A precisão dos detectores de deepfakes cai até 49% em um ano de avanços nos vídeos por IA

Atualizado em 17 de setembro de 2026

Saber se um vídeo é fake deixou de depender de olhar com atenção. No banco de provas DF26, publicado em 7 de setembro de 2026, a AUROC média de nove detectores de última geração cai de 84,4 no benchmark CelebDF++ para 56,1 diante de geradores que nunca viram, nenhum deles passa de 69,7 e as pessoas acertam apenas 52,6% dos vídeos falsos. Em 31 de agosto de 2026 a Exame já escrevia que nenhum teste visual garante, sozinho, que uma mídia foi criada por IA. O estudo DF26 acrescenta a essa frase o que faltava nela: a medida. O detector mais atingido perde 49% da própria precisão em um ano, caindo de 94,3 para 48,2.

O que o banco de provas DF26 mede, e por que os números importam

O banco de provas DF26, publicado em 7 de setembro de 2026 por equipes da Ukrainian Catholic University, da Universidade Técnica Tcheca de Praga, da Hover Inc. e da Academia Nacional de Ciências da Ucrânia, reúne 2.691 vídeos, sendo 271 reais e 2.420 gerados, em três cenários de fala em público: vídeos dirigidos à câmera, gravações oficiais e entrevistas em estúdio. Os reais vêm de OpenVid-1M, TalkingCelebs e MAVOS-DD.

O método explica por que o resultado é tão duro. Para cada vídeo real, os autores extraem dos quadros um prompt semântico e geram com ele o clipe sintético correspondente, obtendo pares real/falso com o mesmo contexto visual e sem marca d’água visível, logotipo ou marcador de exportação: nem o detector nem quem assiste têm atalho. Sinalizar o que é sintético continua sendo uma das obrigações de transparência de quem gera o conteúdo, e não uma tarefa de quem o recebe.

Os sete geradores usados eram os do topo do mercado em agosto de 2026, com Elo estimado pela Artificial Analysis.

Nove detectores de última geração, nenhum confiável

Nenhum dos nove detectores avaliados chega a um patamar utilizável. Treinados em FaceForensics++ e avaliados sem retreinamento, foram medidos primeiro no benchmark CelebDF++ e depois no banco de provas DF26, com AUROC em porcentagem e 50 como puro acaso.

O melhor da lista, o GenD-PE, para em 69,7, e o Effort cai para 44,0, abaixo do acaso. A média, porém, ainda é generosa, porque o resultado aberto por gerador revela quedas que o número agregado escondia: contra o Grok Imagine 1.0 o Effort marca 13,6 e o DFD-FCG 20,5, e contra o Veo 3.1 o Effort fica em 21,3, enquanto na média por gerador o pior é o próprio Effort, com 40,9. Os autores são explícitos: os geradores comerciais são o caso mais difícil e as pontuações agregadas escondem modos de falha severos, porque um detector pode ir bem contra um gerador e afundar abaixo do acaso contra o seguinte.

Não é um acidente de setembro: a curva cai há dois anos

A queda de 2026 continua uma linha que já estava desenhada. O Deepfake-Eval-2024, apresentado no CVPRW 2026, reuniu conteúdo que circulou de verdade na internet durante 2024: 45 horas de vídeo, 56,5 horas de áudio e 1.975 imagens, coletadas em 88 sites e 52 idiomas. Comparada aos bancos de prova anteriores, a AUC dos detectores abertos cai 50% no vídeo, 48% no áudio e 45% na imagem. Dois estudos independentes, com dados e anos diferentes, medem a mesma coisa: uma distância que cresce a cada geração de modelos comerciais.

Por que perdem terreno: o problema mudou de natureza

Os nove detectores procuram uma coisa que os vídeos do DF26 não têm. Treinados em FaceForensics++, um conjunto de manipulações de rostos reais, eles aprenderam a enxergar a descontinuidade entre uma parte autêntica e uma parte alterada do mesmo quadro. Nos vídeos do banco de provas DF26 não há manipulação nenhuma, porque são gerados por inteiro, e essa emenda não existe. Os autores chamam isso de desvio de distribuição entre os modelos generativos, e a verificação interna mostra que a queda acompanha o gerador, não o cenário filmado. É a mudança de natureza que separa o deepfake clássico do problema da autenticidade de conteúdo sintético.

