Распознать дипфейк на видео по пяти признакам расфокуса

Анатомия расфокуса: почему нейросети «плывут» на стыках кожи и волос

Любая модель замены лица работает по одной и той же схеме: алгоритм вырезает зону головы из исходного кадра, накладывает сгенерированное лицо и пытается сшить границы обратно. Именно на этом этапе сшивки и появляется тот самый «эффект ореола», который выдаёт подделку даже на статичном кадре.

Граница между лицом и волосами, ушами, шеей — самая проблемная зона. Если присмотреться к зоне у виска, где волосы касаются щеки, или к контуру подбородка, переходящему в шею, у дипфейка виден характерный мягкий ореол: пиксели вокруг границы размыты сильнее, чем остальная картинка. На исходном видео такой расфокус появляется только при настоящем движении камеры или motion blur, а у сгенерированного лица он «приклеен» к самому краю маски и не меняется при повороте головы.

«Ореол» по контуру лица — это первый сигнал, что перед вами результат работы алгоритма маскирования, а не реальная съёмка.

Минимальное разрешение, на котором этот признак читается уверенно, — 1080p. Ниже — начинает вмешиваться естественный шум сжатия, и граница становится нечитаемой. Для анализа лучше всего подходят исходники стримов, скачанные до пережатия платформой: алгоритмы YouTube и VK Video жмут лицо жёстче фона, и артефакты сшивки часто исчезают вместе с деталями кожи.

Если ореол стабилен при повороте головы — это почти гарантированная подмена. На реальном видео при смене ракурса фокус перераспределяется, и граница волос-щеки каждый раз выглядит чуть иначе. У дипфейка перераспределения нет: маска остаётся «наклеенной» с одним и тем же сглаживанием.

Эффект «фарфоровой маски»: распознаем избыточную гладкость и потерю текстуры

Второй по надёжности маркер — текстура кожи. Нейросети обучены на тысячах лиц с разной степенью детализации, но при генерации они стремятся к некоему «усреднённому» идеалу: ровный тон, отсутствие пор, минимальная микроморщинистость. Результат выглядит как ретушь в фотошопе уровня «пластиковый манекен».

При просмотре ролика в 1080p на экране ноутбука или телевизора этот эффект часто не бросается в глаза — зритель видит «хорошую картинку». Но стоит поставить видео на паузу и приблизить зону скулы или лба, разница становится очевидной. У живого человека с хорошим светом и камерой видны поры, мелкие родинки, иногда пушковые волосы. У дипфейка кожа выглядит однородно гладкой, как яичная скорлупа, причём вне зависимости от заявленного «разрешения исходника».

Отсутствие пор на коже при идеально ровном тоне — признак генерации, а не качественной съёмки.

Важный нюанс: настоящее видео с сильным бьюти-фильтром (те самые сглаживания в Instagram и TikTok) тоже убирает поры. Отличие — в стабильности. Фильтр работает по всему кадру одинаково, и кожа размывается вместе с волосами, одеждой, фоном. У дипфейка «заблюрена» только зона сгенерированного лица, а волосы и шея рядом остаются в нормальной резкости. Это создаёт странный эффект «островка»: голова как из другого ролика.

Для быстрой проверки этого признака эксперты MIT Media Lab ещё в 2023 году предлагали простой приём — смотреть на зону под глазами. Здесь текстура кожи наиболее тонкая и неравномерная, и алгоритмам сложнее всего её воспроизвести. Если под глазами у человека абсолютная гладкость, а на лбу видны морщины — это либо чудовищный фильтр, либо лицо на этом кадре сгенерировано.

Технический сбой в ротовой полости: аномалии зубов и языка при активной речи

Рот — самое проблемное место для любой модели генерации видео. Зубы, язык, внутренняя поверхность щёк постоянно двигаются, перекрываются, меняют форму быстрее, чем алгоритм успевает пересчитать кадр. На скорости 30–60 кадров в секунду это создаёт специфические артефакты, которые почти невозможно подделать.

Главный визуальный сигнал — размытие внутренней части рта при разговоре. Зубы выглядят как единое светлое пятно без чётких границ между резцами, язык сливается с задней стенкой, иногда вообще пропадает на 1–2 кадра, а потом «появляется» обратно в другой позиции. Это не дефект сжатия видео — компрессия работает одинаково по всему кадру, и если зубы размыты, а серёжки или часы рядом в фокусе, проблема именно в генерации.

Размытые зубы при чётких украшениях и одежде рядом — почти гарантия того, что лицо на этом кадре сгенерировано.

Второй признак — «плывущая» геометрия зубов. На паузе видно, что у сгенерированного рта зубы каждый кадр немного разные: то между ними появляется щель, которой секунду назад не было, то меняется количество видимых зубов, то один резец внезапно вытягивается длиннее соседнего. У живого человека зубы при разговоре тоже двигаются, но их геометрия стабильна — это физический объект, а не пересчитываемая каждый кадр проекция.

