Los Ángeles, y una advertencia del proveedor

En SIGGRAPH, en Los Ángeles, Nvidia anunció el 20 de julio de 2026 el Synthetic Video Detector, un microservicio de su plataforma AI for Media que analiza las imágenes fotograma a fotograma y estima si fueron generadas. Rev Lebaredian, vicepresidente de simulación de IA física de la compañía, planteó lo que está en juego con claridad al decir que si no podemos distinguir un vídeo sintético de uno real, eso puede erosionar la confianza pública.

La frase más útil llegó más abajo en el anuncio, y venía de Nvidia y no de un crítico. En lugar de sustituir las prácticas de verificación establecidas, escribió la empresa, el microservicio aporta otra señal para decisiones urgentes. Es un proveedor diciéndole de antemano que no trate su salida como una prueba. Conviene tomarlo al pie de la letra.

Tres cifras, y la más baja es la suya

Nvidia publicó la precisión en tres niveles de compresión. En sus propias pruebas el modelo llegó hasta un 92 por ciento en vídeo sin comprimir, un 87 por ciento con un 15 por ciento de compresión y un 82 por ciento con un 50 por ciento. La compañía también informó de un área bajo la curva de 0,9614 y una precisión de 0,9453 en un conjunto de pruebas interno. La velocidad basta para uso en directo, con 1080p en tan solo 22 milisegundos en sistemas RTX y unos 30 milisegundos en aceleradores L40.

Piense ahora cuál de esas tres cifras describe su situación. El vídeo que llega a una empresa europea ha pasado por una codificación de entrega y casi siempre por una plataforma que lo volvió a codificar. Un clip reenviado por mensajería, extraído de una red social o capturado de una videollamada no es material sin comprimir. El 92 por ciento pertenece a una condición de laboratorio. La cifra que describe una jornada normal es el 82.

El producto no acepta el formato de su titular

La documentación técnica de Nvidia indica que el servicio admite vídeo MP4 codificado en H.264, descodificado en la tarjeta gráfica a fotogramas. H.264 es un formato comprimido. La entrada que el producto acepta realmente está comprimida por definición, mientras que la cifra de precisión que encabeza el anuncio se midió sobre vídeo sin comprimir. Ambos datos figuran en dos páginas distintas de Nvidia y no se contradicen, pero leídos juntos indican que la cifra del titular describe una entrada que el servicio no admite.

Esa misma documentación describe las señales del modelo como resistentes a las transformaciones habituales del vídeo, incluidas la compresión y la recodificación. Resistente es un adjetivo. El anuncio aporta la aritmética que hay detrás, una caída de diez puntos porcentuales entre el material sin comprimir y el sometido a un 50 por ciento de compresión. Cuando un proveedor le da una palabra tranquilizadora y sus propias mediciones, quédese con las mediciones.

Responde a la generación, no a la verdad

El detector estima si los píxeles fueron sintetizados. No valora si los hechos que aparecen en pantalla ocurrieron. Una cámara real ante una escena preparada, una grabación auténtica con un pie falso o imágenes verdaderas del año equivocado pasan todas como reales, porque en el único sentido que el modelo mide lo son. La arquitectura es un conjunto de los modelos de visión DINOv2 y DINOv3, y devuelve una única probabilidad entre cero y uno para todo el vídeo, con puntuaciones opcionales por fotograma.

Esa brecha pesa sobre todo en los casos que las empresas afrontan de verdad. La factura desviada tras una videollamada convincente, el siniestro respaldado por imágenes, la verificación de identidad en el alta a distancia: en todos ellos la pregunta es si lo mostrado es real, no solo si un modelo dibujó los píxeles. Una puntuación alta de autenticidad es compatible con una operación completamente fraudulenta.

Qué fijar antes de que se instale ante su entrada

Wowza está integrando el servicio mediante su Video Intelligence Framework, que alcanza más de 35 000 despliegues en más de 170 países, así que llegará dentro de una infraestructura que muchas empresas ya utilizan y no como una compra aparte. Antes de que ocurra, cierre tres puntos. Pida la precisión medida en el nivel de compresión que lleva su propio material. Pregunte qué umbral de probabilidad dispara una acción, ya que Nvidia no publica orientación sobre falsos positivos. Y pregunte quién revisa los avisos, porque a esa escala una tasa cercana a uno de cada cinco en material comprimido genera trabajo en lugar de respuestas.

Mantenga también separados los mecanismos en su propia planificación. Marcar el contenido en el momento de crearlo y clasificarlo después son cosas distintas: la procedencia viaja con el archivo si nadie la elimina, mientras que un clasificador estima a partir de los píxeles cada vez. Un detector es una segunda señal razonable. No es un control que usted pueda firmar, y Nvidia ha dicho justamente eso.

Leer a continuación: El bloqueo real de Nvidia ya es código abierto  |  Japón compra una fábrica de IA para sus robots