Cómo saber si un vídeo es IA: verificación y creación

Un clip de veinte segundos puede parecer impecable y no haber pasado nunca por una cámara. La pregunta de si un vídeo lo grabó una persona o lo produjo un modelo generativo ya no se responde evaluando si la imagen es bonita, sino revisando detalles concretos: cómo se comporta la luz entre fotogramas, si los labios encajan con el audio, qué declara el archivo sobre sí mismo y si existe una firma de procedencia comprobable. Este método de auditoría cabe en media hora, no requiere laboratorio y se puede repetir con el mismo resultado. La segunda mitad de la guía hace el ejercicio inverso: cómo producir vídeo con IA que resista ese mismo escrutinio sin necesidad de esconder nada.

Qué significa verificar un vídeo hoy

De la excepción a la rutina

Hace unos años, distinguir contenido sintético era un ejercicio de laboratorio. Hoy forma parte del trabajo diario de mucha gente: redacciones que reciben clips anónimos, marcas que auditan material de proveedores, equipos de selección que evalúan candidaturas grabadas, aseguradoras que validan siniestros, moderadores de plataformas y cualquier persona que recibe un vídeo viral en un grupo familiar.

El motivo del cambio es técnico. Los modelos actuales producen movimiento realista, coherencia de personaje durante varios segundos y audio sincronizado con la boca. Cuando el resultado era tosco, bastaba con mirar; ahora la carga de la prueba se ha invertido. Antes sospechábamos de lo extraño, ahora conviene verificar lo impecable, sobre todo si el contenido tiene consecuencias económicas, legales o de reputación.

Las tres preguntas que no conviene mezclar

En las conversaciones sobre verificación se confunden tres asuntos distintos:

1. ¿Este vídeo contiene píxeles generados por un modelo?
2. ¿El vídeo muestra algo que realmente ocurrió?
3. ¿Quién lo publicó, cuándo y con qué intención?

Un vídeo puede ser cien por cien real y mostrar algo falso: un montaje, una escena descontextualizada o un gesto reproducido a cámara lenta que cambia por completo de significado. Y un vídeo generado puede ser una reconstrucción honesta de un hecho real, publicada como recreación y etiquetada como tal. Responder bien exige separar la autenticidad técnica del archivo de la veracidad de lo que afirma mostrar.

La distinción también decide qué herramienta tiene sentido usar. Para la primera pregunta sirven el análisis forense, los metadatos y las firmas de procedencia. Para la segunda hace falta contrastar fuentes: buscar tomas alternativas del mismo lugar y la misma hora, localizar cobertura independiente y hablar con testigos. Para la tercera suele bastar una búsqueda inversa bien hecha y una revisión del historial de la cuenta que lo publica.

El coste del error

Acusar en público a alguien de haber fabricado un vídeo falso sin pruebas sólidas es tan dañino como difundir un vídeo falso. El objetivo de una auditoría no es pillar a nadie, sino reducir la incertidumbre hasta un nivel que permita una decisión razonable y explicable ante terceros. Si no puedes resumir tu razonamiento en tres frases con evidencia adjunta, todavía no tienes una conclusión: tienes una intuición.

Señales visuales que delatan a un modelo

Ninguna pista aislada demuestra nada. La práctica correcta consiste en acumular indicios y comprobar si todos apuntan en la misma dirección. Cuando tres o cuatro señales independientes coinciden, la conclusión ya es defendible ante alguien que no haya visto el clip.

Manos, texto y geometría

Las manos siguen siendo un punto débil porque obligan al modelo a contar y mantener dedos coherentes durante docenas de fotogramas. Busca dedos de más, articulaciones que se doblan en una dirección imposible o uñas que se funden con la piel. El texto falla por motivos parecidos: letreros, matrículas, gráficos en pantallas y camisetas muestran caracteres que se deforman en cuanto la cámara se mueve o el plano cambia de ángulo.

La arquitectura ofrece un atajo muy rentable. Ventanas que no alinean entre plantas, barandillas que desaparecen, escaleras con peldaños de altura irregular, tejados que se cruzan de forma imposible o sombras proyectadas por elementos que no están en el encuadre. En planos amplios, mira las líneas largas: una cornisa que se curva ligeramente suele ser una costura del modelo.

Piel, ojos y microgestos

Amplía el rostro al doscientos por ciento durante unos segundos. Una piel perfectamente uniforme, sin poros ni variación de tono, resulta sospechosa cuando el resto de la escena tiene textura. Los dientes tienden a fusionarse entre sí; los reflejos de los ojos pueden mostrar dos fuentes de luz incompatibles o reflejar una ventana que no existe en la escena. En un parpadeo aislado, el párpado puede atravesar la pestaña durante un solo fotograma.

