Deepfake: 10 indizi concreti tra immagine, sinc labiale e audio

I deepfake non sono più un gioco da laboratorio: sono contenuti perfettamente confezionati, capaci di mimare volti, voci e gesti con una precisione sorprendente. Eppure, anche i video più credibili lasciano tracce. Una checklist attenta, che combini segnali visivisinc labiale e analisi del suono, permette di smascherarli in pochi minuti. Qui una mappa rapida e operativa, con esempi e strumenti gratuiti per verifiche a prova di dubbio.

Il principio è semplice: cercare incoerenze. Le reti neurali generano immagini e audio plausibili, ma faticano su dettagli perifericitransizioni rapide e contesti acustici. Incrociare più indizi riduce drasticamente i falsi negativi. E quando l’anomalia c’è, serve documentarla in modo ordinato, per poterla segnalare in modo efficace alle piattaforme o alle autorità competenti.

Sei segnali visivi che tradiscono un volto sintetico

La maggior parte dei deepfake cade su particolari apparentemente marginali. Ecco i primi sei checkpoint da controllare a schermo pieno e a velocità ridotta:

• Pelle e pori texture troppo liscia, pelle cerosa o pori incoerenti tra i frame, soprattutto su fronte e guance.
• Ombre e luci ombre che non seguono i movimenti del capo, riflessi degli occhiali senza coerenza con la scena, catchlight negli occhi identici in ogni inquadratura.
• Contorni capelli/orecchie bordi che tremolano, capelli che “sfumano” nello sfondo, orecchie che cambiano forma o posizione.
• Occhi e battito di ciglia blinking troppo raro o sincronizzato in modo innaturale; sguardo che “scivola” sullo sfondo nei cambi di luce.
• Denti e lingua dentatura come un blocco uniforme, lingua poco definita o che non proietta ombre realistiche durante le consonanti.
• Mani e oggetti quando compaiono in primo piano, dita deformate, oggetti con loghi distorti o testi illeggibili (artefatti nei bordi ad alto contrasto).

Nella pratica, portare il video a 0,25x ed esaminare fermo-immagine per fermo-immagine i momenti di movimento rapido del capo rivela artefatti intorno a mascella, capelli e orecchie. L’aliasing irregolare sui bordi è un campanello d’allarme ricorrente.

Quattro indizi tra sinc labiale e audio d’ambiente

Un deepfake credibile spesso crolla sull’audio. Il volto può convincere, la voce meno. Quattro segnali chiave:

• Sinc labiale micro-sfasamenti tra labbra e suono, soprattutto su plosive (“p”, “b”) e suoni dentali (“t”, “d”). Fermare il video su queste consonanti aiuta.
• Timbro e respiro voce pulita ma troppo “asettica”, respiro assente o scollegato dai movimenti del petto.
• Ambiente acustico riverbero e rumore di fondo non coerenti con la stanza o che restano identici tra scene diverse.
• Tagli sospetti micro-silenzî o “click” tra frasi, come se l’audio fosse assemblato; intonazione piatta nelle porzioni sintetiche.

Ascoltare in cuffia e osservare i muscoli facciali durante le sillabe accentate evidenzia sfasature sottili che su smartphone passano inosservate. Un parlato perfetto ma “senza aria” è spesso generato.

Artefatti nei frame: compressione, contorni e motion blur

Le reti generative lottano con transizioni e sfocature da movimento. Nei passaggi rapidi compaiono ghostingwobble della mandibola e blur non coerente con la direzione del gesto. Cercare:

• Banding nei gradienti di pelle, soprattutto su fronte e collo.
• Stitching sui lineamenti durante un cambio di espressione veloce.
• Compressione anomala solo sul volto, mentre lo sfondo resta nitido o viceversa.

Un confronto frame-by-frame mette a nudo “salti” nei tratti del viso. Se il motion blur appare uniforme sullo sfondo ma “disegnato” sul viso, la manipolazione è probabile. L’uso di velocità ridotte e fermo-immagine su sbadigli, risate o consonanti esplosive è particolarmente efficace per inchiodare l’incoerenza.

Strumenti gratuiti per metadati e analisi frame-by-frame

Le verifiche manuali si potenziano con strumenti gratuiti e affidabili. Per metadati e struttura file: ExifTool (estrazione completa, date di encoding, catena software) e MediaInfo (codec, profili, bitrate, GOP). Per l’analisi visiva: VLC (avanzamento frame), ffmpeg (estrazione frame con timestamp), il plugin InVid-WeVerify (keyframe, ricerca inversa). Per l’audio: Audacity e Spek per spettrogrammi e tagli nascosti.

I passaggi tipici: 1) estrarre keyframe con ffmpeg per guardare le transizioni; 2) usare InVid per la ricerca inversa degli still, utile a trovare originali non manipolati; 3) aprire lo spettro in Audacity/Spek per scoprire tagli e “cuciture”; 4) controllare in MediaInfo incongruenze tra risoluzione, framerate e dispositivo dichiarato; 5) verificare con ExifTool eventuali firme software sospette o assenti.

Esempi pratici e come segnalare contenuti manipolati

Tre situazioni-tipo chiariscono come applicare la checklist:

• Discorso ufficiale improvviso video di un personaggio pubblico che annuncia misure clamorose. Segnali tipici: battito di ciglia ridotto, ombre piatte, audio “secco”. Azione: esportare frame sui momenti con “p/b/t/d”, controllare sinc in slow motion, cercare l’originale con InVid.
• Clip virale da smartphone qualità compressa, loghi illeggibili, contorni capelli vibranti. Azione: analizzare keyframe con ffmpeg, verificare banding su pelle, confrontare con versioni multi-upload.
• Dichiarazione in diretta timbro perfetto ma con ambiente acustico immutabile tra inquadrature. Azione: spettrogramma in Audacity, focus su silenzî e click tra frasi, match tra respiri e movimenti toracici.

Quando emergono più indizi, documentare tutto: salvare il file originale, registrare URL e timestamp, annotare i secondi in cui compaiono artefatti, esportare frame chiave e, se possibile, calcolare un hash del file (SHA-256) per garantire l’integrità della prova. La segnalazione alle piattaforme passa dai menu “Segnala” con motivazione “contenuti manipolati” o equivalenti, allegando immagini dei frame e una breve descrizione tecnica delle anomalie.

In contesti sensibili (disinformazione politica, estorsioni, doxing), è utile inoltrare la documentazione anche ai canali di assistenza del servizio interessato e alle autorità competenti. Mantenere una checklist standardizzata accelera la risposta: elenco degli indizi rilevati, strumenti usati, link a eventuali versioni originali rintracciate. Più precisa è la segnalazione, più rapida sarà la rimozione o la limitazione della diffusione.