鲁南快报前段时间，一段“非洲小哥唱中文歌《明知故犯》”的视频在多个平台流传，评论区里最多的一句是“中文比我还标准”。检测结果显示，该视频的AI生成概率为63.49%。媒体进一步核查发现，同类视频里有相当一部分是AI制作的。
先说清这个数字的含义。63.49%是模型给出的概率判断，不是鉴定结论。它表示视频中存在与生成模型输出高度相似的特征，但同一段素材经过压缩、二次剪辑、加字幕之后，特征会被削弱或改写，概率也会漂移。换句话说，它可以作为线索，不能作为证据。
技术门槛的下降是这件事的关键。两年前，做一段口型同步还需要专门工具和调试；现在，一段音频加一张照片，几分钟就能生成画面对齐、表情自然的短视频。换声、换脸、对口型三件事已经被打包成消费级产品，成本低到可以批量生产。
这类内容的动机往往很朴素：播放量。一个外国人唱中文歌的反差感天然适合算法推荐，真实素材稀缺，合成素材可以无限供应。于是账号可以一天发十条，用数量去赌爆款。
识别上，有几处细节值得看。口型和齿音是否严丝合缝——真实发音在爆破音和齿音处会有细微的延迟和不齐；气息与胸腔起伏是否匹配——长句之后人需要换气，合成画面常常忘记；背景是否稳定——模型生成时背景容易在同一镜头内出现不合逻辑的变化；以及手部动作，仍是深伪最容易露馅的地方。
更根本的解法不在识别，在标注。现行规定要求AI生成内容进行显著标识，平台有核验与提示义务，不得以合成内容冒充真实拍摄。把标注做实，普通用户就不需要每次自己当侦探。
技术让“看起来真实”变得便宜，也让“确认真实”变得昂贵。这笔成本不该由每一个刷视频的人独自承担。