合成图与合成声的识别边界：现在能看什么，不能看什么

先说结论：筛查可以，定性谨慎

合成内容进入爆料链，已经是事实。识别方法也要更新，但预期要放正。

一张现场图画质精美、一段录音只有声音没有画面，这类材料如今要多问一句来历。生成工具的门槛已降到手机应用级别，热点事件里混入合成材料不再稀奇。但识别能力有明确上限，把筛查结论当成定性结论，是当下最常见的新型误判，编辑流程对此有专门防线。

合成图的四类常见破绽

一，手部与配饰。手指数量、关节走向、耳环戒指的对称性，是生成模型长期薄弱的部位，群像照片里挨个看手，命中率不低。二，画面文字。招牌、海报、衣服上的字，合成图里常出现似字非字的乱码，因为模型学的是字的形状，不是字义。三，光影。一张图里多个人，面部受光方向不一致；眼镜、窗户上的反光与光源位置对不上。四，边缘过渡。头发与背景交界、手指与物体交界处糊成一片，是合成的典型痕迹。四类破绽有一类命中，先标存疑；一类都不命中，也只能说未检出。

合成语音的三个听感信号

信号一，气息。真人长句里有自然的换气与吞音，合成声的气口分布过于均匀，像按标点精确切割。信号二，情绪平直。内容在喊，语调却没有相应的起伏，愤怒与悲伤只体现在文本上。信号三，尾音与口音漂移。同一段话里，某些字的发音习惯前后不一致，像两个人拼起来的。三个信号都偏主观，单独使用容易误判，编辑台只把它们当作启动文件核查的触发条件：听感不对，要求原始录音。

检测工具能做什么

市面上的合成检测工具，原理是找生成模型留下的统计特征。对未压缩的原始文件，准确率尚可；对经过平台压缩、转码、二次录制的流传版本，准确率明显下滑。更现实的问题是军备竞赛：生成模型每更新一代，旧检测特征就失效一批。工具给出的百分比不是判决书，是参考值。编辑台引用检测结果时，必须注明工具名、版本与检测对象是哪一版文件，缺任何一项，数据不进报道。

事件现场类材料，另有土办法

合成声的听感信号有3个：换气位置过于均匀、情绪内容与语调起伏脱节、个别字的发音习惯前后漂移。3个信号都偏主观，单独使用容易误伤真人录音。它们的正确用途是触发下一步：听感异常就要求原始录音文件，而不是直接宣布录音是假的。

一条纪律

编辑台的合成材料处置流程

流程分四步，写出来供读者对照各家媒体的做法。

第一步，登记。材料入池时标注疑似合成的触发原因：举报、听感异常、来源异常，三者必居其一，不许凭空启动检测。第二步，筛查。破绽清单与检测工具并行，结论只记三档：检出破绽、未检出、样本质量不足以检测。第三步，降格使用。处于存疑状态的材料，报道中只能以网传材料出现，不得作为指控证据，不得配确定性标题。第四步，定性。等原始文件、出处核查或权威检测三者之一到位后再改状态。四步的核心是第二步与第三步之间的克制：筛查结果永远不直接跳成定性结论。哪家媒体跳过了这中间的距离，哪家的合成类报道就不可信。