Cómo saber si un vídeo está hecho con IA

Un vídeo puede ser engañoso sin estar generado por IA

Antes de buscar un detector, conviene definir qué intentas verificar. Un vídeo puede haber sido grabado por una cámara y seguir siendo falso en el sentido informativo: puede mostrar una inundación antigua publicada como si ocurriera hoy, una protesta en otra ciudad o un fragmento de una entrevista cortado para cambiar su significado. Nada de eso exige IA generativa.

En el extremo opuesto está el contenido completamente sintético: una escena construida por un modelo de vídeo, con personajes, paisajes y movimientos que nunca existieron delante de una cámara. Entre ambos casos hay muchos híbridos. Un vídeo real puede tener una voz clonada, una cara sustituida, un fondo recreado o unos segundos alterados. Por eso preguntar «¿está hecho con IA?» es menos preciso que preguntar «qué parte se ha creado o modificado, con qué herramienta y qué afirmación intenta demostrar».

Esta distinción importa porque las herramientas no detectan lo mismo. Un sistema de procedencia puede mostrar que un archivo fue editado; una marca de agua puede indicar el uso de un modelo compatible; la búsqueda inversa puede localizar un clip anterior. Ninguna de esas respuestas sustituye automáticamente la comprobación del contexto.

Las señales que puedes observar… y por qué ya no son suficientes

Hay detalles que justifican una revisión: dedos que cambian de forma entre fotogramas, reflejos que no corresponden con la escena, letras que se deforman, objetos que aparecen y desaparecen, sincronización labial irregular o una sombra que se mueve en una dirección imposible. También pueden despertar dudas una perspectiva incoherente o una voz que cambia de timbre dentro de una misma frase.

Pero esos errores no son una prueba concluyente. Las herramientas actuales pueden producir movimientos y detalles mucho más consistentes que generaciones anteriores. Además, los filtros de belleza, la estabilización, la baja luz, la compresión de las redes sociales y los efectos visuales tradicionales pueden generar anomalías en contenido grabado por una cámara. Un fotograma congelado también elimina pistas de movimiento que serían útiles al reproducirlo.

La forma más responsable de usar estos indicios es considerarlos motivos para investigar, no razones suficientes para acusar a alguien de publicar un deepfake. Si encuentras un detalle extraño, anota el minuto exacto y compara otros fotogramas. Si no lo encuentras, tampoco debes dar el vídeo por auténtico: solo sabes que no has visto una anomalía evidente.

Los comentarios «se nota en los ojos» o «la voz suena robótica» pueden orientar una primera mirada, pero no sirven como veredicto público. Para tomar una decisión, busca una fuente independiente o una evidencia técnica de procedencia.

Cómo comprobar un vídeo con Gemini paso a paso

Google permite utilizar Gemini para comprobar si detecta marcas de agua SynthID en imágenes, vídeos o audio creados o modificados con sus modelos de IA. La marca es invisible: no tienes que encontrar un logotipo dibujado sobre la imagen. La herramienta busca una señal técnica que forma parte del contenido compatible. En vídeo, según la explicación oficial de Google, puede examinar tanto la pista visual como el sonido e identificar segmentos concretos.

El procedimiento es sencillo: entra en Gemini con una cuenta admitida; sube el archivo de vídeo; pregunta «¿Este vídeo se ha creado o modificado con IA de Google?»; y espera el informe. No te limites a pedirle que «mire si parece falso»: la comprobación de la marca es diferente de una interpretación visual del contenido. Google documenta un tamaño máximo de archivo de 100 MB; otros límites de duración y cuotas pueden variar según las condiciones del producto.

¿Qué significa un resultado positivo? Que existe una señal compatible con el sistema de Google en el contenido o en una parte de él. No significa que todos los segundos del vídeo sean sintéticos, ni que el evento descrito sea falso. ¿Y uno negativo? Que no se ha detectado esa marca en la comprobación, no que el vídeo haya pasado un examen universal de autenticidad. Google explica expresamente que Gemini no reconoce de la misma manera todos los generadores del mercado. Consulta la guía oficial de verificación de Gemini.

