Como saber se um vídeo foi feito por IA?

Comece procurando a primeira publicação com busca reversa de quadros-chave, porque muitos vídeos sintéticos aparecem assim com a origem declarada. Depois confira Content Credentials e marcas d'água, analise sombras, som e contexto, e use detectores só como indício final. Nenhum teste isolado basta: a conclusão vem da soma de sinais independentes e costuma ser expressa em grau de probabilidade.

Detector de deepfake é confiável?

Ajuda, mas não decide sozinho. A WITNESS relata que 36% dos casos de sua força-tarefa não tiveram resultado confiável, por baixa qualidade do arquivo e dados de treinamento pouco representativos, entre outros fatores. Use mais de uma ferramenta, registre as pontuações e leve em conta que arquivos muito comprimidos reduzem a confiabilidade. Em caso com consequência jurídica, procure perícia.

O SynthID identifica qualquer vídeo gerado por IA?

Não. Segundo a documentação do Google, o verificador do Gemini reconhece a marca d'água de conteúdo criado ou editado por modelos de IA do Google. Se a marca não aparece, o conteúdo ainda pode ter sido gerado por outro sistema. Por isso, um resultado positivo é informativo, enquanto um resultado negativo não comprova que o vídeo é verdadeiro.

Todo deepfake é proibido nas eleições?

Não necessariamente. Em setembro de 2026, o TSE fixou que a vedação do art. 9º-C, § 1º, da Resolução nº 23.610/2019 pressupõe a caracterização do conteúdo como propaganda eleitoral. A análise depende do caso concreto. Este texto tem caráter educativo e não substitui orientação jurídica: quem precisa agir deve procurar assessoria especializada.

Deepfake: como identificar vídeo e áudio gerados por IA

Um roteiro de verificação em cinco etapas, em que a origem do arquivo pesa mais que o defeito visual e o detector entra por último.

Para saber como identificar deepfake com segurança, não basta procurar defeitos na imagem. O método que funciona combina cinco frentes: preservar o arquivo, achar a primeira publicação, checar marcas de procedência, analisar coerência visual e sonora e, só no fim, usar um detector como indício. A conclusão quase sempre vem em forma de probabilidade.

Este guia é para Hunters, jornalistas, advogados e analistas que recebem um vídeo ou áudio suspeito e precisam responder com método, sem afirmar mais do que a prova permite.

O que é deepfake e que problema ele cria para quem investiga?

Deepfake é o conteúdo sintético produzido ou manipulado por inteligência artificial, com aparência realista, que cria, reproduz ou altera a imagem, a voz ou a manifestação de uma pessoa. A definição é a que o Tribunal Superior Eleitoral (TSE) fixou em setembro de 2026 ao interpretar o art. 9º-C, § 1º, da Resolução nº 23.610/2019. Ela alcança pessoa viva, falecida ou fictícia.

Esse último ponto importa. Em agosto, o Aos Fatos localizou ao menos 50 vídeos no TikTok que simulavam entrevistas de rua sobre a eleição presidencial. Repórteres e eleitores eram sintéticos, os posts somavam 7,4 milhões de visualizações e 18% deles não traziam indicação de uso de IA. Ninguém ali tinha sido imitado: a falsidade estava em fingir que aquelas pessoas existiam.

O dano também corre no sentido inverso. A organização WITNESS alerta que deepfakes criam incerteza duradoura e facilitam descartar provas verdadeiras. Na prática, quem é flagrado em um vídeo autêntico pode alegar que ele é falso, e a verificação precisa responder nas duas direções.

Por que procurar defeitos visuais já não basta?

Durante anos, a orientação popular foi conferir mãos, piscadas e dentes. Esse atalho envelheceu. O guia da Rede Global de Jornalismo Investigativo (GIJN) registra que mãos malformadas deixaram de ser indicador confiável depois da evolução dos geradores por volta de 2025, e conclui que a meta realista passou a ser uma avaliação de probabilidade.

Os detectores automáticos também têm limite. No relatório TRIED, a WITNESS informa que 36% dos casos analisados por sua força-tarefa de resposta rápida não tiveram resultado confiável, por fatores como baixa qualidade do arquivo e dados de treinamento pouco representativos. Um vídeo comprimido pelo WhatsApp, em português e gravado em ambiente ruidoso é justamente o cenário difícil.

Por isso, a ordem das etapas abaixo não é decorativa: as primeiras são as que mais costumam resolver o caso.

Como identificar deepfake em cinco etapas

1. Preserve o arquivo e o contexto

Antes de analisar, guarde o arquivo na melhor qualidade disponível, a URL, o perfil que publicou, a legenda, a data e a hora da coleta. Se possível, calcule o hash do arquivo. Prefira sempre o original a um print ou gravação de tela: metadados só existem no arquivo, e cada nova compressão apaga detalhes.

Exemplo: um áudio chega por um grupo de mensagens. Peça a quem enviou o arquivo recebido, sem regravação, e anote de quem veio. Um áudio regravado da caixa de som perde quase tudo o que um perito poderia examinar.

2. Procure a primeira publicação

Esta é a etapa que mais resolve casos, e não exige nenhum detector. Extraia quadros-chave do vídeo com o plugin InVID, faça busca reversa desses quadros e pesquise frases marcantes do áudio entre aspas.