На русскоязычном YouTube в 2024 году было несколько громких разоблачений, где блогеры с миллионными охватами выкладывали «обращения», где у говорящего человека зубы буквально сливались в кашу при активной артикуляции. После волны репостов в профильных телеграм-каналах ролики снимались за час, но скриншоты уже разошлись по соцсетям. Урок простой: если у человека в кадре рот живёт своей жизнью — это повод поставить видео на паузу и проверить остальные четыре признака.

Секрет взгляда: как блики в зрачках выдают искусственную природу видео

Глаза — отдельная история. Алгоритмы генерации научились делать убедительные радужки и зрачки достаточно давно, но вот отражение света в них до сих пор остаётся узким местом. На реальной съёмке блик в зрачке — это отражение конкретного источника света (окно, софтбокс, экран монитора), и он выглядит одинаково в обоих глазах с поправкой на угол обзора.

У дипфейка эта физика ломается. Блики в левом и правом зрачке могут иметь разную форму, разную яркость, а иногда вообще разный цвет — один глаз отражает тёплый свет, второй холодный. При повороте головы настоящий блик плавно скользит по радужке, у сгенерированного лица он либо стоит на месте, либо прыгает рывком.

Разные блики в зрачках одного человека — это физически невозможная ситуация для реальной съёмки и почти обязательный признак подделки.

Второй глазной маркер — направление взгляда. На стоковых видео с дипфейками глаза часто смотрят «сквозь» зрителя: каждый зрачок нацелен в свою точку, создавая эффект лёгкого косоглазия. Это происходит потому, что алгоритм генерирует каждый глаз по отдельности, не сверяясь с физикой парной работы глазных мышц. В живой беседе человек смотрит в камеру обоими глазами, у сгенерированного лица «оба глаза в камеру» получается только в студийных моделях уровня Hollywood-производства.

Для экспресс-проверки этого признака есть приём: увеличить зону глаз и посмотреть на белое поле вокруг радужки. У живого человека склера имеет тонкие капиллярные прожилки, иногда едва заметные, иногда явные. У дипфейка склера часто выглядит как идеально белый фон без каких-либо текстурных деталей, особенно если исходное лицо для замены было снято с мягким светом.

Динамический парадокс: почему резкие повороты головы создают эффект двойного контура

Последний маркер проявляется только в движении, и именно поэтому его чаще всего пропускают. При резком повороте головы или быстром жесте рукой перед лицом края наложенной маски не успевают за исходным видео, и на 2–3 секунды вокруг лица появляется кратковременный «двойной контур» — ghosting, эффект расфокусированного второго лица под основным.

На паузе это выглядит как двоение: контур носа прорисован дважды со смещением в пару пикселей, линия брови слегка раздваивается, ухо выглядит «размазанным» по направлению движения. У живого человека при резком повороте тоже есть motion blur, но он симметричный и затрагивает всё лицо одинаково. У дипфейка двоение асимметрично — оно сильнее на той стороне лица, которая движется быстрее.

Эффект двойного контура при резком повороте — это «визитная карточка» алгоритмов маскирования, у каждой модели свой почерк двоения.

Чтобы поймать этот маркер, нужно смотреть не на само видео, а на его замедленные копии. Любой плеер умеет воспроизводить ролик на скорости 0.25x — этого достаточно, чтобы увидеть двоение на поворотах. Если в замедленном режиме ghosting виден при каждом резком движении — подделка почти гарантирована. Если голова двигается плавно и без артефактов — есть шанс, что перед вами либо оригинал, либо очень качественная модель уровня DeepFaceLab с ручной доводкой.

Стоит учитывать ограничения: при плохом исходном освещении или низком разрешении (ниже 480p) этот признак перестаёт работать — естественный шум и артефакты сжатия маскируют двоение, и даже реальное видео выглядит «размазанным». Поэтому для серьёзной проверки лучше требовать исходник в максимальном качестве, а не экранную копию из Telegram.

Все пять признаков выше работают только в комплексе. Один размытый зрачок или одна неровная граница волос ещё не означают подделку — это может быть дефект сжатия, плохой свет, дешёвая камера. Но если на одном ролике одновременно «фарфоровая» кожа, плывущие зубы, разные блики в глазах и двоение при повороте — это уже не совпадение, а инженерный почерк алгоритма. Для тех, кто работает с видеоконтентом профессионально — от модераторов платформ до SMM-щиков крупных брендов — этот набор признаков давно стал базовым фильтром перед тем, как пускать ролик в эфир. Тем, кто сталкивается с подозрительными видео эпизодически, полезно держать под рукой практический разбор типичных сценариев, где такие проверки применяются к новостным и бытовым кейсам. Главное правило остаётся одним и тем же: ни один визуальный маркер не даёт стопроцентной гарантии, но их совокупность за 30 секунд просмотра отсекает подавляющее большинство дешёвых подделок, которыми сегодня завалены соцсети.