Qué es SynthID Detector y en qué se diferencia de la comprobación en Gemini

Hay una novedad relevante para esta guía: el 7 de octubre de 2026, Google anunció una expansión del acceso a SynthID Detector, disponible globalmente en inglés. Según el anuncio, este detector amplía la comprobación de contenido generado con tecnologías de Google y de socios participantes. Eso no convierte el sistema en un detector de todos los modelos del mundo: depende de que el contenido incorpore una marca compatible y de que la herramienta pueda reconocerla.

Conviene no confundir dos experiencias. Gemini es la opción de comprobación integrada en un asistente conversacional y su documentación mantiene límites específicos sobre qué marcas interpreta. SynthID Detector es la herramienta de verificación anunciada por Google con un alcance de compatibilidad mayor. Si eliges una u otra, consulta la página oficial para conocer los formatos, regiones, idiomas y modelos admitidos en ese momento.

Una marca de agua robusta puede resistir algunas transformaciones, pero no todas. El propio soporte de Gemini advierte que una edición pequeña o determinadas alteraciones pueden impedir que se detecte la señal. Tampoco hay que confundir las marcas visibles, como un logotipo colocado en una esquina, con una marca invisible incorporada mediante un procedimiento técnico.

Por eso la conclusión correcta no es «Google demuestra que todos los vídeos sin marca son reales». Es «Google ofrece una vía adicional para verificar la procedencia de parte del contenido compatible». Puedes leer tanto el anuncio de verificación en Gemini como la ampliación de SynthID Detector.

Credenciales C2PA: una especie de historial verificable del contenido

Otra familia de herramientas funciona con Content Credentials, basadas en el estándar C2PA. La idea es adjuntar al archivo información firmada sobre su origen y determinados pasos de creación o edición. Puedes imaginarlo como un historial de procedencia: qué herramienta lo exportó, si se aplicaron modificaciones o qué afirmaciones firmadas acompañan al contenido. Las capacidades concretas dependen del archivo y de quien las haya incorporado.

Para comprobarlas, visita Content Credentials Verify y carga un archivo compatible desde tu dispositivo. La página admite formatos de vídeo como MP4, MOV o AVI, además de imágenes y audio. Si hay credenciales válidas, examina su contenido y su cadena de procedencia; si no las hay, no concluyas que existe manipulación. Muchos vídeos legítimos todavía se publican sin ese registro.

Las credenciales tampoco prueban automáticamente que una afirmación periodística sea cierta. Una cámara real puede grabar una escena escenificada, y un archivo con información de procedencia puede circular con una descripción falsa. Además, las plataformas pueden eliminar metadatos durante la conversión, el recorte o la subida de un vídeo. En ese caso, la ausencia de datos puede deberse a una transformación corriente.

La diferencia práctica es sencilla: SynthID intenta detectar una marca incorporada por determinados generadores; C2PA pretende ofrecer información de procedencia firmada cuando existe. Pueden complementarse, pero responden a preguntas distintas y no sustituyen el contraste con otras fuentes.

Cómo buscar el origen de un vídeo viral sin instalar un detector de pago

Si un vídeo afirma que ha ocurrido algo extraordinario, busca primero la publicación más antigua y completa. Muchas falsedades no dependen de IA: aprovechan material grabado tiempo atrás. Extraer fotogramas y realizar una búsqueda inversa suele aportar más que una aplicación que da un porcentaje de «probabilidad de deepfake» sin explicar cómo lo obtiene.

Una opción útil es el complemento InVID / WeVerify, desarrollado y mantenido en el ámbito de la verificación periodística. Permite dividir vídeos en fotogramas representativos y lanzar búsquedas inversas para encontrar apariciones anteriores. También puedes hacerlo manualmente: pausa el clip en dos o tres escenas significativas, guarda fotogramas y usa un buscador de imágenes.

Prioriza escenas con edificios, carteles, matrículas parcialmente visibles o detalles que permitan comparar el lugar, pero respeta la privacidad de las personas. Si encuentras la misma imagen en una publicación anterior a la fecha anunciada, ya tienes una pista sólida de reutilización de contenido. Comprueba que sea realmente el mismo fragmento y no un vídeo parecido.

