NVIDIA ha presentado Synthetic Video Detector NIM, un microservicio acelerado por GPU que analiza vídeos fotograma a fotograma para calcular la probabilidad de que hayan sido generados mediante inteligencia artificial. La herramienta está dirigida a redacciones, plataformas audiovisuales y equipos de verificación que necesitan revisar grandes cantidades de material con rapidez.
El sistema no determina si una noticia es verdadera ni comprueba el contexto de una grabación. Su función consiste en aportar una señal técnica sobre el posible origen sintético del vídeo, permitiendo priorizar contenidos sospechosos, aislarlos temporalmente o enviarlos a una verificación humana más profunda antes de publicarlos.
Synthetic Video Detector analiza cada fotograma
El microservicio recibe vídeos H.264 almacenados en archivos MP4, utiliza la GPU para decodificarlos y genera una puntuación para cada fotograma o segmento. Después calcula una probabilidad global entre 0 y 1, donde los valores más elevados indican una mayor posibilidad de que el contenido proceda de un generador de inteligencia artificial.
Su arquitectura combina modelos DINOv2 y DINOv3 basados en transformadores visuales, con alrededor de 172 millones de parámetros. En lugar de interpretar el significado de la escena, busca patrones estadísticos, señales de frecuencia y artefactos internos introducidos durante el proceso de generación artificial.
El análisis detallado también permite localizar segmentos concretos con indicios de contenido sintético, evitando que el equipo editorial tenga que revisar el archivo completo desde cero. Esta aproximación resulta especialmente útil para retransmisiones, vídeos extensos o contenidos híbridos que mezclan imágenes reales con fragmentos generados.
La herramienta está optimizada principalmente para vídeos creados mediante modelos de difusión. Su eficacia puede disminuir ante generadores desconocidos, ediciones posteriores o técnicas de ocultación, por lo que el microservicio no garantiza detectar cualquier manipulación.
La compresión reduce la precisión del detector
La compañía asegura que Synthetic Video Detector alcanza hasta un 92% de precisión con vídeo sin comprimir. El resultado desciende al 87% con una compresión del 15% y al 82% cuando la compresión llega al 50%, una pérdida importante para archivos que han pasado por redes sociales, servicios de mensajería o varias recodificaciones.
La compresión elimina parte de las señales utilizadas por el modelo, elevando el riesgo de falsos positivos y vídeos sintéticos no detectados. Este límite afecta especialmente al material viral, que suele descargarse, editarse y volver a publicarse repetidamente antes de llegar a una redacción o plataforma de verificación.
El umbral predeterminado está situado en 0,3 para priorizar la detección de contenido artificial. Con esta configuración, el sistema alcanza un 96% de acierto sobre vídeos generados mediante IA, pero solo clasifica correctamente el 70% del material real. Elevarlo hasta 0,5 ofrece un resultado más equilibrado, con un 85% y un 82%, respectivamente.
Cada organización podrá ajustar este valor según sus prioridades. Un umbral bajo reduce el riesgo de dejar pasar contenido sintético, aunque aumenta la cantidad de vídeos reales marcados como sospechosos. La elección dependerá de la carga asumible de revisión, la urgencia del contenido y el margen de error aceptado.
El microservicio procesa vídeo 1080p en 22 ms
Synthetic Video Detector puede procesar contenido con resolución 1080p en apenas 22 ms mediante sistemas NVIDIA RTX y en unos 30 ms con una GPU L40. Esta baja latencia permite integrarlo en flujos donde numerosos vídeos necesitan una primera clasificación automática antes de llegar a periodistas, moderadores o especialistas forenses.
El servicio emplea una interfaz gRPC bidireccional y puede devolver tanto la probabilidad general como resultados intermedios en formatos CSV o JSON. Las organizaciones pueden ejecutarlo en sus propias instalaciones, en entornos periféricos o dentro de redes aisladas para mantener el material sensible bajo control.
La última revisión alcanzó un AUC de 0,9614 y una precisión de 0,9453 en el conjunto interno de pruebas de la compañía. En AIGVD Bench, el microservicio obtuvo una media AUC del 98,7% frente a generadores de código abierto, aunque estos resultados controlados no representan necesariamente su comportamiento ante cualquier vídeo publicado en Internet.
Su compatibilidad presenta además varios recortes. El archivo debe utilizar el códec H.264, no admite actualmente frecuencias de fotogramas variables y requiere una GPU con funciones NVENC y NVDEC. Por ello, algunos aceleradores de centros de datos quedan fuera pese a disponer de una potencia de cálculo superior.
Wowza llevará la detección a transmisiones en directo
Wowza integrará el microservicio dentro de su Video Intelligence Framework, acercando la detección de contenido sintético a los procesos de recepción, almacenamiento y retransmisión en directo. Su infraestructura está presente en más de 35.000 despliegues repartidos por 170 países.
La integración permitirá marcar automáticamente señales dudosas antes de distribuirlas o enviarlas a un equipo editorial. También facilitará analizar el material cerca del lugar donde se recibe, evitando transferir vídeos sensibles a servicios externos cuando existan requisitos de privacidad o residencia de datos.
Las redacciones podrán utilizar las puntuaciones para priorizar clips, poner en cuarentena contenidos cuestionables o escalar casos complejos. El detector no tomará la decisión de publicar, pero reducirá el tiempo necesario para localizar archivos con indicios técnicos de generación artificial.
Synthetic Video Detector forma parte inicialmente del programa privado NVIDIA AI for Media. Las organizaciones interesadas deben solicitar acceso y utilizar una clave NGC para descargar el contenedor, los modelos y los componentes necesarios para su despliegue.
No sustituye la verificación periodística
La principal aportación del microservicio consiste en reducir el volumen de material que debe revisarse manualmente, no en resolver por completo el problema de la desinformación. Una clasificación rápida puede resultar valiosa durante acontecimientos en directo, cuando numerosos vídeos compiten por publicarse con rapidez.
Un vídeo real puede difundirse acompañado de una descripción falsa, mientras una creación sintética puede utilizarse legítimamente en cine, publicidad o divulgación. El detector estima cómo pudieron generarse las imágenes, pero no comprueba quién las publicó, cuándo se grabaron ni si el relato asociado es verdadero.
Por ello, su resultado debe combinarse con búsqueda inversa, comprobación de metadatos, contraste de fuentes y revisión humana. Synthetic Video Detector funciona como una capa adicional de comprobación, manteniendo la decisión final y la responsabilidad editorial en manos de profesionales.
Vía: Wccftech
