Updated
Case evidence: Read the source breakdown report · View case frames and shot timings
Based on a published tool report. Production classifications are analytical judgments; suggested steps are not the original project or a verified recreation.
1. Tanya per shot, bukan per video
Produksi campuran kini menjadi hal biasa. Putusan kasus music video kami: video AI 53% + talking avatar AI 32% + push/pan gambar diam 13% + render kode/template 3%; kasus dialog: render kode/template 59% + video AI 41%. Satu label “AI atau asli” akan salah untuk kedua video. Pisahkan video per shot di setiap cut, lalu nilai tiap shot dengan buktinya sendiri.
2. Apa yang diam saat seharusnya bergerak
Pada kasus music video, still life kertas dan batu tinta yang sama muncul dua kali. Di shot #23, peninjau melihat parallax tipis antara kertas, batu tinta, dan bayangan jendela, ditambah tekstur tinta yang bergeser antar frame, dan laporan menilainya video AI. Di shot #32, seluruh frame bergerak sebagai satu transformasi kaku tanpa gerakan lokal, sehingga dinilai gambar diam dengan push/pan. Periksa tepi frame, refleksi, dedaunan, kain, dan objek sekunder: apa yang bergerak, apa yang membeku, dan apakah lapisan dekat dan jauh bergeser satu sama lain. Wilayah diam di tengah gerakan lain layak diperiksa lebih teliti; foto diam yang di-push/pan menunjukkan parallax datar — semua bergeser sebagai satu bidang.
3. Tekstur, noise, dan tepi
Sensor asli menaburkan grain di seluruh gambar dan bervariasi dengan cahaya: area terang membawa noise lebih banyak. Hasil generasi sering terlihat mulus seperti plastik: grain seragam atau hilang, banding di gradasi halus (langit, kulit), dan bayangan yang terlalu bersih. Untuk wajah — daftar cek deepfake kelas bawah — periksa garis rahang dan batas rambut dari keburaman atau perubahan tekstur, gigi dan telinga dari artefak, serta kulit yang mengabaikan arah cahaya adegan. Salah satu temuan hanyalah alasan memeriksa lebih jauh, bukan putusan akhir.
4. Gerakan yang morphing, bukan bergerak
Gerakan hasil generasi menginterpolasi antar status, jadi perhatikan identitas antar frame: objek yang berubah bentuk, anggota badan yang mengabur, pola (teks, ubin, alat musik) yang tertukar, loop yang terlalu sempurna, dan fisika tanpa inersia atau bobot. Gerakan hasil film membawa momentum, micro-jitter, dan parallax latar yang saling konsisten. Perlambat klip dan periksa frame demi frame — morphing lebih cepat ketahuan daripada rekaman asli.
5. Petunjuk audio dan sinkronisasi
Suara manusia sering jadi titik terlemah: irama TTS yang tidak pernah berubah, tidak ada tarikan napas, room tone yang muncul-hilang di antara kata, sinkronisasi bibir yang tertinggal beberapa frame. Pada kasus music video, laporan menilai suaranya kemungkinan besar TTS (64%), sementara sumber musik latar belum dipastikan — lebih mirip musik library (52%) daripada hasil AI (30%), padahal kartu judul di layar menyebut Suno sebagai penggubah musiknya. Laporan yang membiarkan ketegangan itu terlihat lebih berguna daripada yang memilih satu sisi. Tiap petunjuk mempersempit pencarian; tidak ada yang berdiri sendiri sebagai bukti.
6. Label dan metadata membantu — sampai tidak
Label AIGC platform berguna saat ada, dan alat generasi bisa meninggalkan metadata — tetapi setiap re-upload dan re-encode dapat menghapusnya. Tidak adanya metadata tidak membuktikan apa pun, dan label yang hilang bukan bukti dibuat manusia. Perlakukan label sebagai satu masukan di samping sinyal visual dan audio di atas, bukan sebagai penentu terakhir.
