Como saber se uma imagem ou vídeo foi feito por IA

Uma foto “perfeita” de um político em um lugar onde ele nunca esteve. Um vídeo de um executivo anunciando algo que a empresa nunca disse. Um áudio da voz de um parente pedindo dinheiro com urgência. A IA generativa deixou esse tipo de conteúdo barato de produzir e, às vezes, difícil de distinguir do real a olho nu — mas “difícil” não é “impossível”. Existem sinais consistentes, e é isso que este guia ensina a procurar.

Por que ficou tão difícil diferenciar

Os geradores de imagem por IA generativa evoluíram rápido: hoje produzem rostos, texturas de pele e cenários que passam batido em uma rolagem rápida de feed. O problema não é a IA ter ficado “perfeita” — é que ela ainda erra em pontos específicos, só que menos óbvios do que há dois anos. Saber onde olhar continua sendo a defesa mais eficaz.

Sinais visuais em imagens

Antes de qualquer ferramenta, o próprio olho treinado já pega boa parte dos casos. Vá checando nesta ordem:

• Mãos e dedos. Ainda é o ponto mais traído: dedos a mais ou a menos, unhas em posições estranhas, articulações que não dobram do jeito certo.
• Dentes e olhos. Dentição simétrica demais, sem as pequenas imperfeições naturais; olhos com reflexos de luz que não batem entre si (cada olho reflete uma fonte de luz diferente, o que é fisicamente improvável).
• Texto no cenário. Placas, camisetas, rótulos de produto e letreiros costumam sair com letras embaralhadas, símbolos sem sentido ou palavras que “quase” existem.
• Simetria e padrões repetidos. Brincos, botões, tecidos com estampa — a IA tende a repetir ou espelhar detalhes de um jeito bonito demais para ser real.
• Fundo “derretido”. Preste atenção nas bordas entre o assunto principal e o fundo: cadeiras com pernas que se fundem ao chão, prédios com janelas que não se alinham, multidões com rostos borrados de forma incoerente.
• Iluminação inconsistente. Sombra caindo para um lado enquanto a luz aparente vem de outro; reflexos em vidro ou metal que não condizem com o ambiente.
• Joias e acessórios. Correntes, óculos e relógios frequentemente “flutuam” ligeiramente fora do lugar ou têm elos que não fecham.

Nenhum desses sinais sozinho é prova cabal — fotos reais também têm imperfeições e edições. O que conta é a soma: quanto mais desses pontos aparecem juntos, maior a chance de a imagem ser sintética.

Metadados e Content Credentials (C2PA)

Todo arquivo de imagem carrega metadados — informações técnicas gravadas no momento da criação, como modelo de câmera, data e, cada vez mais, se a imagem passou por um gerador de IA. O padrão mais relevante hoje é o C2PA (Coalition for Content Provenance and Authenticity), adotado por empresas como Adobe, OpenAI, Google e Microsoft sob o nome “Content Credentials”.

Como checar:

1. Baixe o arquivo original (não uma captura de tela).
2. Use um verificador como o Content Credentials Verify (contentcredentials.org/verify) ou visualizadores de metadados EXIF.
3. Veja se há histórico de edição, ferramenta usada e assinatura digital da origem.

O grande limite: a marca C2PA some com facilidade. Se a imagem passar por print de tela, for baixada de redes sociais que removem metadados (o Instagram e o WhatsApp costumam fazer isso na compressão) ou for reexportada por qualquer editor comum, a credencial se perde. Ou seja, a ausência de C2PA não prova nada — mas a presença dele é um sinal forte de que a origem é rastreável.

Ferramentas de detecção — e seus limites

Existem serviços que tentam classificar automaticamente se uma imagem foi gerada por IA, como Hive Moderation, AI or Not, Optic e o classificador embutido em alguns bancos de imagem. Funcionam analisando padrões estatísticos invisíveis ao olho humano, deixados pelo processo de geração.