En el caso de noticias delicadas —una emergencia, un anuncio político, una detención o un accidente— busca información en fuentes oficiales, medios con cobertura verificable y testimonios independientes. No basta con que veinte cuentas compartan el mismo vídeo: podrían estar copiándose unas a otras. Una fuente original, un lugar confirmado y una cronología coherente son piezas más fuertes.

Qué puede demostrar cada herramienta y qué no

La palabra «detector» hace pensar en un semáforo universal: verde si es real, rojo si es falso. La práctica es más compleja. Para orientarte, utiliza esta comparación: describe qué evidencia aporta cada método y qué conclusión debes evitar. No es una clasificación de precisión entre herramientas, porque esas cifras exigirían un banco de pruebas independiente, muestras representativas y condiciones reproducibles.

Desliza la tabla hacia un lado para ver todas las columnas →

Si un servicio ofrece «99 % de confianza» sin explicar qué clase de vídeos se estudiaron, qué falsos positivos produjo o cómo funciona ante archivos comprimidos, interpreta esa cifra con prudencia. El rendimiento en demostraciones controladas no equivale necesariamente a la fiabilidad con vídeos virales, montajes híbridos o nuevas generaciones de modelos.

Un test comparativo que puedes repetir con tres vídeos de origen conocido

La mejor manera de comprender los límites de un detector es probar material cuyo origen conozcas de antemano. Aquí proponemos un experimento editorial transparente. No presentamos capturas de detección ni porcentajes inventados: el experimento necesita que el lector suba los archivos y anote la respuesta real de cada herramienta. La prueba está diseñada para ser repetible, no para fingir que ya existe una medición independiente.

Registra en una ficha el origen, la duración, el formato, las ediciones realizadas, la existencia de credenciales, la respuesta de SynthID y las coincidencias encontradas en búsquedas. Repite las pruebas después de comprimir una copia de cada vídeo y separa los resultados del archivo original de los de la versión transformada. Esa comparación puede mostrar límites de detección, pero no debes extrapolar tres ejemplos a toda la industria.

En el caso B, si el sistema detecta una señal compatible, esa es una evidencia técnica útil. En el caso C, una respuesta negativa no contradice necesariamente que el clip sea sintético; puede reflejar el alcance de la herramienta. En el caso A, la ausencia de marca tampoco «certifica» la escena, aunque tú conozcas su origen. Un test honesto permite resultados negativos, positivos e inconclusos.

Falsos positivos y falsos negativos: por qué pueden equivocarse los detectores

Un falso positivo se produce cuando una herramienta o una persona señala como generado por IA un contenido que no cumple la condición buscada. Por ejemplo, una grabación auténtica muy procesada puede resultar sospechosa para un clasificador genérico por el ruido digital, los filtros o la sincronización de sonido. Publicar esa etiqueta como certeza puede dañar la reputación de una persona o de un negocio.

Un falso negativo es el caso contrario: la herramienta no detecta una manipulación que sí existe. Puede ocurrir porque el vídeo se generó con un sistema que no utiliza esa marca, porque el fragmento manipulado es pequeño o porque el archivo sufrió transformaciones que complican la detección. Los sistemas basados en marcas y los clasificadores estadísticos pueden fallar por razones diferentes.

También existe una tercera respuesta que merece espacio: «no concluyente». A veces el archivo está muy recortado, no se dispone del original, faltan metadatos o hay señales mezcladas en imagen y audio. La ausencia de pruebas suficientes no debería obligarte a elegir entre «real» o «falso». En investigación y periodismo, reconocer la incertidumbre protege mejor que una seguridad exagerada.

Si diriges redes sociales de una marca, establece una norma práctica: no anuncies públicamente que un tercero ha creado un deepfake basándote únicamente en una puntuación automática. Verifica el material original, solicita contexto y, cuando el asunto es relevante, recurre a profesionales de verificación.

¿Y si la imagen es auténtica pero la voz está hecha con IA?

