Видео сгенерированное нейросетью: как отличить и сделать своё

Главное:

• Видео сгенерированное нейросетью выдают руки, надписи в кадре, тени и рассинхрон губ со звуком.
• Невидимые метки SynthID переживают сжатие и кадрирование, а видимый водяной знак снимается за минуты.
• Публичным детекторам нельзя верить на слово: они ошибаются в обе стороны.
• Закон № 243-ФЗ обязал крупные площадки дать возможность маркировки, YouTube и TikTok требуют её сами.
• Свой ролик собирается за десять минут, запуск стоит от 50 ₽ и оплачивается рублями.

Лента соцсетей за год перестала быть надёжным свидетелем. Ролик с котом-барменом, репортаж с несуществующего митинга, поздравление голосом знакомого — всё это может быть видео сгенерированное нейросетью, а не съёмка. Отличать одно от другого приходится всем: и тем, кто просто смотрит, и тем, кто сам публикует. Ниже — признаки, по которым генерация опознаётся в кадре и в звуке, технические следы внутри файла, правила площадок и российский закон, а в конце — как сделать собственный ролик и сколько это стоит в рублях.

Как отличить видео сгенерированное нейросетью от съёмки

Проще всего смотреть на руки, надписи, тени и физику движения: видео сгенерированное нейросетью собирается из правдоподобных кадров, но модель не считает вес предметов и не следит за направлением света.

Пальцы остаются главным слабым местом. Они переплетаются, срастаются, деформируются, пропадают или выглядят резиновыми, а пропорции конечностей плывут — рука оказывается длиннее или короче, чем нужно. При быстром движении пальцы иногда превращаются в бесформенные сгустки материи.

Второй маркер — любой текст в кадре. Вывески, обложки книг, газетные заголовки искажаются, расплываются при смене плана и пишутся с ошибками. Модель воспроизводит форму букв, а не смысл слов, поэтому надпись легко распадается на набор похожих на буквы значков.

Третий — физика. Люди и животные перемещаются слишком легко, без учёта массы тела и инерции: прыжок не проседает, шаг не отдаёт в плечи. Движения бывают рваными, без плавных переходов, и часто повторяются по кругу. Ещё показательнее тени: они направляются в разные стороны, будто в кадре два солнца, а свет непоследовательно ложится на предметы. В ночных сценах освещение нередко остаётся неправдоподобно ярким.

Отдельно стоит смотреть на края кадра и на фон — там видео сгенерированное нейросетью разваливается чаще, чем в центре композиции. Объекты внезапно появляются и пропадают между кадрами, прохожие сливаются в общее пятно, фон становится сглаженным, с пятнами и бликами. Мелкие детали вроде пуговиц и украшений слипаются друг с другом, а текстуры одежды перетекают одна в другую. Отражения тоже подводят: в очках и зеркалах видно не то, что должно отражаться.

Ни один признак сам по себе не приговор — плохой свет и дешёвый объектив дают похожие артефакты. Но три-четыре совпадения подряд почти наверняка означают, что перед вами видео сгенерированное нейросетью.

Где генерация выдаёт себя чаще всего: лица, текст и звук

Крупный план говорящего человека — самая уязвимая сцена: там сходятся мимика, зубы, моргание и синхронизация губ со звуком, и хоть один из этих элементов обычно ломается.

Начните с глаз. Персонажи не моргают спонтанно, взгляд выглядит стеклянным, глаза двигаются рывками или слишком ровно. Кожа получается чересчур гладкой — без пор, морщин и мелкой текстуры, будто поверх лица наложен фильтр красоты.

Дальше рот. Зубы меняют форму и ширину при разговоре, их количество плавает от кадра к кадру. Эмоции выглядят гипертрофированно: улыбка шире, чем нужно, удивление театральное. Если в кадре несколько человек, они нередко выражают одну и ту же эмоцию одновременно — модель тиражирует найденный шаблон. В длинных планах герой может незаметно сменить внешность за несколько секунд.

Звук выдаёт генерацию не реже картинки. Синтезированный голос звучит без естественных пауз, заиканий и колебаний интонации — речь ровная и механическая. Качество аудио бывает подозрительно низким, с посторонними артефактами. И главное: движения рта часто не совпадают с произносимыми словами, особенно на согласных.

Практический приём, который вскрывает видео сгенерированное нейросетью, — смотреть ролик дважды. Первый раз со звуком, второй без него, покадрово на паузах. Многое, что проскакивает на скорости, на стоп-кадре видно сразу: лишний палец, поплывшая вывеска, тень не с той стороны.

Шесть признаков, по которым генерация опознаётся в кадре и в звуке

Технические следы: метаданные C2PA, SynthID и водяные знаки

Видео сгенерированное нейросетью обычно несёт внутри файла метки происхождения — подпись стандарта C2PA в метаданных и невидимый водяной знак, вшитый в сами пиксели.

C2PA — отраслевой стандарт подписи, который записывает, каким инструментом создан файл и что с ним делали дальше. OpenAI заявляла, что все ролики Sora несут метаданные C2PA, а у компании есть внутренние инструменты обратного поиска по изображению и звуку, чтобы отследить ролик до источника. Слабое место у метаданных одно: они живут в служебной части файла. Достаточно перевыгрузить видео через редактор — и подпись исчезнет вместе с остальными служебными полями.

Водяной знак устроен иначе. SynthID от Google DeepMind встраивает невидимую метку прямо в изображение и видео, не меняя их качества, а в аудио добавляет неслышимый сигнал. Метка рассчитана на то, чтобы пережить кадрирование, наложение фильтров, смену частоты кадров и сжатие с потерями. Проверить файл можно, загрузив его в чат Gemini и спросив, создан ли он нейросетью; отдельный портал SynthID Detector пока в раннем тестировании.