En las microexpresiones, la emoción aparece y desaparece con una suavidad que no coincide con el ritmo del habla. Un enfado real tiene un ataque rápido y una relajación progresiva; en un vídeo generado, la transición suele ser simétrica y demasiado limpia.

Coherencia temporal y puntos de contacto

Reproduce el clip fotograma a fotograma en las zonas de contacto: pies con el suelo, manos con objetos, pelo con viento. Un objeto que cambia de forma entre fotogramas, un dobladillo que se reescribe o una taza que pasa de llena a media sin transición son marcas habituales. Vigila también la física de las sombras: si dos personas del mismo plano proyectan sombras en direcciones distintas, algo no cuadra.

Luz, sombras y reflejos

La luz es probablemente el indicador más fiable a medio plazo, porque los modelos la tratan como un efecto global. Comprueba si la fuente principal está justificada por una ventana o una lámpara visible, si los reflejos en gafas y espejos coinciden con esa fuente y si la temperatura de color cambia de forma coherente cuando alguien se mueve hacia una zona de sombra. Los bordes de los objetos contra el fondo también informan: en material real hay dispersión y algo de desenfoque, mientras que en generaciones apresuradas el contorno parece recortado con tijera.

El audio suele delatar antes que la imagen

A menudo el vídeo está bien y el sonido lo estropea todo. Escucha con auriculares, sin mirar la pantalla, y busca estos patrones:

• Respiración ausente o constante, sin pausas naturales entre frases.
• Sibilantes metálicas, sobre todo en las eses.
• Saltos de nivel entre sílabas, como si cada palabra viniera de una toma distinta.
• Ambiente congelado: una cafetería sin ninguna variación de ruido de fondo durante cuarenta segundos.
• Desincronía fina: las consonantes explosivas llegan dos o tres fotogramas tarde.

Cómo provocar una voz sintética

Si sospechas de una voz clonada, pide algo inesperado en una conversación en directo: un nombre propio poco común, un trabalenguas, una cifra larga leída de corrido. Los sistemas fallan más con secuencias que no aparecen en sus datos de entrenamiento. También ayuda comparar dos grabaciones de la misma persona en contextos distintos: si la respiración y los tiempos de pausa son idénticos, probablemente estás ante una plantilla repetida.

Ambiente y mezcla

Un audio real tiene profundidad: reverberación distinta según la distancia al micrófono, ruido de sala que sube y baja, pequeños solapamientos entre interlocutores. Un audio generado tiende a sonar plano, como si todo se hubiera grabado a la misma distancia en una sala sin paredes. Si el clip combina imagen sintética con una locución grabada por una persona, el contraste entre ambos suele ser evidente al escuchar de cerca.

Metadatos, ruido y huellas de compresión

Qué dicen los metadatos y qué no

Los metadatos son útiles pero frágiles. Un archivo que sale de una cámara física suele conservar marca de modelo, ajustes de exposición, fecha y ubicación, además de una cadena de edición reconocible. Cualquier red social los elimina al recodificar y cualquier editor puede reescribirlos. La ausencia de metadatos no prueba casi nada; la presencia coherente de varios campos sí aporta contexto.

Un truco práctico: compara la fecha de creación del archivo con la fecha de publicación y con el evento que dice mostrar. Si un clip presentado como grabación en directo tiene una fecha imposible, o el modelo de cámara declarado no graba a la resolución del archivo, tienes una contradicción documentada que puedes citar sin especular.

Grano y análisis de regiones planas

Los sensores reales producen ruido con patrones predecibles según sensibilidad y temperatura. Los generadores tienden a un grano demasiado regular o a zonas oscuras directamente limpias. Los análisis de error de predicción comparan fotogramas en regiones planas, como cielo o paredes: en un vídeo real hay fluctuación continua; en uno sintetizado puede aparecer periodicidad.

Artefactos de compresión y anomalías locales

Otra huella es la compresión. Revisa la rejilla de bloques en zonas de movimiento rápido y compárala con la de zonas estáticas. Anomalías locales, como una sola región con artefactos distintos al resto del encuadre, sugieren inserción o generación parcial. Si el clip se ha reenviado varias veces por aplicaciones de mensajería, la compresión puede imitar estas marcas y llevar a un falso positivo, así que nunca decidas solo con esta capa.

Procedencia firmada y detectores automáticos

Qué aporta una cadena de procedencia

El enfoque más serio no consiste en adivinar, sino en leer la procedencia. Existen estándares abiertos que permiten adjuntar datos firmados criptográficamente a un archivo audiovisual: quién lo creó, con qué dispositivo o software y qué transformaciones se aplicaron después. Los visores compatibles muestran esa cadena como una etiqueta junto al contenido.