O retreinamento funciona, e é aí que a armadilha aparece. Retreinando o GenD-PE no subconjunto de imagem para vídeo do HunyuanVideo, a média sobe de 76,0 para 82,3, com o Grok Imagine saltando de 66,5 para 96,8 e o Veo 3.1 de 76,6 para 95,6. O detector, porém, aprende um gerador por vez, e só depois do lançamento: quem verifica está sempre um lançamento atrás de quem gera.

O olho humano não é a reserva

A hipótese de que a pessoa atenta supre o que o software não alcança também não se sustenta. O estudo registrou 232 sessões de rotulagem com estudantes voluntários, cada um julgando 30 vídeos de 5 segundos, com três respostas possíveis: gerado por IA, manipulado com IA ou real.

Diante de vídeos verdadeiros as pessoas se saem igual em qualquer conjunto, mas diante dos falsos do DF26 não encontram indícios suficientes, e o gerador que mais engana é o LTX 2.3 distilled I2V. Há um segundo número na tabela que importa mais que o primeiro: 24,0% dos vídeos reais do DF26 foram tomados por falsos. O prejuízo não é só acreditar num vídeo fabricado, é deixar de acreditar num verdadeiro, o que atinge quem tem razão e precisa provar.

Fora do DF26 o quadro se repete. A meta-análise de 56 estudos publicada em Computers in Human Behavior Reports, com 86.155 participantes e 137 medidas de efeito, encontrou acurácia média de 55,54%, com intervalo de confiança de 95% entre 48,87% e 62,10%: como o intervalo atravessa os 50%, o desempenho humano não é distinguível do acaso, e nem o treinamento com retorno leva além de 65,14%.

Se a dúvida não se resolve depois, é preciso torná-la desnecessária antes

A TrueScreen, a Data Authenticity Platform, aborda o problema pelo lado oposto: em vez de analisar um vídeo depois que ele circulou, fixa origem, integridade e tempo no momento da captura. A pergunta muda de lugar: deixa de ser como verificar se um vídeo é verdadeiro depois que ele já rodou pela internet, questão que o estudo DF26 mostra sem resposta confiável, e passa a ser o que o arquivo registrou no instante em que nasceu, com o registro de como, quando e onde foi produzido.

Na prática, isso muda quem carrega o ônus. Se o vídeo de um perito de seguros ou de um jornalista nasce capturado com metodologia forense, com integridade verificada, marca temporal e registro das condições de captura, a discussão deixa de ser estatística e passa a ser documental. Isso pesa no regime probatório brasileiro: o art. 369 e seguintes do Código de Processo Civil admitem todos os meios legais e moralmente legítimos, desde que a parte sustente como o material foi obtido. Na responsabilidade das plataformas, o art. 19 do Marco Civil da Internet, na tese fixada pelo Supremo Tribunal Federal em 17 de junho de 2026, trabalha com responsabilidade solidária e presunção relativa de culpa. Havendo dados pessoais, a captura permanece sujeita à LGPD.

A leitura de proveniência digital entra como camada complementar. A TrueScreen lê as marcações declaradas no arquivo, incluindo C2PA, IPTC digitalSourceType e as etiquetas que os geradores gravam em EXIF e XMP, e um arquivo sem Content Credentials não é suspeito por isso: a ausência da marcação diz apenas que ela não foi escrita. A análise de conteúdo sintético trabalha com foto, vídeo e áudio, faz parte da captura, exige um workspace e devolve um grau de confiança, nunca um veredito determinístico. A certificação com valor legal vem do selo digital oficial e da marca temporal qualificada que a TrueScreen aplica, reconhecidos internacionalmente, sem que a TrueScreen atue como prestador de serviços de confiança ou autoridade certificadora.

O estudo também declara os próprios limites: a escala é contida, com 2.691 vídeos, e a avaliação é apenas visual, sem áudio, sincronia labial ou coerência entre áudio e vídeo. O estudo DF26 não afirma que detectar seja inútil em absoluto, e sim que aqueles nove detectores, postos diante de geradores que nunca viram, não se sustentam. Nenhuma ferramenta comercial foi medida, e imagens estáticas ficaram fora do escopo.