NVIDIAのAI動画判定の精度は無圧縮で最大92%、50%圧縮で82%

AI生成動画を検出するSynthetic Video Detector

Synthetic Video Detectorは、NVIDIAが2026年7月のSIGGRAPHで発表した動画がAIで生成されたか本物かを推定するマイクロサービスで、GPUで高速に動作します。 NVIDIA AI for Mediaというプラットフォームの一部とのこと。マイクロサービスとは特定の機能を単体で提供する小さなプログラム部品のことで、動画を送信すると判定結果が出力されます。

合成動画とは生成AIで作られた動画のことです。本記事では「判定」と「検出」を同じ意味で使います。

Synthetic Video Detectorの概要

事柄 内容
発表 2026年7月のSIGGRAPH(NVIDIA公式ブログ)
名称 Synthetic Video Detector NIM microservice
種別 動画がAI生成かを推定するGPUで動作するマイクロサービス
入力 MP4形式の動画(動画のバイト列をAPIへ送信する)
出力 動画全体で1つの確率(フレームごとのスコアは任意)
提供形態 双方向ストリーミングのgRPC API

Synthetic Video Detectorは、動画のバイト列を受け取って、検出結果を順に出力するgRPC APIとして提供されています。自社のサーバーを用意しなくても、Try API機能を試すことができます。gRPCとはプログラム同士が通信して機能を呼び出すための仕組みのことで、動画を送信する側のプログラムが結果を順に受け取ることができるのが特徴です。

"The NVIDIA Synthetic Video Detector NIM is a GPU-accelerated microservice that analyzes video content and estimates the likelihood that a video has been AI-generated (\"synthetic\") versus real."/"A bi-directional streaming gRPC API that accepts video bytes and streams detection results back to the client." — NVIDIA 公式ドキュメントより
公式情報を見る →
"At SIGGRAPH, NVIDIA announced the Synthetic Video Detector NVIDIA NIM microservice"/"part of the NVIDIA AI for Media platform" — NVIDIA 公式ブログより
公式情報を見る →

NVIDIA検出ツールの精度は50%圧縮で82%まで下がる

NVIDIAの検証で精度は無圧縮の動画で最大92%に達し、50%圧縮では82%まで下がりました。 15%圧縮では87%でした。

検出精度(圧縮率別・NVIDIA検証値)

無圧縮と50%圧縮で10ポイント差(92−82)。「最大」は最も良い条件の値。

92%無圧縮
87%15%圧縮
82%50%圧縮

圧縮とは動画のデータ量を削減する処理のことで、報道やSNSに出す動画ではたいてい行われています。公式ブログによると圧縮やリサイズ、再エンコードを経た動画でも有効とのこと。最大92%は無圧縮という最も良い条件での数字なので、圧縮された動画で同じ精度になるとは限りません。

"Synthetic Video Detector remains effective after the compression, resizing, cropping and re-encoding steps common in newsroom and social-video workflows."/"In NVIDIA testing, the model’s accuracy reached up to 92% on uncompressed video, 87% at 15% compression and 82% at 50% compression." — NVIDIA 公式ブログより
公式情報を見る →

NVIDIAのAI生成動画判別ツールは1080pなら最短22ミリ秒

1080pの動画をNVIDIA RTX環境で最短22ミリ秒、NVIDIA L40 GPUで約30ミリ秒で処理できます。 数字はどちらもNVIDIA公式ブログの値ですが、RTX環境は最も速い場合の値でL40はおおよその値のため、8ミリ秒の差をそのまま性能差とみなすことはできません。

1080pの動画の処理時間(GPU別・NVIDIA公式ブログ)

GPU・環境 処理時間
NVIDIA RTX環境 最短22ミリ秒
NVIDIA L40 GPU 約30ミリ秒

動画配信基盤のWowzaはWowza Video Intelligence Frameworkにこのマイクロサービスを組み込み、ライブ配信中の合成動画をリアルタイムに検出できるようにしています。機密性のある映像を自社の環境に置いたまま、疑わしい動画をその場で指摘できるようにするとのこと。

"The NIM microservice can process 1080p video in as little as 22 milliseconds on NVIDIA RTX systems and approximately 30 milliseconds on NVIDIA L40 GPUs."/"Wowza is embedding the microservice through the Wowza Video Intelligence Framework"/"bringing real-time synthetic video detection into livestreaming workflows"/"allowing teams to flag questionable video in real time while keeping sensitive footage inside their own environments" — NVIDIA 公式ブログより
公式情報を見る →

Synthetic Video Detectorが判別するのは確率まで

Synthetic Video Detectorが出力するのは動画がAI生成である確率で、本物かどうかの断定ではありません。 公式ドキュメントによると出力は動画全体をまとめた1つの確率と、任意で出力されるフレームごとの合成らしさの点数とのこと。公式ドキュメントでは、メディアの真正性解析や投稿内容の審査(コンテンツモデレーション)といった用途を想定しています。

公式ブログは従来の検証手順に代わるものではなく、急いで判断する場面で使うことができる材料の1つとしています。数字はどれもNVIDIAの検証条件での値なので、圧縮の強さやGPUが変われば同じ結果になるとは限りません。報道の編集チームは点数を次のように使うことができます。

  • 確認する動画の優先順位づけ
  • 疑わしい映像へのフラグ付けや隔離
  • より詳しい分析への引き上げ
"that summarizes how likely the entire video is synthetic"/"supports use cases such as media authenticity verification, digital forensics, content moderation, and integrity monitoring in real-world environments" — NVIDIA 公式ドキュメントより
公式情報を見る →
"Editorial teams can use that score to prioritize clips for review, flag or quarantine questionable footage, or escalate it for deeper analysis."/"Rather than replacing established verification practices, the microservice provides another signal for time-sensitive decisions" — NVIDIA 公式ブログより
公式情報を見る →

FAQ

Synthetic Video Detectorとは何ですか?
Synthetic Video Detectorは、NVIDIAが発表したマイクロサービスです。動画がAIで生成された「合成動画」か本物かを推定し、GPUで高速に動作します。動画全体をまとめた1つの確率が返り、任意でフレームごとのスコアも出力されます。
どのくらいの精度で見分けられますか?
NVIDIAの検証で無圧縮の動画は最大92%、50%圧縮の動画は82%でした。15%圧縮では87%でした。圧縮が強いほど精度は下がります。
判定はどのくらい速いですか?
1080pの動画をNVIDIA RTX環境で最短22ミリ秒、NVIDIA L40 GPUで約30ミリ秒で処理できます。GPUが変われば処理時間も変わります。