Cuándo sirve: cuando la plataforma conserva el manifiesto y el visor lo interpreta bien. Cuándo no: cuando la red social recodifica y borra esa información, algo todavía frecuente. Por eso la firma es una condición valiosa pero no suficiente, y conviene tratarla como una capa más del análisis, no como el veredicto final.

Para un flujo profesional, guarda siempre el archivo original sin recomprimir. Si vas a publicar, conserva aparte la versión con la firma intacta, documenta cada transformación y anota con qué herramienta y en qué orden se hicieron. Esa trazabilidad vale más que cualquier conclusión aislada.

Cómo se entrenan los detectores y por qué envejecen

Los detectores son clasificadores entrenados con dos conjuntos: vídeos reales y vídeos generados por modelos conocidos. Aprenden patrones estadísticos, no conceptos. De ahí salen tres problemas estructurales: envejecen cada vez que aparece un generador nuevo, se sesgan hacia los modelos presentes en sus datos y se degradan con recompresión, recorte o cambio de resolución.

Tres comprobaciones antes de fiarte de un porcentaje

Una salida del tipo ochenta y siete por ciento de probabilidad de ser sintético no es una prueba. Trátala como una señal y haz tres comprobaciones:

1. ¿El detector indica su versión y la fecha de entrenamiento?
2. ¿Da una puntuación por fotograma o solo un promedio? Un promedio alto con fotogramas estables puede indicar artefactos de compresión, no generación.
3. ¿Responde igual si le das el mismo vídeo recomprimido a otra resolución? Si la respuesta cambia mucho, la predicción es frágil.

Nunca bases una acusación pública en un solo detector. Combina al menos dos herramientas con arquitecturas distintas, revisa el clip a mano y documenta el proceso completo.

Un flujo de auditoría en siete pasos

1. Preserva el original. Descarga el archivo sin pasar por capturas de pantalla y calcula su huella para tener una referencia estable.
2. Lee la procedencia. Comprueba si existe una firma, si es válida y si es coherente con el contenido.
3. Inspecciona los metadatos. Revisa cámara, fechas, resolución y cadena de edición buscando contradicciones concretas.
4. Mira el vídeo tres veces. A velocidad normal, a baja velocidad y fotograma a fotograma en las zonas de contacto.
5. Escucha aparte, con auriculares y sin imagen. Evalúa respiración, ambiente y sincronía.
6. Contrasta el contexto. Busca la fuente original, otras tomas del mismo lugar y hora, y cobertura independiente del mismo hecho.
7. Escribe la conclusión en tres frases y adjunta la evidencia.

Entre veinte y cuarenta minutos bastan para completar los siete pasos en un clip corto. Documenta cada uno con capturas, hora y nombre de archivo. Un informe de verificación vale más por su trazabilidad que por su veredicto, porque permite que otra persona repita el análisis y llegue a la misma conclusión sin depender de tu criterio.

Errores frecuentes y criterios de decisión

Errores de juicio

• Confundir calidad alta con generación: un buen equipo y buena luz producen imágenes demasiado perfectas.
• Confundir mala calidad con falsedad: la recompresión destruye detalles y crea artefactos idénticos a los sintéticos.
• Fiarse de un solo detector sin revisar su versión ni su metodología.
• Ignorar el audio porque el vídeo parece convincente.
• Dar por bueno un clip porque lo comparte alguien con muchos seguidores.
• Analizar una captura de pantalla en lugar del archivo original.
• Publicar conclusiones sin conservar la evidencia ni el método utilizado.

Criterios para decidir qué hacer con el clip

Evidencia disponible	Qué tienes en la mano	Acción razonable
Fuerte	Firma de procedencia válida y metadatos coherentes	Publicar o difundir con normalidad, citando la fuente
Media	Sin firma, pero tres o más señales visuales o de audio	Pedir el archivo original al remitente antes de decidir
Débil	Solo un porcentaje de un detector o una pista aislada	No afirmar nada; seguir investigando o abstenerse
Contradictoria	Metadatos que chocan con el contexto declarado	Documentar y consultar a la fuente antes de publicar

La regla que aplico es simple: cuanto mayor sea el daño potencial de equivocarme, más capas de evidencia exijo antes de hablar en público.

Crear con IA sin perder confianza

Si produces con IA, la transparencia no te resta alcance: te protege. Las marcas que publican anuncios generados y los etiquetan como tales mantienen la confianza de su audiencia y evitan problemas en mercados que ya exigen declarar el contenido sintético.

