Sebuah video kini bisa dibuat, dikompresi, dibagikan, lalu masuk antrean redaksi dalam hitungan menit. Risiko tidak hanya berasal dari sumber yang lemah. File videonya sendiri bisa sintetis, meski tampak seperti rekaman nyata.
NVIDIA memperkenalkan Synthetic Video Detector NIM di SIGGRAPH. Layanan ini tidak memutuskan apakah peristiwa di dalam video benar terjadi. Ia memperkirakan apakah video tersebut dibuat oleh AI. Fungsinya lebih dekat ke filter awal alur video, bukan tombol kebenaran.
Yang dinilai adalah medianya
NVIDIA mengatakan microservice NIM ini menganalisis video per frame dan menghasilkan skor klasifikasi. Tim editorial dapat memakai skor itu untuk memprioritaskan klip, menandai atau mengarantina video yang meragukan, lalu mengirimnya ke verifikasi lanjutan.
Rev Lebaredian memperingatkan bahwa kepercayaan publik dapat terkikis ketika video sintetis disajikan sebagai rekaman berita dari dunia nyata.
GamesBeat juga menegaskan batasnya: alat ini memperkirakan apakah video dibuat secara sintetis, bukan memastikan kebenaran peristiwa yang ditampilkan.
Kompresi masuk dalam ujian
Dalam pengujian NVIDIA, akurasi mencapai hingga 92% pada video tanpa kompresi, 87% pada kompresi 15%, dan 82% pada kompresi 50%. Video 1080p dapat diproses dalam sekitar 22 milidetik pada sistem NVIDIA RTX dan sekitar 30 milidetik pada GPU L40.
GamesBeat juga mencatat hasil internal AUC 0,9614 dan accuracy 0,9453. Angka itu bukan vonis akhir. Ia adalah sinyal triase: video berisiko rendah dapat terus diedit, sedangkan video dengan skor tinggi perlu dicek sumber, metadata dan manusia.
Nilainya ada di titik masuk
NVIDIA menyajikannya sebagai microservice NIM di platform AI for Media. Halaman Build menampilkannya sebagai endpoint pengembangan, dengan unggahan percobaan hingga 50MB.
Wowza menjadi jalur adopsi pertama yang disebut. NVIDIA mengatakan Wowza akan menanamkan microservice ini ke Video Intelligence Framework, membawa deteksi real time ke lebih dari 35.000 deployment di lebih dari 170 negara dan wilayah.
Tantangan bagi media dan lembaga publik adalah ambang skor. Ambang konservatif menambah beban pemeriksaan, sementara ambang longgar berisiko melewatkan video sintetis. Pergeserannya jelas: deteksi AI bergerak ke titik masuk, sebelum klip bermasalah menyebar luas.
Sumber: blog resmi NVIDIA, NVIDIA Build, GamesBeat, Wccftech, CocoLoop; memeriksa cakupan produk Synthetic Video Detector NIM, akurasi video terkompresi, latensi 1080p, angka AUC/accuracy internal, skala deployment Wowza dan batas penggunaan.