被清除或極少——有些生成器甚至會寫入標識軟體的標籤。
- 檔案歷史：重新編碼、重新上傳的檔案會丟失後設資料，因此缺失後設資料證明不了什麼——但存在一條連貫的相機記錄，則是有意義的正面證據。
- 解析度和壓縮指紋：許多生成流程在放大之前，會以特定解析度輸出（512、768、1024 像素見方）。奇怪比例的裁剪和二次壓縮痕跡，暗示著為掩蓋來源而進行的後期處理。
像對待視覺訊號一樣對待後設資料：它只是又一個機率性參考，而不是最終判決。
值得了解的深度偽造偵測工具
當人工檢查不夠用時，自動化的深度偽造偵測可以提供幫助：
- Hive AI Detector——瀏覽器擴充功能和 API，可將圖片、影片和音訊判定為 AI 生成，被內容審核團隊廣泛使用。
- Reality Defender——企業級多模型偵測平台，覆蓋媒體、語音和文件。
- Intel FakeCatcher——分析臉部影片中細微的血流顏色變化（光電容積描記法），這是生成器無法復現的。
- Deepware Scanner——面向可疑影片的免費線上掃描工具。
- Resemble Detect——專注於合成音訊和複製聲音。
有兩點需要坦誠說明。第一，偵測器與生成器陷入了一場軍備競賽：今天準確的偵測器，可能對下個季度的新模型視而不見。第二，它們會對經過大量編輯但真實的媒體產生誤報。把偵測器的結果當作上述十個訊號之外的又一個參考，而絕不是最終答案——尤其是在指控別人發布假內容之前。
C2PA、內容憑證與浮水印
長期的解決方案不是更好的偵測，而是溯源。溯源系統不去證明一個檔案是假的，而是證明它從哪裡來：
- C2PA（內容來源和真實性聯盟） 定義了加密簽名的"內容憑證"（Content Credentials），記錄圖片或影片是如何被建立和編輯的。Adobe、微軟、Google、OpenAI 以及主要相機廠商都支援這一標準，較新的相機還能在拍攝時就為照片簽名。
- 隱形浮水印（如 Google 的 SynthID）會在 AI 輸出中嵌入機器可讀的標記，即使經過縮放和壓縮也能保留。
- 平台標註：主流社群網路如今會為偵測到或使用者自行聲明的 AI 內容新增標籤，部分原因是受到《歐盟人工智慧法案》透明度要求等法規的推動。
這些措施目前都尚未普及——簽名會被剝離，浮水印並非處處強制，開源模型也不一定會遵守（原因可參閱我們的 開源深度偽造工具 概覽，瞭解為何監管執行如此困難）。但檢查內容憑證已經很有價值：一張帶有來自相機的有效 C2PA 清單的圖片，是其真實性的有力證據。
發現深度偽造後該怎麼做
發現了有害的合成內容？可以按照以下簡單流程處理：
- 不要擴散。 即使是引用轉發來闢謠，也會擴大它的傳播範圍。
- 儲存證據。 截圖帖子、儲存連結，記下帳號和時間戳。
- 向平台檢舉——大多數平台現在都設有專門的合成媒體檢舉類別。
- 提醒當事人，如果這段深度偽造冒充的是你能聯絡到的人。
- 報警處理，如果涉及詐騙、勒索或私密影像——許多司法轄區現已將未經同意的深度偽造定為犯罪。
偵測與創作：同一種素養的兩面
一個換臉平台發布偵測指南，看起來也許有些奇怪，但這兩種技能密不可分。真正理解 Deepfake 生成器 如何工作——它擅長什麼、在哪裡會崩——的人，在現實中辨識假內容的能力要強得多。經本人同意，給自己做一段 影片換臉，再仔細研究其中的邊緣瑕疵、光照不吻合和口型同步的侷限，確實很有啟發。
這也是為什麼知情同意是正當使用的核心。創意換臉——用你自己的照片，或獲得畫面中所有人的明確許可——既有趣又無害。利用他人肖像進行欺騙、騷擾或詐騙則不然，在越來越多的國家，這是違法行為。如果你想試試我們的 免費換臉 工具，規則很簡單：只換你有權使用的臉，並在可能引起混淆時為合成內容加上標註。
常見問題：如何辨識深度偽造
辨識深度偽造影片最快的方法是什麼？
逐幀拖動播放，重點關注過渡時刻：轉頭、手從臉前經過，以及發強子音時的嘴部動作。正常速度下看不出的融合瑕疵，通常在一分鐘內就能在暫停畫面中發現。
有免費的深度偽造偵測工具嗎？
有。Deepware Scanner 可以免費分析可疑影片，Hive 提供免費的圖片偵測瀏覽器擴充功能，以圖搜圖（Google Lens、TinEye）也完全免費，而且常常能找到偽造內容所依據的原始素材。
深度偽造偵測工具可以完全信任嗎？
不可以。偵測器總是落後於最新的生成器，而且會對經過壓縮或大量編輯的真實影片誤判。把任何偵測器的分數都當作一個參考，與肉眼檢查、後設資料和來源核實結合使用——無論結論偏向哪一邊，都不能把它當作單獨的證據。
所有 AI 生成的圖片都有浮水印嗎？
沒有。一些大平台會嵌入 SynthID 之類的隱形浮水印，C2PA 內容憑證也在普及，但開源模型通常什麼都不加，而且浮水印有時可以被去除。沒有浮水印，什麼也證明不了。
經過壓縮和重新上傳的深度偽造還能被偵測出來嗎？
部分可以。壓縮會破壞後設資料並柔化像素級瑕疵，從而削弱自動偵測的效果。但行為層面的訊號——口型同步錯誤、光照不吻合、側臉轉動時的故障——在重新編碼後依然存在，這就是為什麼人工檢查仍然必不可少。
製作深度偽造本身合法嗎？
在大多數地方，如果畫面中的每個人都同意，且內容不被用於欺騙或傷害，製作合成媒體就是合法的。法律越來越多地針對特定的濫用行為：詐騙、干預選舉和未經同意的私密影像。經同意的創意編輯——比如與畫面中的人分享的一張 照片換臉——仍然穩穩站在界線的正確一側。
總結
2026 年的深度偽造偵測是一場分層的較量：先是肉眼檢查（眼睛、邊緣、光照、手、嘴），然後是音訊，接著是後設資料，再到自動化工具，最後是對來源保持樸素的懷疑。沒有哪一層是完美的；但把它們疊加起來，就能識破當今流傳的絕大多數偽造內容。
而最深層的防禦是理解。花十分鐘看看現代人臉合成的表現——它的長處和它暴露破綻的失敗之處——你再看可疑影片時，眼光將完全不同。