Transparencia práctica

• Etiqueta en el propio vídeo, en la descripción y en los metadatos cuando la herramienta lo permita.
• Evita simular declaraciones de personas reales identificables.
• Conserva un registro interno: guion, indicaciones, semillas, versiones del modelo y fechas.
• Si reconstruyes un hecho real, dilo con claridad en los primeros segundos.

Continuidad y consistencia visual

Un vídeo generado mal ejecutado se reconoce por inconsistencias de personaje, luz y vestuario. Trabajar con una ficha de continuidad —descripción fija del protagonista, paleta, tipo de lente, hora del día, dirección de la luz— reduce esas costuras y hace que el resultado parezca intencionado en lugar de improvisado.

Merece la pena definir el plano antes de generarlo. Si sabes que quieres un contrapicado con contraluz y una óptica concreta, el resultado será mucho más coherente que si encadenas indicaciones al azar. Puedes partir de estructuras ya resueltas en las plantillas de Orelon y afinar después la descripción con ejemplos de prompts.

Ejemplo de producción en seis pasos

Supongamos un anuncio de doce segundos con una protagonista que camina por un mercado al amanecer.

1. Fija la ficha de personaje: edad aproximada, rasgos, ropa, color de pelo.
2. Define la luz: hora dorada, contraluz suave, temperatura cálida.
3. Divide en tres planos: general del mercado, medio de la protagonista y detalle de manos con producto.
4. Genera cada plano por separado con la misma descripción de luz y lente.
5. Monta y añade una voz en off grabada por una persona real, que aporta respiración y matices.
6. Incluye el rótulo «Imágenes generadas con IA» durante los dos primeros segundos y repítelo en la descripción.

El resultado se sostiene incluso si alguien lo audita con lupa, porque no hay nada que ocultar. Y si otro equipo revisa la continuidad, encontrará un patrón deliberado en lugar de cinco clips sueltos pegados.

Preguntas frecuentes

¿Existe una herramienta que acierte siempre?

No. Cualquier detector es probabilístico y depende de los modelos con los que se entrenó. La combinación de procedencia firmada, análisis forense, revisión manual y contraste de contexto es más fiable que cualquier porcentaje aislado, aunque requiere más tiempo.

¿Los metadatos son prueba definitiva?

No. Son indicios. Su ausencia no implica generación y su presencia puede manipularse. Sirven, sobre todo, para detectar contradicciones concretas entre lo que el archivo declara y lo que el vídeo afirma mostrar.

¿Puedo detectar un vídeo solo escuchando?

Con práctica, en bastantes casos sí: respiración mecánica, sibilantes metálicas, ambiente congelado y saltos de nivel son pistas frecuentes. No es concluyente por sí solo, pero basta para decidir si el clip merece un análisis más profundo.

¿Qué hago si el vídeo afecta a una persona real?

Prioriza no amplificar. Verifica antes de compartir, contacta con la persona o su equipo si es posible, reúne la evidencia original y documenta tu análisis. Si hay riesgo de daño, informa a la plataforma mediante sus canales para contenido manipulado.

¿Cómo etiqueto un vídeo que he creado con IA?

Añade un rótulo visible al inicio o en una esquina, indícalo en la descripción y, si tu herramienta lo permite, conserva la firma de procedencia en el archivo. Si es una recreación de un hecho, dilo con claridad en los primeros segundos.

¿Merece la pena guardar el archivo original?

Siempre. Es la única referencia estable frente a reenvíos, recortes y recodificaciones. Sin original, cualquier análisis posterior arrastra la incertidumbre de no saber qué se modificó por el camino.

¿Sirven las herramientas gratuitas en línea?

Como primera señal, sí, siempre que no subas material sensible, porque los archivos pueden quedar almacenados. Para un uso profesional, prefiere herramientas que indiquen versión y metodología, y combina al menos dos.

De la sospecha al criterio

Verificar y crear son dos caras del mismo oficio. Quien entiende cómo se detecta un vídeo sintético también sabe cómo evitar que su propio trabajo parezca falso: continuidad de personaje, luz coherente, audio creíble y transparencia sobre el proceso. Esa doble disciplina separa un clip llamativo de una pieza en la que se puede confiar.

Si quieres ponerlo en práctica, define primero el plano con precisión y genera tu primera secuencia en Orelon; puedes apoyarte en el blog para afinar el flujo de trabajo y en el generador de imágenes para preparar referencias visuales antes de animar. La meta no es esconder que hay IA, sino conseguir que el resultado sea tan sólido que nadie tenga motivos para dudar de él.