AI 图片由模型生成，并非套用同一个模板
现代扩散系统通常从潜在空间中的噪声开始，再根据提示词、模型和生成参数反复去噪。这个过程会在像素中形成统计规律，但这些规律会随模型系列、分辨率、后期编辑和导出方式而变化。经典的 潜在扩散论文 介绍了这一生成过程。
来源： Latent Diffusion Models, CVPR 2022
四个证据层回答不同问题
视觉特征
带有明确版本的分类器会寻找模型学到的空间与频率相关性。它提供的是概率性线索，而不是数字签名。
生成器元数据
软件名称、提示词、种子、模型和工作流图可以指向具体的生成路径，但普通元数据可以被编辑。
签名内容来源
C2PA 清单将声明与文件字节绑定，并记录验证状态、签名者信息、操作和素材来源。
厂商水印
SynthID 等专有信号必须使用厂商提供的兼容验证器，通用元数据扫描无法替代。
为什么视觉分类器可能得出不同结果
研究型检测器从已知训练样本中学习相关性。新生成器、高强度压缩、裁剪、插画以及非常规图像处理都可能改变这些相关性。频谱检测研究记录了可利用的特征，同时也说明了跨生成器泛化的困难。因此，视觉评分必须注明模型、版本和阈值。
来源： Any-Resolution AI-Generated Image Detection, CVPR 2025
为什么元数据有用，却并非不可更改
PNG 文本块、EXIF、XMP 和应用专用记录可能明确包含生成器名称、提示词或 ComfyUI 工作流图。此类信息存在时，可成为针对该文件的有力证据；但截图、重新编码、社交平台或清除元数据的编辑器仍可能将其移除。
C2PA 内容凭证如何构成
C2PA 清单由声明、申领记录、加密签名以及与资源的强绑定组成。验证过程会检查结构、声明哈希、文件绑定、签名、时间戳和证书策略。现行的 C2PA 2.4 规范 定义了内容来源与防篡改证据，但不会判断画面所描述的事件是否真实。
来源： C2PA 技术规范 2.4
| C2PA 状态 | 能够证明 | 不能证明 |
|---|---|---|
| 受信任 / 有效 | 受支持的清单及文件绑定已通过所选信任策略的验证。 | 清单中的每项声明都客观真实。 |
| 有效但不受信任 | 结构和绑定验证通过，但签名者不在所选信任列表中。 | 签名者具有恶意，或图片一定是伪造的。 |
| 无效 / 已被篡改 | 签名、声明或文件绑定检查失败。 | 哪次编辑或哪个人导致了失败。 |
| 未发现 | 当前文件副本中未发现受支持的清单。 | 图片一定来自相机或由人类创作。 |
SynthID 与其他隐形水印
Google DeepMind 将 SynthID 描述为 嵌入生成内容、肉眼难以察觉，并由兼容检测器读取的信号。Google 也说明了适用范围：SynthID 的阴性结果仅针对受支持的 Google AI 系统，并不涵盖所有生成器。除非实际调用了兼容的厂商检测，本网站会将 SynthID 标记为“未检测”。
为什么分层报告比单一百分比更有用
- 先识别文件容器，再解释字段。
- 读取受支持的 PNG、EXIF、XMP 和工作流记录，不把文件名当作证据。
- 使用符合规范的读取器单独验证 C2PA，并保留各项验证状态。
- 单独运行版本固定的视觉模型，并公开所用阈值。
- 直接呈现相互矛盾的证据，不把无关信号平均成看似确定的数字。
如何解读结果
| 结果 | 严格含义 |
|---|---|
| 发现 AI 生成证据 | 发现了受支持的生成器、工作流或 AI 来源声明。 |
| 发现类似 AI 生成的视觉信号 | 视觉模型超过了保守显示阈值，但仍可能误判。 |
| 发现可检查信息 | 文件含有元数据或内容来源信息，但这些信息本身未声明由 AI 生成。 |
| 内容来源验证无效 | 受支持的 C2PA 验证项目失败，需要进一步检查。 |
| 无法确定 | 当前文件副本中未发现受支持的决定性信号。 |
哪些工具可以验证这些证据层？
签名内容来源可使用 C2PA 验证器或 Content Credentials 检查器；广泛的元数据可使用 ExifTool；嵌入式 ComfyUI 工作流图可使用 ComfyUI；AUTOMATIC1111 保存的参数可使用 PNG Info；专有水印则应使用厂商自己的验证器。具体兼容性取决于文件格式和导出方式。
常见问题
AI 生成元数据可以被删除吗？
可以。普通元数据和工作流记录都能被清除。如果 C2PA 清单仍在，篡改通常可以被检测到；但后续副本也可能完全不包含该清单。
没有 C2PA 就代表是真实照片吗？
不是。它只表示当前副本中没有受支持的 C2PA 清单。
AI 工具可以编辑真实照片吗？
可以。内容来源记录可以描述素材和编辑操作，而视觉模型也可能只对合成图中的某一部分产生响应。