怎么识别ai换脸？先看边缘再查光影与帧率

同一个 mp4，手机小屏上连看三遍都正常，把 I 帧抽出来摊在显示器上放大到 200%，四分钟就能看到接缝。连播时接缝被运动模糊一起糊掉了，单帧不会。想知道怎么识别ai换脸，顺序比设备重要：先读容器排掉一批，再按边缘、光影、帧率三条线往下走。

先读容器：四分钟能跑完的顺序

顺序是固定的。容器信息放在最前面，因为一条命令就能把「被重新封装过」和「原片直出」分开；分不开的再去抽关键帧看边缘；边缘干净就往光影和帧间一致性上走；最后才逐帧看动作。读容器这一步跟脸没关系，可它决定了后面走不走得下去，怎么识别ai换脸难的地方就在这里。

第一步只有一条命令，输出是七行 键=值，顺序按 codec_name、width、height、r_frame_rate、avg_frame_rate、nb_frames、bit_rate 排。

ffprobe -v error -select_streams v:0 \
  -show_entries stream=codec_name,width,height,\
r_frame_rate,avg_frame_rate,nb_frames,bit_rate \
  -of default=nw=1 0001.mp4

重点在第 4、5 行这两个分数：r_frame_rate=30000/1001、avg_frame_rate=25/1，除下来是 29.97 和 25，差近 5 帧。ffprobe 默认给分数不给小数，要两位小数得自己拿分子除分母。差到接近 5 帧，意味着每 6 帧里大约有 1 帧是补出来的，这是「模型按 25fps 出帧、再封进 30fps 容器」留下的形状；bit_rate 2.4 Mbps 配 1080×1920 偏低，说明至少转过一次码。

但这两个值不相等不能单独当证据。固定帧率的相机直出，两值一致；手机 VFR 录的原片本来就会差出几帧，只看这一条会把没处理过的素材判成重封装。判据得加一条：两值不等，并且 nb_frames 除以 avg_frame_rate 算出的时长跟播放器对不上。437 除以 25 得 17.5 秒，对不上说明流被截断或者拼接过多段，这种片子连抽帧都不必做。

四类现象可以提前列出来，后面每条分支对应一个：边缘有均匀描边、高光不随头转、齿形在连续帧里跳、帧率对不上时长。谁先谁后按命中率排。

边缘与轮廓的拼接痕迹，放大 200% 才有意义

容器干净只说明没被粗暴重封装，不说明没换脸。往下走第二条。

第二步把 I 帧（关键帧）全部抽出来。

ffmpeg -i 0001.mp4 -vf "select='eq(pict_type,I)'" \n  -fps_mode passthrough kf_%03d.png

437 帧出了 9 张，kf_001.png 到 kf_009.png。挑脸占画面最大的三张，图片查看器按到 200%，先看耳廓，再看发际线，最后看下颌线和脖子交界那一段。

耳廓的问题最好读：外缘有一圈 1 到 2 像素的半透明描边，颜色偏肤色，跟背景之间没有过渡；真实拍摄里耳朵边缘是硬边，背后是什么颜色就是什么颜色。发际线更明显，贴合时按椭圆羽化，额头上会留下一条宽度均匀的浅环，大约 3 到 5 像素，从太阳穴到另一侧几乎不变。真人的发际线是毛发一根根散出去的，宽度不可能均匀成那样。

侧脸是第二个入口。头转到 45 度以上，被遮挡那侧的耳廓经常缺一块，或者耳垂形状在相邻两张 I 帧里对不上。

这一关最容易误判的是压缩，而压缩留下的痕迹有两种，别混成一个。块效应是按 8×8 宏块边界排的方格，缩到 200% 能看出规则的格子；蚊式噪声是贴着边缘外侧两三像素的细碎抖动，像水汽。换脸的羽化描边比这两种都厚，宽度均匀且严格跟着耳朵和下巴的曲线走，不会在直线处突然变粗。

光影方向与帧间一致性：第二道筛子

边缘是空间上的破绽，光影是时间上的。真实视频里鼻梁高光和颧骨高光位置不同，但同向——头一转，两处一起移动，相对距离基本不变。换脸后的高光来自源脸，由源视频的打光决定，跟当前场景对不上，逆光场景尤其明显。

验法很土，把 9 张 I 帧里头部朝向差别最大的三张横排在一起，只看高光方向。真片子高光位置连续变化，换脸的片子某个角度会突然跳到另一侧，或者干脆消失一帧。

帧间一致性看牙齿和眼睑。播放器切到逐帧，VLC 里按 e，嘴角开始动的那几帧最容易出问题：真人说话时牙齿在运动模糊下是渐变的，模型按帧独立生成，没有跨帧约束，齿形会在连续三四帧里跳一次。眨眼同理，真人闭眼跨两帧，换脸视频常常只有一帧闭到底，中间那帧被吃了。

这两类现象要一起看。高光方向对得上、齿形又在跳，说明不是打光的问题；高光对不上而齿形正常，更像换了光源或者后期调色，不能直接判成换脸。

帧率对不上时，先怀疑重封装

帧率这条线经常被当成怎么识别ai换脸的主要依据，其实它最不可靠。

r_frame_rate 和 avg_frame_rate 都是整数、码率也正常，这条线基本给不出信息。高分辨率模型做出来的换脸，痕迹只在边缘那一层，帧率一动不动的很常见。反过来，avg_frame_rate 出现 23.976 这类电影数值而画面是手机竖屏，基本能判定过了一道转码；转码会重排 P 帧、补重复帧，异常是转码造成的，跟脸无关。

想坐实重复帧，数一遍实际解码帧数，再跟容器写的帧数比。

ffprobe -v error -count_frames -select_streams v:0 \
  -show_entries stream=nb_read_frames,nb_frames \
  -of default=nw=1 0001.mp4

两个数一样，说明容器没有虚报，跳帧是内容本身复制出来的；差得多，说明 nb_frames 不可信，前面的时长换算也就作废。这条命令一秒内跑完，放哪个分支开头都行。

三条都干净的那一支

三条线都过，还有一种情况：片子确实被处理过，但不是换脸，是美颜、超分或者降噪。这三类痕迹跟换脸重叠度很高——皮肤过平、边缘发软、齿形轻微跳。区别仍在耳廓：美颜和降噪不会重绘耳朵，硬边还在；换脸会连耳廓一起重画。

排错树的走法就是按命中率往下排：容器、边缘、光影与帧间一致性、帧率，前一条排除了再走后面那条，每条留一个能截图的帧号，最后一并交人工复核。

今天能做的动作很小：找你确信没被处理过的一段自拍，跑第一条 ffprobe，把 r_frame_rate 和 avg_frame_rate 两行抄在便签上。以后遇到可疑片段，先比这两行，怎么识别ai换脸的第一步就落地了，剩下的交给那 9 张关键帧。