Un vídeo puede utilizar fotografías o secuencias reales y añadir un audio generado. El espectador reconocerá la cara y el lugar, pero escuchará palabras que nunca fueron pronunciadas. También puede existir una narración sintética legítima y declarada, por ejemplo en una traducción accesible de una conferencia. Lo importante es averiguar si se está ocultando una modificación que cambia el mensaje.

Si tienes acceso al archivo, utiliza herramientas que permitan analizar la pista de audio por separado. Gemini explica que su comprobación de SynthID puede señalar intervalos de audio y vídeo distintos; por eso un resultado sobre el sonido no debe aplicarse automáticamente a toda la imagen. Contrasta además la supuesta declaración con la grabación completa, una transcripción oficial o la fuente original del discurso.

Presta atención a cortes repentinos, cambios de acústica, frases montadas y ausencia de una fuente independiente. No uses únicamente «suena natural» como criterio: la calidad de la síntesis de voz es cada vez mayor, y los micrófonos baratos o las videollamadas pueden hacer que una voz real también suene artificial.

Ante una llamada o un audio que pide dinero, contraseñas o cambios de cuenta, verifica la identidad por un canal conocido y distinto del mensaje recibido. Esa precaución funciona tanto frente a clonación de voz como frente a suplantación sin IA.

Cómo proteger a tu marca cuando circula un vídeo falso

Imagina que aparece un vídeo donde supuestamente el propietario de una cafetería hace una declaración ofensiva. Antes de responder con otra publicación, conserva una copia de la URL original, fecha, cuenta y capturas contextuales. Investiga si existe una versión más larga y si el audio coincide con el evento. Documenta qué herramientas se utilizaron y qué resultado obtuvieron; evita difundir acusaciones técnicas que todavía no puedes sostener.

Si se confirma una manipulación, publica una aclaración proporcionada, enlaza cuando sea posible a material auténtico y utiliza los mecanismos de denuncia de la plataforma. Si el vídeo representa una estafa, informa al equipo de atención al cliente y ofrece un canal para comprobar mensajes legítimos. En anuncios patrocinados o campañas propias, indicar claramente cuándo se ha usado IA ayuda a construir confianza.

Para creadores audiovisuales hay una oportunidad: conservar los masters, los archivos originales y los proyectos de edición facilita demostrar el proceso de trabajo. Cuando la herramienta lo permita, mantener credenciales de procedencia puede añadir contexto técnico. Y cuando se usa IA en una pieza comercial, distinguir entre una imagen conceptual y una grabación real evita malentendidos innecesarios.

En ContrasteLab también hemos hablado de otras aplicaciones de estas tecnologías en la guía de agentes de IA y sus límites y en el artículo sobre datos y privacidad al compartir archivos con ChatGPT. El hilo conductor es el mismo: conocer las capacidades de la tecnología para usarla con criterio.

Qué hacer antes de reenviar un vídeo que te parece sospechoso

Cuando el contenido provoca miedo, indignación o una sorpresa enorme, la urgencia de compartir puede convertirse en el mejor aliado de la desinformación. Un minuto de verificación no resolverá todos los casos, pero puede evitar que amplifiques material falso o fuera de contexto. Empieza por comprobar el autor, la fecha y el lugar. Busca una publicación anterior o un original más largo. Si dispones del archivo y el tema lo justifica, consulta las credenciales y marcas compatibles.

La pregunta inicial era «¿cómo saber si un vídeo está hecho con IA?». La respuesta útil no es encontrar una aplicación que prometa una certeza del 100 %. Es aprender a combinar procedencia, señales técnicas y contexto. Un resultado positivo puede aportar evidencia sobre el uso de ciertas herramientas; una ausencia de marca no demuestra autenticidad; y una publicación antigua puede desenmascarar un bulo aunque no exista IA por ninguna parte.

La próxima vez que recibas un vídeo espectacular, prueba a preguntar menos «¿parece falso?» y más «¿qué puedo verificar de lo que me está contando?». Ese cambio de enfoque sirve hoy y seguirá siendo útil cuando los generadores de vídeo sean todavía más convincentes.