Deepfake nie ma szans? NVIDIA pokazuje narzędzie, które łapie fałszywe wideo z 92-procentową skutecznością w 22 milisekundy

Deepfake przestały być ciekawostką z laboratoriów uczelni technicznych. Trafiają do serwisów informacyjnych, kampanii dezinformacyjnych i skrzynek redakcyjnych szybciej, niż dziennikarze zdążą je zweryfikować ręcznie. Na SIGGRAPH 2026 NVIDIA zaprezentowała odpowiedź na ten problem, czyli mikroserwis, który ma pomóc redakcjom i platformom streamingowym odróżnić materiał nagrany kamerą od tego wygenerowanego przez modele dyfuzyjne.

NVIDIA wprowadza mikroserwis Synthetic Video Detector, który analizuje dowolne wideo klatka po klatce i w ułamku sekundy szacuje prawdopodobieństwo, czy materiał powstał sztucznie. Dokładność sięga 92 proc., a operacja ta trwa zaledwie 22 milisekundy.

Satya Nadella mówi wprost: korzystając z ChataGPT czy Claude, oddajesz coś więcej niż tylko pieniądze

Synthetic Video Detector (SVD) działa jako mikroserwis NIM (NVIDIA Inference Microservice) wchodzący w skład platformy NVIDIA AI for Media. Narzędzie analizuje materiał klatka po klatce, wyszukując charakterystyczne wzorce w domenie częstotliwości pozostawiane przez modele dyfuzyjne generujące wideo. Każda klatka otrzymuje ocenę w skali od 0 do 1, a na jej podstawie wyliczany jest końcowy wynik określający prawdopodobieństwo, że cały materiał został wygenerowany przez AI. NVIDIA deklaruje skuteczność na poziomie 92 proc. dla nieskompresowanego wideo. Po kompresji wynoszącej około 15 proc. spada ona do 87 proc., a przy 50 proc. do 82 proc. Najnowsza wersja modelu osiąga także współczynnik AUC (pole pod krzywą ROC, czyli miarę jakości klasyfikatora niezależną od przyjętego progu decyzyjnego) na poziomie 0,9614, a takze dokładność 0,9453 w wewnętrznych testach NVIDII.

Obywatel Bielik. Miliony zdjęć z telefonów Polaków mają nauczyć AI, czym naprawdę są kluski śląskie

Analiza pojedynczej klatki w rozdzielczości 1080p zajmuje około 22 ms na kartach GeForce RTX i około 30 ms na akceleratorze L40. To wystarczająco krótko, aby narzędzie mogło zostać wykorzystane w redakcyjnych procesach weryfikacji materiałów przed publikacją. Istnieje jednak istotne ograniczenie. SVD wymaga sprzętowego enkodera NVENC. Oznacza to, że akceleratory przeznaczone do centrów danych, w tym NVIDIA B100, nie uruchomią usługi natywnie. Rozwiązanie zaprojektowano przede wszystkim z myślą o stacjach roboczych i systemach brzegowych, a nie klastrach wykorzystywanych do trenowania modeli AI. Pierwszym partnerem wdrażającym technologię będzie Wowzhttps://www.wowza.com/news/wowza-deploys-synthetic-video-detector-with-nvidiaa, która zintegruje SVD ze swoim Intelligence Video Framework i udostępni je w ponad 35 tys. instalacji streamingowych działających w 170 krajach.

Linus Torvalds broni AI w jądrze Linuksa. Sashiko od Google wykrywa mnóstwo błędów, których wcześniej nie wyłapali ludzie

NVIDIA podkreśla, że Synthetic Video Detector nie ma zastępować tradycyjnej weryfikacji źródeł. Ma być dodatkowym wskaźnikiem pomagającym podejmować decyzje, zwłaszcza wtedy, gdy liczy się czas, a nie narzędziem wydającym jednoznaczny werdykt. Progi klasyfikacji można dostosować do różnych scenariuszy. Bardziej rygorystyczne ustawienia ograniczają ryzyko przepuszczenia materiału wygenerowanego przez AI, ale jednocześnie zwiększają liczbę fałszywych alarmów. Pod względem skuteczności SVD wypada nieco słabiej od akademickiego Ivy-xDetectora, który w benchmarku GenVideo osiągnął wynik F1 na poziomie 95,26 proc. Trzeba jednak pamiętać, że rozwiązanie opisano wyłącznie w publikacji naukowej, podczas gdy SVD od razu trafia do komercyjnych wdrożeń i będzie wykorzystywane w realnych warunkach.