С видимыми знаками ситуация хуже. Плашку Sora 2 сторонние сервисы научились снимать через пять дней после запуска, и ролики без неё разошлись по TikTok. Вместе со знаком исчезает единственный маркер, который прямо сообщал зрителю, что перед ним ролик, созданный ИИ.

Метки работают и в обратную сторону. Meta автоматически ставит подписи «Made with AI» и «AI Info», опираясь на метаданные C2PA, — и остаточные данные от прежних правок иногда помечают обычную фотографию. Поэтому плашка на посте не доказывает генерацию, а её отсутствие ничего не опровергает.

Детекторы ИИ-видео: какие работают и почему им нельзя верить

Онлайн-детекторы дают вероятность, а не вердикт: они ошибаются в обе стороны и легко пропускают видео сгенерированное нейросетью, если файл пережат или перезалит.

Из рабочих сервисов называют Hive Moderation — он уверенно определяет нейросетевое видео и даже распознаёт модель-автора — и Undetectable.AI, который достоверно опознаёт генерацию, но показывает только процент уверенности без объяснений. Из бесплатных упоминают TrueMedia. При этом многие публичные детекторы не распознают даже очевидно искусственные ролики, а часть требует оплаты.

Причина понятна: детектор ищет статистические следы конкретных моделей, а модели обновляются каждые несколько месяцев. Ролик, пережатый соцсетью до 720p и обрезанный под вертикальный формат, теряет часть этих следов, и уверенность сервиса падает.

Разумная тактика — складывать сигналы, а не искать один волшебный инструмент. Посмотреть покадрово, проверить метаданные, поискать первоисточник обратным поиском, посмотреть на аккаунт публикатора и только потом смотреть на процент от детектора. Если ролик утверждает что-то важное про реального человека или событие, вес имеет только первоисточник.

Когда нужно помечать видео сгенерированное нейросетью

Помечать нужно любое видео сгенерированное нейросетью, если оно реалистично изображает людей, места или события, — этого требуют и российский закон, и правила крупных площадок.

В России базовые правила закреплены Федеральным законом от 26.07.2026 № 243-ФЗ; Госдума приняла его 8 июля 2026 года. Сайты, приложения и соцсети с суточной аудиторией свыше 500 тысяч пользователей обязаны предоставить пользователям возможность маркировать материалы, созданные с помощью ИИ. Формат и порядок маркировки устанавливаются в пользовательском соглашении между сервисом и пользователем. От первоначальной идеи заставить владельцев сайтов самим вычищать немаркированный контент отказались — ответственность за маркировку возложили на владельцев ИИ-сервисов. Штрафы в обсуждавшихся редакциях выглядели так: 10–50 тысяч рублей для физических лиц, 100–200 тысяч для должностных и 200–500 тысяч для юридических.

Площадки при этом строже закона. YouTube требует помечать реалистичный изменённый или синтетический контент: под роликом появляется плашка «Altered or synthetic content» со ссылкой «How this content was made», а за нарушение грозит страйк или снятие монетизации. Цветокоррекция, стилизация и прочие ИИ-улучшения, которые не искажают события, раскрытия не требуют. TikTok требует видимую метку «AI-generated» для синтетических людей, событий, клонов голоса и дипфейков и удаляет неотмеченные дипфейки знаменитостей. Meta ставит метки автоматически по метаданным C2PA.

Есть и уровень, где формальных правил недостаточно. Лицо и голос реального человека без его согласия не стоит генерировать вообще — даже с честной пометкой. То же касается сцен, которые выдают вымысел за новость: подпись мелким шрифтом не спасает, если ролик выглядит как репортаж. Если вы публикуете видео сгенерированное нейросетью в коммерческих целях, безопаснее ставить метку явно и в самом кадре, а не только в настройках поста.

Что требуют закон и площадки от автора сгенерированного ролика

Как сгенерировать видео нейросетью самому: модели, промпт и цены

Нужны три вещи: описание сцены на русском или английском, выбранная модель и несколько минут ожидания — ролик длиной 5–10 секунд собирается прямо в браузере.

Порядок простой. Опишите, что происходит в кадре, кто в нём и как движется камера. Укажите освещение и настроение: «мягкий закатный свет», «холодный неон», «камера медленно наезжает». Выберите модель, запустите генерацию и дождитесь результата. Если нужен ролик из своей фотографии, берётся режим image-to-video — подробности разобраны в статье про то, как оживить фото нейросетью.

Модели, в которых получается видео сгенерированное нейросетью, различаются ценой и характером. В каталоге IskraGen запуск Hailuo Standard Text to Video стоит от 50 ₽, Grok Imagine Text to Video — тоже от 50 ₽, Kling 2.6 Text to Video — от 100 ₽, Sora2 - Text to Video — от 250 ₽, Veo 3.1 — от 360 ₽. Для оживления снимка есть Hailuo Standard Image to Video от 50 ₽ и Kling 2.6 Image to Video от 100 ₽. Оплата в рублях, зарубежная карта не нужна. Как устроены сами модели, разобрано в отдельном материале про нейросеть для генерации видео.

Начинать логично с дешёвой модели: на ней проверяют формулировку промпта, а дорогую включают, когда сцена уже собралась. Генерация вероятностная, поэтому два-три дубля на кадр — норма, и закладывать бюджет стоит именно на дубли, а не на один идеальный запуск.

И последнее. Всё, что перечислено в начале статьи, работает против вас же: не ставьте в кадр крупные надписи, избегайте крупных планов рук и длинных диалогов с синхронизацией губ. Короткая сцена, один герой, понятное движение камеры — так видео сгенерированное нейросетью выглядит убедительнее всего, а зрителю остаётся честная пометка о происхождении ролика.