Jak rozpoznać wideo generowane przez AI: przewodnik polowy na 2026 rok
Matt · Zespół redakcyjny SUS IT
Matt specjalizuje się w forensyce wideo i obliczeniowej analizie mediów.
Aktualny przewód po wideo z Sory, Klinga czy Runway — artefakty wizualne, ruch i narzędzia forensyczne.
W 2026 roku ocena „czy to AI” jest wyraźnie trudniejsza niż dwa lata temu. Sora, Kling, Runway Gen-3 i Pika 2.0 zamknęły wiele oczywistych wizualnych błędów: ziarno kamery wygląda realistycznie, ruch jest płynniejszy, twarze nie rozpadają się w abstrakcję przy szybkim ruchu. „Te” się przeniosły: trzeba patrzeć systematycznie i często potwierdzić forensyką.
Czemu 2026 jest inne
Pierwsza fala narzędzi migotała, rozjeżdżała twarze i łamała fizykę. Nowa generacja przechodzi szybki test „wygląda OK”. To zmienia burden of proof: jeden jaskrawy artefakt rzadko wystarcza. Potrzebujesz wielowymiarowej oceny i często narzędzia.
Spójność czasowa: najpewniejszy trop
Najbardziej powtarzalny artefakt to niespójność temporalna — detale, które powinny być stabilne, „pływają” między klatkami. Odtwórz podejrzane wideo w 0,25× i szukaj: tekstury skóry raz gładkie, raz ostrostsze; elementy tła minimalnie zmieniają pozycję; pojedyncze pasma włosów zmieniają tor; fałdy tkaniny „skaczą” zamiast płynąć. Modele wideo generują klatki z częściową niezależnością — więzy ciągłości są lepsze, ale nie perfekcyjne. Prawdziwe nagranie jest fizycznie spójne, bo rejestruje jedną scenę.
Fizyka: włosy, woda, tkanina
Symulacja fizyki wciąż zdradza generator. Włosy — w naturze poruszają się jako układ pod wpływem grawitacji, wiatru i pędu; w AI pojedyncze pasma bywają niezależne lub znikają między klatkami. Woda często jest zbyt gładka albo zapętla animację. Tkanina powinna układać się zgodnie z ciałem i wiatrem; w AI potrafi „płynąć” bez fizycznego źródła ruchu.
Niespójności tła
Modele częściej „dbają” o pierwszy plan niż tło: architektura minimalnie zmienia się między ujęciami, tłum zmienia detale strojów między cięciami, tekst na tabliczkach zmienia treść lub format. Prawdziwe wideo, nawet z montażem, trzyma fizyczne środowisko.
Ziarno i szum
Mniej intuicyjny, ale solidny trop to wzorzec szumu: prawdziwa kamera ma charakterystyczny, losowy w sposób wynikający z fizyki matrycy szum. Wideo z AI bywa zbyt czyste albo ma „doklejone” ziarno, które nie koreluje ze światłem i powierzchniami. Przybliż kadrowanie płaskich obszarów (niebo, ściana, skóra) i patrz na teksturę szumu — w syntetyku bywa „prawie dobra, ale nie do końca”.
rPPG: „test pulsu”
Zdalna fotopletyzmografia (rPPG) wykrywa subtelne zmiany koloru skóry twarzy związane z przepływem krwi i akcją serca. Prawdziwe twarze je mają nawet, gdy oka ich nie widzą. Typowe twarze z modeli tego nie symulują. Forensyka z rPPG jest mocna przy talking-headach i „newsowych” deepfake’ach.
Ślady specyficzne dla narzędzi w 2026
Każdy duży generator ma swoje „odciski palców”. Sora często daje kinowy look, ale środowiska bywają niemal zbyt idealne — jak render CG — a ruch ma mniej „brudu” niż kamera na statywie. Kling świetnie trzyma twarz, ale potyka się o długie kończyny i detale na brzegu kadru. Runway Gen-3 dobrze radzi sobie w dynamicznych scenach, ale przejścia stanów ruchu (start/stop, zwrot) bywają lekko mechaniczne. Pika mocna na krótkich klipach, na dłuższych częściej widać temporalne artefakty. To heurystyki, nie prawa fizyki.
Kiedy sięgnąć po forensykę
Oko wystarczy do triage’u, nie do decyzji o wysokiej stawce. Narzędzia patrzą na widmo klatek, metryki spójności czasowej, synchronizację A/V i rozkłady szumu. Pipeline wideo SUS IT łączy te metody. Dla dziennikarstwa, dowodów czy finansów — uruchom narzędzie zamiast polegać wyłącznie na wrażeniu wizualnym.
Praktyczna checklista
(1) Zwolnij do 0,25× lub 0,1× w najbardziej dynamicznych fragmentach. (2) Sprawdź fizykę włosów, wody, tkaniny i obwódki ciała. (3) Porównaj tło między cięciami. (4) Przybliż szum na płaskich powierzchniach. (5) Patrz na krawędzie twarzy i włosów pod kątem blendów. (6) Synchronizacja ust przy mowie nadal często się rozjeżdża. (7) Uruchom forensykę przed konsekwencjami. Jeden artefakt to nie dowód; wzorzec artefaktów — już tak. Jeśli artefaktów brak, a treść jest ekstremalna lub źródło niepewne, traktuj materiał jako nieweryfikowany.
Granice weryfikacji
Żadna metoda nie jest doskonała. Mocna kompresja i re-enkodowanie ucina informacje wysokoczęstotliwościowe. Przyszłe modele zamkną część dzisiejszych „tell”. Właściwa postawa to nie „zawsze wykryję AI”, lecz „stosuję systematyczną ostrożność, zanim uznam ekstremalne wideo za autentyczne”. Przy wysokiej jakości deepfake’u uczciwą odpowiedzią jest niepewność — ważne, czy komunikujesz ją odbiorcom, zamiast udawać pewność.