К 2025 году точность генеративных моделей достигла уровня, когда 70% пользователей не отличают качественный дипфейк от оригинала при беглом просмотре. Однако даже в топовых моделях вроде Sora или последних версиях ElevenLabs остаются технические артефакты, которые выдают синтетику при детальном анализе.
Аномалии мимики и микродвижения глаз
Главная проблема нейросетей — рендеринг слизистых оболочек и динамика зрачка. В 80% дипфейков отсутствует естественное моргание (интервал между морганиями превышает 4-6 секунд) или оно происходит слишком синхронно с речью. Обращайте внимание на «эффект маски»: при резком повороте головы более чем на 45 градусов границы лица могут «плыть» или смещаться относительно ушных раковин на 2-5 пикселей.
Кейс: при проверке видеозвонка в Zoom с подозрением на подделку, запрос на резкий поворот головы влево-вправо или перекрытие лица рукой мгновенно вызывает сбой маски (glitch), так как нейросеть не успевает пересчитать окклюзию в реальном времени. Экспертный вывод: любые неестественные паузы в моргании и размытие контура при движении — 100% признак синтетики.
Спектральный анализ аудио и дыхательные паттерны
Синтезированный голос лишен физиологии. В реальной речи человек делает вдох каждые 10-15 секунд, что создает микропаузы и специфические шумы. Нейросети генерируют аудиопотоком, где дыхание либо отсутствует, либо вставлено шаблонно. Также в спектрограмме синтетики часто наблюдаются «металлические» пики на частотах выше 16 кГц, которые не характерны для человеческого речевого аппарата.
Пример: сравнение записи реального CEO и дипфейка показало, что в подделке отсутствует корреляция между интонационным подъемом в конце предложения и естественным выдохом. Экспертный вывод: отсутствие органических пауз на вдох и стерильность звука — главный маркер аудио-подделки.
Геометрические несоответствия и освещение
Нейросети плохо справляются с глобальным освещением (Global Illumination). Если источник света находится слева, а блики в зрачках или тени под носом смещены на 5-10 градусов от оси света, перед вами дипфейк. Особое внимание — на зубы: часто они сливаются в единую белую массу без четких межзубных интервалов или имеют асимметричное количество.
Кейс: анализ видео с освещением от окна показал, что отражение окна в глазах объекта не менялось при движении головы, что физически невозможно. Экспертный вывод: проверка консистентности света и детального рендеринга зубов позволяет выявить подделку даже при высоком разрешении 4K.
Артефакты сжатия и цифровой шум
Дипфейки часто имеют неоднородный уровень шума. Если фон видео имеет зернистость (ISO noise), а лицо выглядит слишком гладким или имеет другой паттерн шума, значит, маска была наложена поверх оригинала. В профессиональном анализе это проверяется через фильтры высоких частот, где границы наложенного лица становятся ярко выраженными.
Разница в качестве между лицом и фоном в 15-20% по метрике PSNR (Peak Signal-to-Noise Ratio) однозначно указывает на манипуляцию. Экспертный вывод: несоответствие текстуры кожи общему шуму кадра — технический след склейки, который невозможно скрыть без потери качества всего видео.
Синхронизация губ и фонетические ошибки
Самое слабое место — сложные согласные (Б, П, М), требующие плотного смыкания губ. В дипфейках часто наблюдается «эффект скольжения», когда губы не смыкаются полностью или делают это с задержкой в 1-2 кадра (33-66 мс). Также часто возникает рассинхрон между движением гортани и звуком при произнесении низких частот.
Пример: при проверке аудио-видео сообщения на языке с обилием взрывных согласных, задержка смыкания губ была заметна в 40% случаев. Экспертный вывод: детальный анализ артикуляции взрывных звуков — самый быстрый способ детекции в режиме реального времени.
Вывод
Полагаться только на визуальный осмотр опасно, так как качество генерации растет экспоненциально. Для защиты бизнеса я рекомендую внедрить двухфакторную верификацию контента: сочетание ручного чек-листа по артефактам и использование специализированного ПО. Начинайте с внедрения протоколов подтверждения личности через видеозвонки с контрольными действиями (повороты, перекрытия). Избегайте доверия любым аудиосообщениям в мессенджерах, даже от знакомых, если сумма транзакции превышает 10% от вашего обычного оборота — в этом случае требуйте подтверждение через цифровой водяной знак и криптографическую подпись.