TikTok AI 形象检测工具

TikTok 决定将其 AI 形象检测工具严格设为可选模式，紧随竞争对手一次广受关注的失误而来。TikTok 正在测试一项可选工具，允许一小部分美国创作者识别使用其面部生成的 AI 内容 ^[2]。希望参与的创作者必须首先通过 Jumio 完成身份验证，提交实时自拍和政府签发的身份证件，系统才会开始扫描 ^[1]。这种仅限可选的设计与 Meta 的 Muse Image 功能形成鲜明对比，后者对所有公开 Instagram 账户默认自动加入，因知情同意问题引发强烈反对，数天后即被撤回 ^[4]。美国演员工会-美国电视和广播艺人联合会（SAG-AFTRA）称 Meta 的默认自动加入设计是“对公众情绪的彻底误判”，而创新艺人经纪公司（CAA）则赞扬 Meta 的逆转，称其“将个人权利和知情同意置于首位” ^[4]。TikTok 选择在任何扫描开始前要求明确同意，显然是为了在争议爆发前就规避类似问题。

TikTok 的工具尚属初期，但 YouTube 已运行类似系统足够长时间，暴露出其中的摩擦点。YouTube 的版本现已扩展至所有 18 岁以上用户，通过一次类似自拍的面部扫描完成注册，之后平台系统会持续检查新上传内容是否匹配，并将结果标记供用户审核 ^[3]。对 YouTube 工具的实际测试发现，验证过程并非毫无障碍：它结合身份证件核验与通过二维码跳转至移动设备录制的视频自拍，确认可能耗时数天，有时因失败需重新尝试。YouTube 自身的隐私声明披露，其将面部数据保留最长三年，且公司不得不撤回此前暗示该数据可用于训练 AI 模型的说法。该工具仅追踪视觉形象，不包括声音——基于声音的冒充不在其覆盖范围内。截至目前，TikTok 仅表示不会保留身份证件，且面部数据仅用于形象匹配，但未说明数据保留期限 ^[1]。若模式延续，参与 TikTok 试点的创作者应预期会经历与 YouTube 用户相似的多步骤、偶尔令人沮丧的验证流程。

即使构建良好的形象检测系统，也面临仅靠身份验证无法弥补的技术差距。在深度伪造检测挑战赛中，获胜模型在 4,000 段视频的测试集上准确率仅为 65%，而麻省理工学院（MIT）的一项研究发现，人类在更小样本中识别深度伪造的准确率仅为 69% 至 72% ^[6]。其他估计认为检测器整体准确率更低，漏检 55% 至 65% 的未标记深度伪造内容，而人类平均检测准确率约为 55.54% ^[7]。据估计，深度伪造诈骗已在全球造成约 120 亿美元的欺诈损失 ^[6]。即使像 TikTok 这样设计良好的举报流程，最终仍取决于平台审核员能否足够迅速地审查和处理被标记内容，而正是这种响应速度——而非检测算法本身——往往是这些系统失效的关键环节 ^[6]。

形象检测试点并非孤立存在——它是 TikTok 更广泛努力中最新的一环，旨在对平台上的 AI 生成内容进行标注。截至 2026 年 7 月 10 日，TikTok 报告已自动标注超过 30 亿段 AI 生成视频 ^[5]。在此背景下，新推出的形象工具针对的是更具体、更个人化的伤害：不仅是标记内容为 AI 生成，更让个体创作者能检查自己的面部是否被未经许可使用。这与 YouTube 的轨迹相同，其形象检测工具最初仅限创作者和公众人物测试，后扩展至所有成年用户，早期测试阶段的删除请求数量“非常少” ^[3]。TikTok 目前的试点仍局限于一小部分美国创作者，TikTok 发言人向《The Verge》确认，该测试目前范围有限 ^[1]。未来是否会像 YouTube 那样扩大部署，将取决于试点效果。

截至目前，此事在科技和社交渠道的传播以事实报道为主，尚未演变为争议。目前发现的唯一一条描述 TikTok 可选形象检测工具的社交媒体帖子仅陈述事实——说明其功能和适用人群——并未出现类似 Meta Muse Image 功能采用退出机制时引发的明显反对声浪 ^[4]。相关报道也遵循相同模式，将 TikTok 的测试视为更广泛 AI 新闻周期中的一个条目，而非独立新闻事件。这种冷淡反响可能仅反映事件尚属最新动态，但也表明，以知情同意为先导，而非在争议后补救，目前正被证明是争议更小的路径。