O problema é a confiabilidade. Esses detectores:

• Erram com frequência em imagens comprimidas, redimensionadas ou levemente editadas — a compressão apaga justamente os padrões que eles procuram.
• Têm taxa relevante de falso positivo, classificando fotos reais (principalmente as muito bem editadas ou pós-processadas) como geradas por IA.
• Ficam desatualizados rápido: cada nova geração de modelo de imagem muda os padrões que os detectores foram treinados para reconhecer.

Trate esse tipo de ferramenta como mais um dado na investigação, nunca como veredito final. Duas ferramentas diferentes que discordam entre si não é incomum — é o esperado.

Como identificar um deepfake em vídeo

Vídeo manipulado por IA (o deepfake propriamente dito) tem seus próprios pontos fracos, geralmente mais fáceis de notar em movimento do que uma imagem estática:

• Piscar de olhos. Modelos mais antigos praticamente não faziam a pessoa piscar; os atuais melhoraram, mas o ritmo ainda pode soar mecânico ou ausente por longos trechos.
• Sincronia labial. Observe se o movimento da boca acompanha exatamente o som — pequenos atrasos ou bocas que “flutuam” sobre o rosto são sinal clássico de manipulação.
• Bordas do rosto e do cabelo. É onde o software de troca de rosto mais falha: contorno tremido, desfoque que aparece e some, fios de cabelo que se misturam ao fundo de forma estranha.
• Mudanças de iluminação na pele. Tom de pele que oscila entre um frame e outro, ou que não reage do mesmo jeito que o resto do ambiente quando a luz muda.
• Áudio. Voz clonada por IA costuma ter cadência uniforme demais, respiração ausente ou pequenos artefatos metálicos — mais perceptível em fones de ouvido do que no alto-falante do celular.
• Contexto da fala. Pare e pergunte: essa pessoa falaria assim, sobre isso, nesse tom? Um discurso fora do padrão de comunicação de alguém público é motivo para desconfiar antes mesmo de olhar o vídeo pixel a pixel.

Dicas práticas de verificação

Além de olhar os detalhes técnicos, o método mais confiável continua sendo o mesmo do jornalismo tradicional: checar a origem.

1. Busca reversa de imagem. Ferramentas como Google Lens ou TinEye mostram se a mesma imagem (ou uma versão anterior dela) já circulou em outro contexto, o que ajuda a identificar montagens e reaproveitamentos.
2. Confira a fonte. A imagem ou vídeo veio de um perfil verificado, veículo de imprensa conhecido ou conta anônima recém-criada? Quem publicou primeiro?
3. Procure a mesma notícia em outro lugar. Se um evento realmente aconteceu, é raro que apenas uma fonte tenha registrado.
4. Desconfie do gatilho emocional. Conteúdo feito para enganar costuma explorar indignação, urgência ou choque — exatamente o que faz a pessoa compartilhar antes de checar.
5. Olhe a data e o local originais. Muita desinformação usa imagem real, só que fora de contexto (foto antiga apresentada como recente, ou de outro país).

O que fazer se identificar uma manipulação

Se você conclui que uma imagem ou vídeo é sintético e está sendo usado para enganar, evite compartilhar mesmo “para avisar os outros” — isso ainda amplia o alcance do conteúdo. Denuncie na própria plataforma (a maioria tem opção específica para desinformação ou conteúdo manipulado) e, se envolver golpe financeiro, ameaça ou uso indevido de imagem de alguém, procure a delegacia especializada em crimes digitais da sua região.

Resumindo

Não existe um único truque infalível para flagrar imagem ou vídeo de IA — existe um conjunto de hábitos. Olhe os detalhes que a IA ainda erra (mãos, texto, bordas, reflexos), cheque metadados e Content Credentials quando disponíveis, não confie cegamente em detectores automáticos, preste atenção especial ao piscar e à sincronia labial em vídeo, e sempre volte à pergunta mais simples: de onde veio isso, e por que estão querendo que eu acredite tão rápido?