多模態與應用

Deepfake 深偽是什麼?用 AI 偽造的臉、聲音與影片

Deepfake(深偽)是用深度學習合成或竄改影像、聲音與影片的技術,讓某個人看起來說了或做了他其實沒有做過的事。它的本質是生成技術的一種應用,本身中性,問題出在未經同意的冒用與詐騙。辨識要靠交叉查證來源,而不是只憑肉眼。
Deepfake 深偽是什麼?用 AI 偽造的臉、聲音與影片:文章重點卡

Deepfake 深偽是什麼?用 AI 偽造的臉、聲音與影片

現在偽造一段影片,成本比十年前低太多。冒用名人推薦商品、假冒老闆的語音要求匯款,都已經是真實發生過的手法。

這一篇講清楚深偽是什麼、能不能靠肉眼分辨,以及該用什麼方法自保。

你將學到什麼

定義

深偽是用深度學習合成或竄改人臉、聲音與影片的技術,讓人看起來說了沒說過的話。

白話比喻

像高階的替身演員加配音。臉是你的、聲音是你的,但話不是你講的。

跟誰容易搞混

數位分身是經本人同意建立的替身,深偽多指未經同意的冒用,差別在授權。

定義

Deepfake(深偽)由 deep learning 與 fake 兩個字組合而成,指用深度學習技術合成或竄改影像、聲音與影片。

它的效果是讓某個人看起來說了或做了他其實沒有做過的事。技術本身中性,也用在影視特效與配音,問題出在未經同意的冒用。

白話比喻

想像一位極為逼真的替身演員,加上一位模仿到聽不出來的配音員。畫面上是那個人,聲音也像那個人,但整段內容都不是他做的。

差別在於,現在做這件事不需要劇組,只需要一段素材與一台電腦。

常見的三種形式

形式做了什麼常見濫用
換臉影片把 A 的臉換到 B 的身體上偽造名人發言、製作未經同意的私密影像
聲音複製用少量語音樣本模仿一個人的音色與語調假冒主管或親人要求匯款
全合成人物生成一個世界上不存在的人臉與身分製作假帳號、假評論、假身分證件照

怎麼辨識

  • 先查來源,最早發布在哪個帳號、官方管道有沒有同步發布、可信媒體有沒有報導。
  • 看有沒有旁證,同一場合是否有其他角度的影像、有沒有現場的第三方紀錄。
  • 對金錢與帳號的請求保持懷疑,一律改用你原本知道的聯絡方式回撥確認。
  • 畫面細節只當輔助,嘴型對不上、眨眼異常、邊緣模糊、光影不一致可以參考,但不能當唯一依據。

實際用例

正當用途包含影視後製、多語言配音、歷史人物重現與虛擬主持人。這類使用的共同點是有授權、有揭露。

濫用則集中在三類:假冒身分行騙、製造不實資訊影響輿論、未經同意生成他人影像。前兩類在許多地區已經有相關法規規範,第三類的爭議與訴訟也在增加。

常見誤解最常見的誤解是「我看得出來」。破綻正在快速消失,把辨識能力寄託在肉眼是危險的。另一個誤解是把深偽跟 Digital Twin 數位分身 混為一談,數位分身是本人授權建立的替身,深偽多指未經同意的冒用,差別在授權與揭露。想了解防偽方向可以看 Watermarking 內容浮水印
本文源起本文為酒Ann 的 AI 名詞彙編系列,用白話把常見名詞一次講清楚。歡迎追蹤 酒Ann 的 Facebook

延伸學習

把這篇文章分享給需要的人FacebookLINEThreadsX

常見問答

肉眼看得出來嗎?
越來越難。早期可以看眨眼頻率、嘴型對不上、髮絲與耳朵邊緣糊掉、光線與陰影不一致,但這些破綻正在快速被修掉。所以辨識重點應該放在來源查證,而不是畫面細節。
遇到疑似深偽該怎麼做?
先確認來源。這段影片最早發布在哪裡、官方帳號有沒有同步發布、其他可信媒體有沒有報導。涉及金錢或帳號的請求,一律改用你原本就知道的聯絡方式回撥確認,不要用對方給的號碼。
有技術方法可以防嗎?
有幾個方向,例如內容浮水印與來源憑證,讓真實素材帶有可驗證的出處;平台端也有偵測模型。但沒有任何單一方法能百分之百可靠,實務上仍要靠制度面的雙重確認。