如何发现隐藏在声音、视频背后的伪造痕迹？

来源：央视新闻客户端

在司法实践中，何发后的痕迹录音与视频往往是现隐认定案件事实的关键证据。然而，藏声随着生成式人工智能（AIGC）技术的音视迅猛发展，声音克隆与人脸替换（Deepfake）已成为最易被伪造的频背数字内容。从冒充亲友实施电信诈骗，伪造到伪造视听资料干扰纠纷解决，何发后的痕迹日益逼真的现隐语音和影像正不断挑战公众对证据真实性的认知底线。

面对这一挑战，藏声如何精准识别隐藏在声音与视频背后的音视伪造痕迹？记者跟随镜头，深入司法鉴定科学研究院，频背探寻鉴伪背后的伪造技术逻辑。

视觉破绽：看似完美的何发后的痕迹换脸视频，为何露出马脚？现隐

在鉴定现场，司法鉴定人展示了一段三人视频会议片段。藏声其中，部分人物面部由人工智能换脸生成。

误区警示：“一眼假”未必是真伪

针对记者提出的疑问——“根据视频异常点，能否判断张三和李四是经过换脸的？”

司法鉴定科学研究院司法鉴定人 曾锦华指出：

“实际上，张三并未换脸，而是真实人脸。由于他当时录制的画面质量较低，清晰度不如其他两人，且前景与背景反差较小，导致视觉上产生‘融合感’，从而让人误以为是换脸。而李四和王五才是AI合成。”

关键鉴别点：
* 轮廓融合异常：细微分析可见，张三的面部图像轮廓与背景轮廓存在不自然的融合现象，这是低画质导致的视觉误差，而非换脸特征。
* 逐帧观察必要性：只有通过逐帧慢速观察，才能发现看似完美的换脸视频中的逻辑破绽。

AI换脸的固有缺陷：眨眼与细节缺失

在逐帧分析下，李四和王五的视频露出了明显破绽，揭示了多模态大模型的固有缺陷：

1. 眨眼动作不完整：正常人的眨眼包含“闭合”到“睁开”的完整过程。视频中李四、王五的闭眼动作缺失或中断，不符合生理规律。
2. 细节纹理丢失：如牙齿缺失、头发边缘消失等局部细节在帧间切换时出现不连贯或突变。

听觉破绽：声纹频谱如何辨真伪？

除了视觉伪造，音频拼接也是常见手段。鉴定人展示了一段看似连贯、实则经过拼接的录音。

双重鉴定技术：听觉识别 + 频谱分析

录音鉴定主要依赖两项核心技术：

1. 听觉识别（经验判断）：
   鉴定人凭借经验，逐字逐句记录发音、声调、咬字习惯、语句连贯性及口头禅等细节。

   司法鉴定科学研究院司法鉴定人 耿浦洋：“很明显一听，从听觉上后半句是来自于另一个设备。”

2. 声纹频谱分析（科学验证）：
   对语音信号的频率—能量分布图（频谱图）进行科学分析，寻找隐藏的物理特征破绽。

频谱图中的“本底噪声”陷阱

不同录音设备在完全安静环境下，都会保留独特的本底噪声特征。

• 破绽识别：在频谱图中，前段录音在6000-7000赫兹频段存在大量黑色块（代表特定设备的本底噪声），而后段录音该频段的黑色块显著减少。
• 结论：这种噪声特征的突变，直接证明了后半段录音来自不同设备，并经过剪切插入。

“复制粘贴”无法复制自然波动

除了长句拼接，短关键字的插入更为隐蔽。

耿浦洋：“虽然一个人说话具有很强的稳定性，但在自然界中，不可能出现一模一样的频谱。即使让同一人说100遍‘这么多’，每次的声纹趋势符合，但微观频谱绝不可能完全重合。如果出现完全一致的频谱，说明是‘复制粘贴’合成的。”

挑战与应对：伪造升级，鉴伪需更严谨

随着AI伪造技术迭代，鉴伪手段也在不断升级。面对新技术，司法鉴定如何保持客观公信力？

技术博弈：证明“假”易，证明“真”难

曾锦华指出，当前面临两大挑战：
1. 质量损耗：伪造视频经过网络传输后质量下降，或经过反取证处理，导致伪造痕迹消失。
2. 举证责任：证明一个东西是“假的”相对容易，但证明一个东西是“真的”非常困难。

鉴定结论的严谨表述

为确保科学性与严谨性，司法鉴定机构通常采用以下表述逻辑：

“我们必须把市面上所有的专业技术工具全部用过一遍。如果在未发现任何造假痕迹的情况下，我们只能得出：‘未发现该视频是经过AI合成或剪辑的’，而非绝对地证明其‘真实’。”

这种严谨的态度，旨在应对不断进化的AI伪造技术，确保证据鉴定的客观性与公信力。

（总台央视记者 李可婧 梁治）

(责任编辑：探索)