方法与限制

AI 内容检测如何工作，也如何失效。

GenDetect 当前是一个可解释的前端演示：它把多项可观察信号汇总为筛查指数，不运行经过训练并校准的内容来源分类模型。这里公开实际分析范围、分数含义和必须由人工补充的证据。

01 · 实际信号

当前版本分析什么？

三种输入走三条不同的浏览器分析路径。页面只描述代码实际读取的信号，不把尚未实现的模型能力写成产品功能。

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、特殊字符比例和样本长度。短文本能运行，但可比较的上下文更少。

打开 AI 文字检测

浏览器通过 Canvas 采样颜色桶、平均亮度、亮度方差和相邻像素边缘密度，并参考尺寸与文件大小。当前实现不读取 EXIF、内容凭证或相机型号。

打开 AI 图片检测

规则读取文件大小、时长、分辨率、平均码率、扩展名和 MIME 类型。当前版本不做逐帧画面分析，也不识别语音、口型或人物身份。

打开 AI 视频检测

02 · 分数含义

界面把触发的规则权重相加并限制在 0 到 100 之间，便于比较线索强弱；它不是经过校准的概率，也不是统计意义上的置信区间。

每项异常信号会增加不同权重，例如高度重复、颜色过少或极端码率。多个信号叠加只表示更值得复核，不等于已经识别出生成来源。

短文本会增加轻微规则权重；极短或无法读取时长的视频会增加更高权重。时长缺失时，当前代码还会把派生码率记为 0 并触发“很低码率”规则。这些权重反映演示行为，而不是更高的来源概率。

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

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。

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。

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。

代码、诗歌、表格、品牌模板、低光照片、插画和特殊编码视频可能天然触发阈值。高分不能证明 AI 生成，低分也不能证明真人创作。

04 · 复核与隐私

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。

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。

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。

当前检测计算在浏览器本地完成，前端代码不会把待检测内容发送到后端 API。未来接入后端模型或内容处理服务时，本页和隐私说明必须同步更新。