Como saber se um vídeo foi gerado por IA: guia prático 2026

Identificar vídeo gerado por IA em 2026 é bem mais difícil que há dois anos. Sora, Kling, Runway Gen-3 e Pika 2.0 corrigiram os artefatos óbvios que faziam vídeo de IA parecer amador. Granulação de câmera ficou realista; movimento suavizou; rostos humanos não desmancham em geometria abstrata em movimento rápido. Mas os sinais não sumiram — migraram. Este guia mostra onde olhar agora, quando usar ferramentas e como criar hábito de verificação que acompanha a tecnologia.

Por que 2026 é diferente

O cenário de vídeo mudou bastante em 2024 e 2025. Ferramentas de primeira geração como Runway inicial e Stable Video Diffusion geravam vídeo que piscava, distorcia rosto e criava movimento fisicamente impossível. A nova geração — Sora, Kling 2.0, Runway Gen-3, Pika 2.0 — passa na olhada casual. Isso muda o ônus da prova: você não pode mais confiar num único artefato gritante. Verificação exige exame sistemático em várias dimensões e, muitas vezes, ferramenta forense para confirmação final.

Coerência temporal: o sinal mais consistente

O artefato mais consistente em vídeo de IA é incoerência temporal — inconsistência quadro a quadro em detalhes que deveriam permanecer estáveis. Coloque um vídeo suspeito a 0,25x e procure: textura de pele que suaviza e volta a ficar nítida entre quadros; elementos de fundo que mudam de posição levemente; fios de cabelo que mudam de trajeto; pregas em tecido que saltam em vez de fluir. Isso ocorre porque modelos de vídeo geram quadros com certa independência — restrições de continuidade melhoraram, mas não ficaram perfeitas. Vídeo humano é fisicamente consistente porque captura a mesma cena real quadro a quadro.

Artefatos de física: cabelo, água, tecido

Simulação física é onde geradores de vídeo por IA ainda falham de forma visível. Cabelo é revelador — cabelo real se move como sistema unificado sob gravidade, vento e momento. Cabelo de IA costuma ter fios que se movem independentes ou somem entre quadros. Água em vídeo de IA frequentemente carece de tensão superficial e comportamento de luz real — parece levemente lisa demais ou anima com qualidade repetitiva em loop. Tecido deveria drapejar conforme o corpo e o tecido; tecido de IA às vezes flui em direções que não batem com o movimento do personagem nem com vento aparente. Se o vídeo tem qualquer desses elementos, diminua a velocidade e observe com atenção.

Inconsistências de fundo

Geração de vídeo por IA tende a tratar fundo como menos importante que o primeiro plano — fundos ficam sutilmente inconsistentes entre cortes: não errados o suficiente para óbvio na primeira vista, mas estranhos sob escrutínio. Procure elementos arquitetônicos que mudam entre tomadas; multidões em que pessoas parecem usar roupas levemente diferentes entre cortes; texto em placas ou telas que muda de conteúdo ou formatação entre quadros. Vídeo real, mesmo com cortes e várias tomadas, captura ambiente físico consistente.

Granulação e padrões de ruído

Um sinal confiável, porém menos intuitivo, é o padrão de ruído do vídeo. Câmeras reais produzem granulação ou ruído de sensor com padrão consistente e aleatório ligado à física do sensor. Vídeo gerado por IA ou não tem granulação (imagem limpa demais) ou adiciona granulação em pós que não se comporta como ruído real — pode repetir, formar padrões estranhos ou falhar em correlacionar com iluminação aparente. Dê zoom num frame parado de vídeo suspeito e examine superfícies lisas (céu, parede, pele): ruído de vídeo de IA costuma estar sutilmente errado.

Análise rPPG: o “teste do batimento”

Fotopletismografia remota (rPPG) detecta fluxo sanguíneo na pele facial analisando mudanças sutis de cor causadas pelo batimento cardíaco. Rostos humanos reais em vídeo exibem essas mudanças mesmo invisíveis a olho nu. Rostos gerados por IA em geral não, porque o modelo não simula processos fisiológicos. Ferramentas forenses com rPPG podem marcar faces sintéticas mesmo quando parecem convincentes visualmente. É um dos métodos mais poderosos para vídeo estilo cabeça falante ou âncora de notícias gerada por IA.

Sinais específicos de ferramenta em 2026

Cada grande gerador deixa pegadas próprias. Sora tende a vídeo de altíssima qualidade produzional com iluminação cinematográfica, mas às vezes gera ambientes quase perfeitos demais — fundos que parecem CG em vez de realidade capturada, movimento sem imperfeições de câmera na mão ou no tripé. Kling produz ótimo detalhe facial mas às vezes falha em membros longos e partes periféricas do corpo — observe mãos e pés perto da borda do quadro. Runway Gen-3 lida bem com cenas dinâmicas mas pode gerar transições entre estados de movimento (parar/começar, mudar direção) levemente mecânicas. Pika é forte em clipes curtos mas mostra artefatos temporais em gerações mais longas. Nenhuma regra é absoluta, mas são hipóteses úteis para começar.

Quando usar ferramentas forenses

Seus olhos servem para triagem inicial, mas não bastam para decisões de alto risco. Ferramentas forenses de vídeo examinam: padrões no domínio da frequência por quadro (como em detecção de imagem); métricas de consistência temporal em sequências; análise de sincronização áudio-vídeo; distribuição de ruído diferente entre captura de câmera real e geração por IA. O pipeline de vídeo da SUS IT aplica esses métodos para sinalizar conteúdo suspeito mesmo quando passa na inspeção visual. Para qualquer vídeo onde o resultado importa — jornalismo, evidência jurídica, decisão financeira — passe por ferramenta forense em vez de confiar só no olhar.

Checklist prático de verificação

Ao encontrar vídeo suspeito: (1) Diminua a velocidade para 0,25x ou 0,1x e examine quadro a quadro nas partes mais dinâmicas. (2) Confira física — cabelo, água, tecido e extremidades do corpo. (3) Examine o fundo quanto à consistência entre cortes. (4) Olhe padrões de ruído em superfícies lisas com zoom. (5) Observe bordas entre rosto e fundo quanto a artefatos de mistura. (6) Confira lip sync em qualquer fala — atraso ou adiantamento ainda é comum. (7) Rode ferramentas forenses antes de julgamento consequencial. Um artefato não é prova; um padrão de artefatos sim. Se não acha artefatos mas o conteúdo é extraordinário ou a fonte não é verificada, trate como não verificado — não importa o que os olhos dizem.

Limites da verificação

Nenhum método é perfeito. Vídeo muito comprimido ou reencodado perde altas frequências em que ferramentas dependem. Futuros geradores de vídeo por IA vão corrigir muitos dos sinais descritos aqui. A postura certa não é “sempre detecto vídeo de IA” — é “aplico escrutínio sistemático antes de tratar vídeo extraordinário como genuíno”. Num deepfake de alta qualidade, incerteza é a conclusão honesta. A questão é comunicar essa incerteza em vez de fingir certeza que não existe.