在 AI 生成内容日益泛滥、传统鉴别手段失效的背景下，英伟达（Nvidia）正式推出 " 合成视频检测器 "（Synthetic Video Detector，简称 SVD）。作为这场 AI 竞赛的核心受益者，英伟达试图通过这一新工具解决真实内容与虚假新闻难以辨别的难题。

技术原理：基于 Meta 视觉 Transformer 模型

SVD 隶属于英伟达推理微服务（NIM）及 " 媒体 AI 私有访问计划 "，主要面向新闻机构、广播公司和媒体等企业用户，普通消费者无法直接使用。该技术基于计算机视觉国际会议（ICCV）的获奖研究，核心逻辑并非将视频作为整体分析，而是将其拆解为多个 504x504 分辨率的裁剪帧。

这些帧被输入到 Meta 开发的两款视觉 Transformer 模型—— DINOv2 和 DINOv3 中。借助 Transformer 在无标注数据下学习模式的能力，系统能迅速评估每帧的空间特征，并赋予 0 到 1 之间的分数（0 为完全真实，1 为完全伪造）。最终，系统通过计算所有帧的平均分，以百分比形式呈现视频的真实性概率。即便视频经过社交媒体常见的压缩处理，掩盖了表面瑕疵，该模型仍能捕捉人类肉眼无法察觉的内在人工痕迹。

性能表现：高准确率与低延迟

基准测试数据显示，SVD 在未压缩视频上的检测准确率高达 92%。即使在 15% 的压缩率下，准确率仍保持在 87%；在 50% 的高压缩率下，准确率亦有 82%。作为微服务，SVD 具备极低延迟：在英伟达 RTX GPU 上处理 1080p 视频仅需 22 毫秒，在工作站型号上为 30 毫秒。

部署限制与合作进展

值得注意的是，SVD 依赖 NVENC 编码器支持，因此包括 B100 在内的部分数据中心显卡无法原生运行该工具。英伟达已宣布与 Wowza 合作，旨在将实时合成视频检测集成至直播工作流中。

目前，用户可在 build.nvidia.com 体验演示版。但由于处理过程在云端进行，存在耗时较长、经常超时以及最大文件大小限制为 100MB 等问题。

【星途科讯 图文丨小林 首发于 ZAKER 科技，转载请注明出处】