Um caso público mostra o caminho. Em outubro, a Agência Lupa analisou um vídeo da bandeira da Palestina na Torre Eiffel. A busca reversa levou à publicação original, de um perfil que produz conteúdo com IA e que indicava isso na legenda. A pesquisa em veículos de notícias em inglês e francês encontrou o tema só em agências de checagem, sinal de que o evento não havia sido registrado por quem estaria lá.

Vale a pergunta: se isso aconteceu, quem mais teria filmado ou noticiado? A ausência de outras fontes não prova falsidade, mas pesa bastante em eventos públicos.

3. Verifique marcas de procedência

Aqui entram duas tecnologias diferentes, e confundi-las gera erro.

Content Credentials (padrão C2PA) funcionam como um histórico da origem e das edições do arquivo. Um arquivo pode ser conferido na página de verificação do projeto. O limite é conhecido: a própria Content Authenticity Initiative admite que muitas plataformas ainda removem metadados, então a ausência de credenciais não diz nada sobre autenticidade.

Marcas d'água invisíveis, como o SynthID do Google, são embutidas no momento da geração. O aplicativo Gemini aceita um arquivo por vez, de até 100 MB, com vídeos de menos de 90 segundos, e responde se encontrou a marca. Leia o resultado com cuidado:

Marca encontrada: todo ou parte do conteúdo foi criado ou editado com IA do Google.
Marca não encontrada: o conteúdo pode ter vindo de outro sistema de IA. Não significa que seja real.

No caso da Torre Eiffel, a Lupa também usou a ferramenta de detecção da Meta, que apontou geração com tecnologia da empresa. Cada ferramenta desse tipo reconhece principalmente o que o próprio fabricante gerou, então um resultado positivo é forte e um negativo é fraco.

Antes de enviar um arquivo a qualquer serviço, lembre que ele sai do seu controle. Material íntimo, dados de saúde ou qualquer conteúdo envolvendo crianças e adolescentes não deve ser enviado a ferramentas de terceiros: esses casos vão para a autoridade competente.

4. Analise coerência visual, sonora e de contexto

O guia da GIJN organiza os sinais em categorias úteis. As que mais rendem em vídeo e áudio são:

Física da cena: sombras que não concordam com a fonte de luz, reflexos errados, pontos de fuga incoerentes.
Voz e som: ritmo uniforme demais, pronúncia estranha de nomes locais, ausência de ruído de fundo em um ambiente que deveria ser barulhento.
Lógica de tempo e lugar: estação do ano, placas, uniformes, tomadas e sotaque que não combinam com o local alegado.
Comportamento de multidão: pessoas que repetem gestos ou não reagem ao que acontece ao redor.

Aqui, técnicas clássicas de GEOINT ajudam: se o vídeo alega um local e um horário, compare a posição do sol e a paisagem com o que os mapas mostram. Um único sinal raramente basta; o que dá força é a soma de indícios independentes.

5. Use o detector como indício e documente

Detectores devolvem uma pontuação, não um veredito. Registre a ferramenta, a data e o resultado, e rode mais de uma quando puder, pois as pontuações variam: em outubro, ao checar um mesmo áudio, a Lupa obteve 97,1% de probabilidade de manipulação em uma ferramenta e 65% em outra. Arquivos muito comprimidos reduzem ainda mais a confiabilidade.

Casos de alto impacto merecem análise especializada. Em setembro, a WITNESS lançou no Brasil uma versão regional de sua força-tarefa, com Aos Fatos, Agência Lupa, Projeto Comprova e o grupo Recod.ai, da Unicamp. O canal foi criado para investigadores e repórteres, e não substitui perícia oficial quando há processo.

Como registrar a conclusão sem exagerar?

Uma escala simples evita afirmações que o método não sustenta:

Sintético, com base em procedência: há publicação original declarando IA, credencial ou marca d'água detectada.
Provavelmente sintético: vários indícios independentes apontam na mesma direção, sem prova direta.
Inconclusivo: os testes divergem ou o arquivo é ruim demais. Diga isso com todas as letras.
Sem indícios de manipulação: nenhum teste apontou problema, o que não equivale a certificar autenticidade.

Separe também a conclusão técnica da consequência jurídica. O TSE decidiu que a vedação do art. 9º-C, § 1º, pressupõe que o conteúdo seja caracterizado como propaganda eleitoral, então um vídeo sintético não é automaticamente irregular. Cabe à autoridade competente qualificar o caso, e ao analista descrever o que encontrou, em linguagem condicional.

Na prática

Comece pela origem: busca reversa e pesquisa de contexto resolvem muitos casos antes de qualquer detector.
Trabalhe com o arquivo original, registre URL, data e hash, e evite prints e regravações.
Trate marca d'água negativa como ausência de informação, nunca como atestado de autenticidade.
Some indícios independentes: física da cena, som, contexto e procedência.
Registre ferramenta, data e resultado, e publique a incerteza quando ela existir.
Não envie material íntimo ou envolvendo menores a serviços de terceiros: leve o caso à autoridade.

Conclusão

Identificar deepfake é menos uma questão de olho treinado e mais de processo. Preservar o arquivo, encontrar a origem e ler corretamente os limites de cada ferramenta leva a conclusões defensáveis, mesmo quando a conclusão honesta é "inconclusivo". Os geradores mudam rápido, e o método dura mais que qualquer lista de defeitos.