Nvidia SVD 逐格捉 AI 影片：92% 準確率背後有幾多水分？

Nvidia 想將驗片塞入直播流程

Nvidia 推出 Synthetic Video Detector（SVD），主攻新聞台、直播平台、fact-check 團隊同內容審核系統。佢包裝成 NIM 微服務，可以接入現有影片流程，輸出每格畫面同整段影片嘅 AI 生成機率。官方話未壓縮影片最高有 92% 準確率，每格處理延遲低至 22ms，亦正同串流技術公司 Wowza 研究即時偵測。呢個速度夠吸引，但 SVD 暫時仍屬 AI for Media Private Access，build.nvidia.com 雖然有雲端試用介面，唔代表一般用戶已經可以直接部署正式版本。

圖片：Nvidia

DINOv2、DINOv3 到底睇緊咩

SVD 會解碼 H.264 MP4，再將畫面裁成 504 × 504，逐格送入 Meta 嘅 DINOv2 同 DINOv3 Vision Transformer。呢類模型用大量冇人工標籤嘅圖片學習視覺特徵，SVD 就利用兩套 backbone 組成 ensemble，搵生成影片留下嘅低層統計、頻率同空間痕跡。換句話講，佢唔靠數手指、睇嘴形或者搵扭曲招牌；呢啲表面錯處遲早會俾新模型修好，反而係較難掩蓋嘅低層生成痕跡，先有機會幫偵測器應付唔同生成器。

Nvidia 呢套方向建基於 2025 年 NeurIPS 論文《Seeing What Matters》。研究團隊用 wavelet 分解配合針對鑑證特徵嘅資料增強，嘗試逼分類器集中睇生成架構留下嘅訊號，減少佢記住某款生成器嘅風格。論文本身亦點出業界老問題：偵測器喺熟悉測試集可以好準，遇到未見過嘅新生成模型，表現往往會跌。SVD 加入 DINOv2、DINOv3 ensemble 後屬改良產品，唔可以直接將論文結果當成現成服務嘅完整驗證。

92% 經過社交平台壓縮就守唔住

Tom’s Hardware 引述 Nvidia 嘅 AI GVD benchmark 圖表，未壓縮影片錄得 92%，標示為 15% 壓縮時跌至 87%，50% 壓縮就剩返 82%。壓縮會抹走高頻細節，而呢啲細節正正可能藏住生成器嘅痕跡；影片再經剪輯、加字幕、縮放、重編碼或者平台二次壓縮，實際輸入會複雜過一條乾淨測試片好多。82% 仍有篩查價值，但喺嗰組測試入面，錯判比例約 18%，未適合用嚟自動定案。

另一個要拆開睇嘅位，係 92% 只屬指定內部 benchmark。Nvidia 現時 model card 另列一個有 4,000 條影片嘅內部評估集，整體準確率係 85.64%，冇提供足夠資料將佢同 92% 嗰組壓縮測試直接對照。兩個數字未必互相衝突，測試集、生成器、分類門檻同統計方法唔同，都會令結果有分別；官方未公開完整 confusion matrix 同每款生成器成績之前，92% 只可以當成指定測試條件下嘅最佳成績。

個機率分數唔係真偽證書

SVD 會為每格畫面輸出 0 至 1 分，再整合成全片機率，但 0.9 唔等於有九成證據證明條片造假。官方文件顯示，預設門檻 0.3 會捉到 96% 合成內容，但真實內容準確率只有 70%；改用較平衡嘅 0.5 門檻，兩邊就分別係 85% 同 82%。即係系統越怕漏走假片，越容易錯殺真片。新聞片段、投資騙案素材或者涉及真人指控嘅影片，都唔應該靠單一分數落結論。

較穩陣嘅用法係先用 SVD 大量篩片，再交畀人核對原始檔案、拍攝來源、時間線、metadata 同其他畫面證據。硬件方面，SVD 要用 NVENC／NVDEC，A100、H100、B100 同 B200 呢批冇相關硬件嘅數據中心 GPU 都唔支援；官方列出 Turing、Ampere、Lovelace 同 Blackwell 部分產品可用。下一步要睇 Nvidia 會唔會公開跨平台壓縮、剪輯後誤判率，同埋遇上全新影片生成器時可以守住幾多準確度。

參考來源

• Tom's Hardware — Nvidia's new Synthetic Video Detector can identify fake AI videos with up to 92% accuracy — microservice based on cutting-edge research looks to combat misinformation in broadcasts with just 22ms processing time — original report
• NVIDIA Synthetic Video Detector Model Card — 官方模型資料，列出架構、504 × 504 輸入、訓練及評估數據、85.64% benchmark 同硬件限制。
• NVIDIA SVD Advanced Usage — 官方技術文件，解釋分類門檻、合成及真實內容準確率，亦明確提醒數字會受壓縮同生成模型影響。
• NVIDIA SVD Overview — 官方服務架構資料，交代 H.264 輸入、逐格分數、整段影片機率同 DINO ensemble 推理流程。
• Seeing What Matters：NVIDIA Research — SVD 相關 NeurIPS 2025 研究，解釋低層鑑證特徵、跨生成器泛化同現有偵測器限制。
• NVIDIA AI for Media Product Update — Nvidia 官方產品更新，確認 SVD 屬 Private Access，並列出 92% 未壓縮準確率同最低 22ms 延遲。

本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。