不能：仅凭AI图像检测器的判定，无法证明某一张人像究竟是如何制作的。应结合具体文件、工具说明中的限制以及创作历史证据，进一步核查这个结果。尚未解决的问题应保留为尚未解决，不能据此公开指责照片中的人存在欺骗行为。

当头像显得格外精致、同事质疑一张职业照，或你想准确标注自己的作品时，这一点尤其重要。有用的问题不只是某个网站是否显示了AI标签，而是你需要核实哪项说法、什么证据能够支持它，以及你是否确实掌握了这些证据。

1. 先明确你所说的AI照片是什么

完全生成的人物、换脸、AI修改的背景，以及仅经过普通裁剪的相机人像，是不同情况。针对某项任务训练的检测器，未必在说明中表明支持其他任务。解读结果之前，先写下真正的问题：整张图是否由AI生成、某个区域是否被替换，还是图片是否被用来支持具有误导性的说法？

请分别看待来源、形象呈现以及使用语境。标明为合成图的插画，可以坦诚说明其用途。相机照片也可能配有不准确的文字。检测器无法证明某人参加过背景中的活动、拥有某项资质，或目前的外貌与一张经过大幅修改的职业照相符。

如果你已经知道人像是生成的，需要判断它是否如实代表自己，可以参考我们的AI职业照相似度核对清单。这与调查未知文件的生成来源是两种不同的判断。

2. 检测器研究究竟能说明什么

NIST于2024年发布的合成内容透明度报告指出，图像检测取决于工具、评估数据和图像处理方式。与测试训练中已经包含的生成器相比，测试陌生生成器更具挑战；压缩和尺寸调整也可能影响结果。报告还区分了评估指标，以及误报和漏掉合成内容所带来的后果。这是一份概述，并不是对某个网站当前准确率的认证。

2025年NeurIPS的AIGIBench研究在不同生成器和测试条件下评估了11种研究用检测器，测试包括换脸和个性化生成。表现会随来源和处理条件而变化。其受控重新训练采用了选定的物体类别，测试范围也比日常人像更广。因此，这些结果不能直接告诉你，某项现有消费级服务对你的职业照判断正确的概率是多少。

另一篇2024年预印本《Fake or JPEG?》研究了GenImage数据集。真实与生成图像类别之间的压缩和尺寸差异，可能成为受测分类器学到的捷径。减轻这些偏差后，测得的表现发生了变化。这提醒我们注意评估设计，并不能证明所有检测器都只是在识别JPEG文件。

实际应用中，应寻找与手头文件和问题相匹配的证据。亮眼的基准测试结果可以提供背景，却不能代替针对相关人像和编辑流程的验证。同样，在论文中发现某项局限，也不意味着所有检测结果都毫无价值。

3. 先读懂标签，再看百分比

误报是指：按照测试中的定义，一张源自相机的图像被标为合成图。漏报则是合成图被标为真实图。请查明说明资料是否同时报告两类错误、测试过哪些图像、评估何时进行，以及判定阈值如何选择。如果缺少这些细节，应记录这一空缺，而不是用猜测补齐。

不要把界面显示的分数、宣传中的总体准确率，以及某一次判定正确的概率混为一谈。先检查服务如何定义这个数字。如果页面没有说明其百分比是否为经过验证的概率，那么把它理解成这种概率就缺乏依据。同样，“真实”标签也不是未经编辑的相机原始文件的证明。

保存服务名称、日期、所提供的模型版本、完整输出以及所用文件。描述结果时保持边界：这项服务在某日将这个文件标记为AI生成。不要进一步把它变成对当事人诚实程度、身份或品格的结论。

4. 来源记录回答的是另一部分问题

C2PA内容凭证可以提供关于创作和编辑过程的带签名声明，并使对这些声明的篡改能够被发现。请检查验证状态、签名者以及实际记录的操作；仅有一个徽标并不足够。参与是自愿的，历史可能不完整，嵌入的元数据也可能被移除。某些实现支持通过持久性凭证重新发现记录。缺少凭证不能确定来源，而有效的来源记录本身，也不能证明画面或配文属实。

例如，一条已记录的编辑操作可能有助于回答背景是否经过生成。它不会自动解释每个像素，也不能确定画面所示场景发生的日期。把可用声明看作具体的证据片段，对缺乏支持的历史部分继续保留疑问。

5. 人像检测结果与后续行动对照表

你掌握的信息合理解读下一步行动
检测器判为AI生成这是需要结合语境的分类结果，仍有出错的可能。保留具体文件，核查任务范围、说明资料和创作证据。
检测器判为真实该次测试未给出合成标签；其他编辑或来源问题仍未解决。在把人像描述为未经编辑之前，核查你实际需要证实的说法。
经过验证的凭证记录了AI操作在现有签名历史范围内，为该项已记录操作提供了证据。确认它的适用范围，不要假定它描述了每个阶段。
没有找到凭证本次核查未获得可用的来源记录。寻找源头资料；如果证据仍然缺失，就保留来源未经核实的状态。
找到更早发布的匹配图片这是先前使用情况的线索，并非自动证明创作来源或配文属实。阅读最初的上下文，检查文件和说法是否确实相符。

6. 使用这份七步核验清单

  1. 写明要核实的说法。明确你检查的是整图生成、换脸、某项编辑还是配文。先决定在使用这张人像之前，自己需要了解什么。
  2. 保留证据。保存能够获得的原始文件、页面网址、配文和获取日期。使用副本进行分析。不要把聊天应用导出的文件与创作者直接提供的文件混为一谈。
  3. 上传前检查授权。如果是他人的人像，应考虑自己是否有权把它发送给外部服务，并阅读该服务的处理条款。开展核验并不需要公开当事人的脸或你的指控。
  4. 检查工具的适用范围。查找它支持的任务、评估日期、相关测试图像和错误报告。如果它没有说明支持你手头这类图像，应明确记录这项限制。
  5. 查看独立的历史资料。检查任何可验证的凭证和可获得的源头资料。以图搜图可能找到更早的使用记录；请追溯来源，不要把缩略图匹配当作定论。适当时可向创作者询问相关背景。
  6. 记录结果，不夸大含义。把输出、观察与结论分开。输出互相冲突，意味着存在尚待解决的分歧，而不是可以随意挑选支持自己怀疑的答案。
  7. 选择与证据相称的下一步。索取更清楚的源文件、改用另一张说明充分的图片、恰当标注自己制作的合成作品，或者保留来源未经核实的状态。对于后果重大的指控，应寻求具备相应专业能力的核验，而不是凭自动标签公开下结论。

假设你自己拍摄的人像在导出为头像后，被标成了AI图。请保留原始拍摄文件和编辑历史，比较每个文件实际呈现的内容，不要宣称工具已经证明这张人像是合成的。反过来，一张陌生职业照获得“真实”标签，也不能确立照片中人的身份，或证明配文声称的经历。这些是假设性的决策示例，而不是实测错误率。

7. 把来源核验与外貌反馈分开

对于自己的照片，检查已知编辑过程，可能比单凭外观猜测来源更有用。我们的美颜滤镜照片核查指南帮助你有意识地比较不同版本。如果需要分享包含他人的证据，我们的照片隐私清单解释了为什么遮住脸后，周围语境仍可能暴露身份。

FaceScore提供基于照片的外貌反馈，并不认证人像的来源或真实性。请为这一明确用途使用自己的图片，或获得许可后提交的图片。外貌分数和合成图像标签都不能衡量一个人的价值。核验真正有用的结果，是能够有据可依地说明：你知道什么、依据是什么，以及哪些问题仍不确定。