Пока рынок софта для детекции дипфейков растет на 20-25% ежегодно, точность автоматических сканеров при анализе сжатых видео из мессенджеров падает до 60-70%. В условиях, когда стоимость качественного рендера одного лица в Stable Diffusion или DeepFaceLab снизилась до нескольких долларов за кадр, ручной экспертный анализ остается единственным способом верификации с достоверностью выше 90%.
Аномалии мимики и синхронизация губ
Ключевой маркер — разрыв между фонемой (звуком) и виземой (положением губ). В качественных дипфейках задержка составляет 1-3 кадра, что незаметно при беглом просмотре, но очевидно при замедлении до 0.25x. Обращайте внимание на внутреннюю часть рта: нейросети часто «замыливают» зубы, превращая их в единую белую массу, или некорректно отрисовывают язык при произнесении звуков «л», «р», «т».
Кейс: при анализе видеозвонка с «директором» было замечено, что при произнесении слова «бюджет» верхняя губа осталась статичной. Это классический артефакт маппинга лица, когда модель не справляется с резкими смыканиями губ. Экспертный вывод: всегда проверяйте видео на звуках-взрывных (п, б, м) — здесь вероятность ошибки нейросети максимальна.
Офтальмологический анализ и паттерны моргания
Человек моргает в среднем 15-20 раз в минуту. Ранние модели дипфейков вообще не имитировали моргание, современные делают это хаотично. Ищите «стеклянный взгляд» — отсутствие микросаккад (быстрых скачков зрачка), которые происходят у живого человека каждые 200-500 мс. Также проверьте отражения в роговице: в реальном видео блики света в обоих глазах идентичны по геометрии и динамике.
Пример: в 40% случаев при создании дипфейка через SwapFace блики в глазах остаются статичными или зеркально симметричными, что физически невозможно при естественном освещении. Экспертный вывод: если субъект не моргал более 15 секунд или блики в зрачках не меняются при повороте головы — перед вами синтетика.
Границы маски и артефакты слияния
Самая слабая зона — периферия лица: линия роста волос, ушные раковины и подбородок. При повороте головы более чем на 45 градусов часто возникает «дребезжание» (jittering) — край наложенной маски начинает смещаться относительно реального черепа на 2-5 пикселей. Также ищите разницу в текстуре кожи: лоб может быть идеально гладким, а щеки иметь естественные поры, что говорит о наложении маски на низком разрешении (например, 256x256 или 512x512 пикселей).
Кейс: проверка видео из Telegram показала размытие контура у левого виска при резком кивке. Это происходит из-за того, что алгоритм интерполяции не успевает пересчитать маску в реальном времени. Экспертный вывод: фокусируйтесь на зонах соприкосновения кожи и волос — там всегда проявляются технические швы.
Спектральный анализ и аудио-аномалии
Голосовые дипфейки (TTS/VC) часто грешат отсутствием естественных дыхательных пауз и неестественной интонацией на концах предложений. В спектрограмме аудиофайла синтетический голос выглядит слишком «чистым»: отсутствуют фоновые шумы (room tone) и естественные обертоны в диапазоне 4-8 кГц. Часто наблюдается эффект «металлического призвука» из-за ошибок сжатия нейросетевого вокодера.
Пример: сравнение оригинала и клона голоса показала, что ИИ-версия сокращает паузы между словами с естественных 0.2-0.4 сек до почти нулевых, создавая эффект «пулеметной речи». Экспертный вывод: используйте бесплатные спектральные анализаторы (например, Audacity) — резкие обрывы частот и стерильность звука однозначно указывают на синтез.
Освещение и геометрические искажения
Нейросети плохо справляются с динамическим светом. Если в кадре появляется яркий объект или меняется угол освещения, тени на лице дипфейка часто не меняются синхронно с фоном. Проверьте серьги, очки или волосы, пересекающие лицо: в 30% случаев нейросеть «закрашивает» дужку очков или прядь волос, создавая эффект плывущей текстуры.
Кейс: в видео с фальшивым спикером тень от носа оставалась статичной, хотя источник света (лампа) перемещался. Это происходит из-за того, что маска рендерится в статичном освещении и накладывается поверх видео. Экспертный вывод: любое несоответствие вектора света на лице и на фоне — стопроцентный признак подделки.
Вывод
Ручной анализ — это не поиск «странностей», а системная проверка по чек-листу. Чтобы минимизировать риски, я рекомендую внедрить защиту корпоративных коммуникаций от дипфейков: алгоритм внедрения протоколов подтверждения личности должен включать обязательный запрос на совершение случайного действия в кадре (например, «поверните голову на 90 градусов» или «поднимите левую руку к лицу»), что мгновенно ломает большинство текущих моделей рендеринга. Избегайте слепого доверия автоматическим детекторам — они бесполезны против кастомных моделей, обученных на больших датасетах конкретного человека.
