Inhaltsverzeichnis
Der Nvidia Synthetic Video Detector soll KI-generierte Videos erkennen, bevor sie sich über Nachrichtenseiten, Livestreams und soziale Netzwerke verbreiten.
Auf der SIGGRAPH 2026 hat Nvidia das Werkzeug für professionelle Medien-Workflows präsentiert – mit einer Genauigkeit von bis zu 92 Prozent und extrem niedrigen Verarbeitungszeiten.
Nvidia präsentiert Deepfake-Detektor auf der SIGGRAPH 2026
Auf der SIGGRAPH 2026 in Los Angeles hat Nvidia den Synthetic Video Detector als Teil seiner Plattform Nvidia AI for Media angekündigt. Das Tool richtet sich vor allem an Medienunternehmen, Streaming-Anbieter und Plattformen, die Videomaterial möglichst schnell auf KI-generierte Inhalte überprüfen müssen.
Technisch war das Modell zu diesem Zeitpunkt nicht völlig neu: Die offizielle Modellkarte nennt bereits den 16. April 2026 als Veröffentlichungstermin auf Nvidia Build und NGC. Auf der SIGGRAPH rückte Nvidia jedoch den praktischen Einsatz in Medien- und Livestreaming-Workflows in den Mittelpunkt.
Beim Synthetic Video Detector handelt es sich um einen sogenannten NIM-Microservice. NIM steht für Nvidia Inference Microservices und beschreibt vorkonfigurierte KI-Modelle, die sich in bestehende Anwendungen und Serverstrukturen integrieren lassen.
Wie erkennt der Nvidia Synthetic Video Detector KI-Videos?
Der Deepfake-Detektor zerlegt ein Video in einzelne Bilder und analysiert jeden Frame separat. Anschließend vergibt das Modell einen Wert zwischen 0 und 1: Ein Wert nahe 0 spricht für echtes Videomaterial, während ein Wert nahe 1 auf einen synthetisch erzeugten Inhalt hindeutet.
Redaktionen oder Streaming-Plattformen können eigene Schwellenwerte festlegen. Überschreitet ein Video diesen Wert, lässt es sich beispielsweise markieren, vorläufig zurückhalten oder für eine genauere Prüfung weiterleiten.
Der Nvidia Synthetic Video Detector ist dabei kein automatischer Wahrheitsprüfer. Er erkennt mögliche KI-Erzeugnisse, kann aber weder den Kontext eines Videos bewerten noch zuverlässig feststellen, ob eine darin getroffene Aussage wahr oder falsch ist.
Nvidia beschreibt das Tool deshalb ausdrücklich als zusätzliches Warnsignal und nicht als Ersatz für bestehende Verifikationsverfahren.
Wie genau erkennt das Tool Deepfakes?
Laut Nvidia soll die Erkennung auch nach typischen Bearbeitungsschritten wie Komprimierung, Skalierung, Zuschnitt oder erneuter Kodierung funktionieren. Das ist besonders hilfreich, da Videoplattformen hochgeladene Clips in der Regel automatisch komprimieren.
| Videomaterial | Genauigkeit laut Nvidia |
| Unkomprimiertes Video | bis zu 92 Prozent |
| 15 Prozent Kompression | 87 Prozent |
| 50 Prozent Kompression | 82 Prozent |
Die Werte stammen aus Nvidias eigenen Tests und lassen sich nicht pauschal auf jedes Video übertragen. Neue Videomodelle, unbekannte Generatoren oder starke Bearbeitungen können die Erkennung weiterhin erschweren.
RTX-GPUs analysieren 1080p-Videos in Millisekunden
Neben der Genauigkeit spielt vor allem die Geschwindigkeit eine wichtige Rolle. Auf Nvidia-RTX-Systemen soll der Microservice 1080p-Material mit einer Latenz von nur 22 Millisekunden verarbeiten.
Auf einer professionellen Nvidia L40 nennt der Hersteller rund 30 Millisekunden. Damit eignet sich das Werkzeug grundsätzlich auch für laufende Livestreams und andere zeitkritische Anwendungen.
Hinter der Erkennung steckt ein Vision-Transformer mit rund 172 Millionen Parametern. Das Modell kombiniert DINOv2 und DINOv3 und führt die Berechnungen über TensorRT unter Linux aus. Unterstützt werden Nvidia-GPUs auf Basis von Turing, Ampere, Lovelace und Blackwell. Zusätzlich benötigt das Tool die Videoeinheiten NVENC und NVDEC.
Damit zeigt Nvidia eine weitere Einsatzmöglichkeit für leistungsfähige GPUs: RTX-Hardware kann KI-Videos nicht nur erzeugen, bearbeiten und hochskalieren, sondern auch bei deren Erkennung helfen.
Wo kommt der Synthetic Video Detector zum Einsatz?
Ein erster großer Partner integriert den Detector bereits in eine Plattform für Video- und Livestreaming-Infrastrukturen. Diese Technik kommt laut Nvidia in mehr als 35.000 Installationen in über 170 Ländern zum Einsatz. Verdächtige Streams könnten dadurch künftig schon während der Übertragung markiert werden.
Unternehmen können den Microservice lokal, am Netzwerkrand, in hybriden Umgebungen oder in abgeschotteten Netzwerken betreiben. Sensibles Videomaterial muss somit nicht zwingend an einen externen Cloud-Dienst übertragen werden.
Auf Nvidia Build steht außerdem eine kostenlose Entwicklungsumgebung bereit, über die sich eigene MP4-Videos testweise analysieren lassen.
Der Wettlauf zwischen KI-Generatoren und Detektoren beginnt erst
Je überzeugender KI-Videos werden, desto wichtiger werden schnelle Warnsysteme wie der Nvidia Synthetic Video Detector. Ein einzelner Wahrscheinlichkeitswert wird eine gründliche Prüfung zwar nicht ersetzen – er könnte aber dabei helfen, verdächtige Inhalte deutlich früher auszusortieren.
Würdest du dich auf einen automatischen Deepfake-Detektor verlassen oder sollte am Ende immer ein Mensch entscheiden? Schreib uns deine Meinung gerne in die Kommentare!
- Lesedauer 4 min
Marcel Bruns
Autor
Marcel stammt aus Bonn und ist im Berliner Umland aufgewachsen. Schon in der Schulzeit entwickelte er eine Leidenschaft für Technik und Gaming – seinen ersten PC zerlegte er direkt nach dem Auspacken, einfach um zu verstehen, wie er funktioniert. Bis heute baut er regelmäßig Gaming-PCs für sich und Freunde zusammen. Wenn er gerade nicht an seinem PC herumschraubt, taucht er gerne in die Welt der Anime ein und träumt davon, einmal Japan zu bereisen. In seiner Freizeit trifft man ihn entweder beim Zocken des neuesten AAA-Titels oder dabei, seine Teammates in League of Legends (mehr oder weniger absichtlich) zu inten.
Mehr erfahren >>