7. Bagaimana breakdown menjaga bukti tetap jujur
Alasan menuliskan sinyal per shot adalah agar bisa diaudit. Laporan breakdown menempelkan timecode pada tiap klaim, memisahkan observasi dari inferensi, dan menyimpan nilai keyakinan di samping tiap klasifikasi — kasus promo produk misalnya memberi label render kode pada shot #6 dengan keyakinan hanya 55% dan mencantumkannya sebagai pertanyaan terbuka. Putusan music video membagi campurannya (53/32/13/3), bukan satu kata. Anda bisa menolak baris mana pun dan mengeceknya ulang di frame — hal yang mustahil dilakukan jawaban ya/tidak.
8. Yang tak bisa dijanjikan detektor mana pun
Setiap detektor video AI bisa salah, dan kompresi justru memakan bukti yang paling Anda butuhkan. Perlakukan persentase apa pun — dari alat mana pun, termasuk milik kami — sebagai perkiraan untuk memprioritaskan verifikasi, bukan bukti untuk dipublikasikan. Untuk keputusan berisiko tinggi, kaitkan beberapa sinyal dan pertahankan alasannya terlihat. Situs ini tidak menyediakan pengecek online; alur kerja open-source rea-video berjalan gratis di komputer Anda dan menghasilkan tabel shot beserta buktinya, sehingga tiap baris bisa Anda periksa ulang sendiri.
Pertanyaan yang sering diajukan
Ada detektor video AI gratis yang bisa dipakai online?
Ada pengecek gratis berbasis unggahan, tetapi tidak satu pun cukup andal untuk dipercaya buta, dan mengunggah berarti mengirim video Anda ke server orang lain. rea-video yang open source berjalan lokal secara gratis dan mengeluarkan bukti per shot, sehingga Anda bisa memverifikasi alasannya sendiri.
Situs ini bisa memeriksa apakah video saya dibuat AI?
Tidak. Situs ini menerbitkan panduan dan laporan kasus nyata; tidak menerima unggahan. Penganalisisnya berjalan di komputer Anda lewat Claude Code, Codex, atau CLI.
Apa tanda deepfake kelas bawah?
Keburaman atau perubahan tekstur di garis rahang dan batas rambut, gigi dan telinga berartefak, kulit yang mengabaikan arah cahaya adegan, tanpa ritme kedipan atau napas, serta sinkronisasi bibir yang tertinggal beberapa frame. Tiap tanda adalah alasan memeriksa lebih jauh, bukan putusan akhir.
Apakah detektor video AI akurat?
Tidak ada detektor yang sepenuhnya akurat. Kompresi dan re-upload justru menghapus bukti yang diandalkan detektor, jadi angka persentase apa pun adalah perkiraan untuk memprioritaskan verifikasi — bukan bukti.
Apakah platform memberi label pada video AI?
Semakin banyak platform menambahkan label AIGC, tetapi cakupannya belum lengkap dan label bisa hilang setelah re-upload atau re-encode. Label yang tidak ada bukan bukti video direkam secara nyata.
A reusable analysis template
Shot # / timecode Latar: wilayah membeku atau parallax asli? Noise: grain sensor, atau mulus dan berbanding? Wajah/tepi: rahang, batas rambut, gigi, telinga? Gerakan: bergerak berbobot, atau morphing? Audio: napas, room tone, sinkronisasi Label/metadata: ada? (tidak ada bukti apa-apa) Keyakinan: perkiraan saya vs. yang bisa diverifikasi
Practice with a real report
Berlatih dengan kasus music video: 118 shot dalam empat kelas produksi (video AI, talking avatar AI, gambar diam dengan push/pan, kartu pembuka hasil render kode) dan putusan 53/32/13/3. Bandingkan shot #23 dan #32, lalu pilih satu shot dan jalankan daftar cek di atas pada frame-nya.
Open the case and download its report →