宇软明鉴 AI 鉴别 · 本机运行 · 不联网 · 不上传 本机计算

AI 内容鉴定师

图片用浏览器端轻量模型本地推理 · 文章用统计特征分析 · 内容不上传

AI 生成图片检测

首次使用需下载约 12.5 MB 的模型,之后浏览器会缓存。图片全程留在本机,不会上传。

点击选择图片 或拖拽到此处
支持 JPG / PNG / WebP
预览
模型来源:
尚未加载模型。
--% --
AI 生成概率真实概率

AI 生成文章检测

基于中文文本的统计特征(句长波动、套话密度、口语痕迹等)做启发式判断,不调用任何模型或网络。

方法、局限与来源

图片:使用 Meta Perception Encoder 微调的轻量二分类器(PE-Core Tiny,6M 参数),导出为 ONNX,经 ONNX Runtime Web 在浏览器本地运行。输入 1×3×256×256,输出两个 logits(fake / real),经 softmax 得概率。训练报告在 DeepDetect-25 人脸数据上平衡准确率 94.6%,但对最新一代生成器(GPT-Image-1.5、Nano Banana Pro、Seedream 4.5、Imagen 4、FLUX.2)仅约 65% 召回。

文章:不依赖训练分类器,而是对若干统计特征加权融合。核心设计原则:低句长波动、套话密度、清单结构同属"规整度"代理,不能当独立证据叠加,否则置信度虚高;而口语碎片、主观表达、具体信息等行为证据权重更高,因为规整文风(新闻、公文、学术写作)天然规整,是最主要的误报来源。

文章检测的真实校准数据(务必阅读):特征权重不是手工设定,而是在 HC3 中文公开数据集(真实人类答案 7,654 条、ChatGPT 答案 6,272 条,均 ≥150 字)上用逻辑回归学到的。留一领域交叉验证(3 领域训练、1 领域测试):4 个领域中 3 个提升。综合留出集(训练/测试 7:3)Youden J 从手写权重的 0.40 提升到 0.54(1 为完美)——提升真实,但仍远非可靠。当前阈值表现:得分 ≥59 时真人误报约 10%、AI 漏报约 38%;得分 ≥65 时真人误报约 5%、AI 漏报约 49%。阈值按"优先避免诬陷真人"设定。"文风规整的真人被误判"仍是这类统计方法的系统性天花板,本工具只能作为弱参考,不能作为判定依据。

重要局限:两者都是概率性启发式,不是鉴定结论。图片对未见过的新模型、经过重度压缩/裁剪的图片可能失灵;文章对刻意模仿口语的 AI 文本、以及文风规整的真人文本都可能误判。请勿用于学术不端指控等对结果要求确定的场景。

图片模型:huggingface.co/Deckard618/imdet(Apache-2.0 / BSD-3-Clause)
推理运行时:ONNX Runtime Web(MIT)
文本检测参考:DetectGPT (arXiv:2301.11305);Weber-Wulff et al. 2023 (arXiv:2306.15666);Liang et al. 2023 Patterns (arXiv:2304.02819)。