文字：语言结构统计
清理空白后，规则会比较词汇多样性、连续三词组重复、平均句长、标点频率和特殊字符比例。少于 40 个可分析词元时，结果会明确显示证据不足，不输出筛查指数。
打开 AI 文字检测AI 检测器原理与局限
AI 检测器如何工作，又为什么会失效？
GenDetect 按已启用能力自动检查来源凭证与模型信号，服务端检测需先确认上传说明。文字专业服务尚未启用，模型尚未完成业务校准，证据不足时仍需人工复核。
01 · 实际信号
当前版本分析什么？
系统按模态与已启用服务选择检测路径。来源声明、模型信号和覆盖限制分别报告，未完成校准时不输出统一生成概率。
图片：生成器元数据、采样像素与边缘
浏览器先在文件字节中检查已知生成器和算法媒体声明，再通过 Canvas 采样颜色桶、亮度方差和相邻像素边缘密度。元数据声明保持未验证线索；本地流程验证 C2PA 签名链，但只有建立信任且绑定当前文件的明确声明才支持来源结论。配置启用后，完整检测可使用 Community Forensics 与专业服务复核。
打开 AI 图片检测视频：3 个采样帧与文件元数据
浏览器在视频约 20%、50% 和 80% 的位置抽取静态帧，像素规则仅作辅助线索，同时展示时长、分辨率、估算码率、扩展名和 MIME。当前版本不分析音频或完整时间连续性。
打开 AI 视频检测02 · 分数含义
筛查指数不是来源概率。
新版界面不再把文字、图片和视频规则汇总成统一分数。每个模型的原始输出独立展示；它不是经过校准的概率，也不是统计意义上的置信区间。
启发式聚合
高度重复、颜色过少或边缘分布异常只作为启发式辅助信息，不支持来源判定。元数据、来源验证和模型结果不会相加或平均成一个 AI 概率。
证据不足时明确弃权
少于 40 个可分析词元的文本会返回“证据不足”。任一边小于 128 像素的图片在没有生成器元数据声明时同样弃权。视频若无法解码采样帧，则只返回元数据事实。
规则不是模型归因
当前结果不能判断具体生成模型、作者身份或编辑过程。相似统计模式可能同时出现在模板化人工内容、压缩媒体和 AI 生成内容中。
03 · 已知局限
哪些情况容易误判？
任何只看最终成品的检测都面对信息丢失和分布变化。以下情况会同时制造假阳性与假阴性。
改写、裁剪与转码
人工改写、翻译、截图、滤镜、裁剪、平台压缩和多次转码都会改变原始信号。它们既可能隐藏生成痕迹，也可能制造看似异常的模式。
新模型与主动规避
生成系统会持续变化，用户也可以刻意调整节奏、噪声或编码参数。固定规则无法覆盖尚未观察到的生成方式。
自然内容本来就不规则
代码、诗歌、表格、品牌模板、低光照片和插画可能天然触发文字或图片阈值；特殊编码视频只会产生元数据警告，不会增加生成分数。高指数不能证明 AI 生成，低指数也不能证明真人创作。
04 · 复核与隐私
把检测结果放回证据链。
可靠判断来自来源、时间和编辑过程，而不是单个分数。当前实现优先让输入留在设备上，并明确未来能力变化时需要重新披露。
先取得原始文件
优先保存完整文本、原始文件、发布时间、作者信息和编辑记录。媒体截图或二次转载会丢失可用于核验的来源线索。
再做交叉验证
结合内容凭证、反向图片搜索、可信来源版本、音画连续性和上下文事实。重要决定应由了解场景的人复核，并允许被判断者解释。
系统自动检测，上传前明确确认
系统按已启用能力选择检测路径，服务端检测只在同意后上传文字或媒体；可能使用的专业供应商会提前披露，处理目的、保留和删除规则见隐私说明。