Vollständige Video-Authentifizierung

Umfassende Erkennung von Video-Deepfakes und -Manipulationen durch Kombination von KI-Forensik mit visueller Crowd-Überprüfung und Expertenabzeichnung.

Die Pipeline „Vollständige Video-Authentifizierung" ist Crowdees gründlichstes Videoverifizierungsangebot. Sie wendet sequenziell technische Container-Forensik, Deepfake-Frame-Erkennung, Audio-Authentizitätsanalyse, visuelle Crowd-Überprüfung und eine Abzeichnung durch zwei Experten an, um ein umfassendes, revisionssicheres Urteil zu erstellen. Diese Pipeline wurde für investigativen Journalismus, die Überprüfung von Beweismitteln im Rechtsbereich und die behördliche Risikobewertung entwickelt und ist die geeignete Wahl, wenn die Echtheit eines Videos ernsthaft angefochten wird und die Konsequenzen eines falschen Urteils erheblich sind. Der mehrschichtige Ansatz stellt sicher, dass kein einzelner Analysepunkt – weder KI noch Mensch – das Ergebnis allein bestimmt; die Erkenntnisse jeder Stufe werden an die nachfolgenden Prüfer weitergegeben und diesen präsentiert.

Pipeline-Details

Eigenschaft	Wert
Pipeline-ID	`verify-video-full`
Tier	2
Geschätzte Dauer	~120 Min.
Kosten	8.900 Credits pro Run
Crowd-Stufen	Ja
Erforderliche Dateien	Ja – angereichertes Video mit extrahierten Frames und Audiospur

Erforderliche Eingaben

Dateien

Reichen Sie eine angereicherte Videodatei ein. Die Anreicherung muss abgeschlossen sein und extrahierte Frames sowie eine separate Audiospur erzeugt haben, bevor diese Pipeline starten kann – der Durchlauf wird abgelehnt, wenn die Frame-Extraktion oder Audio-Trennung nicht abgeschlossen wurde. Akzeptierte Formate: MP4, MOV, MKV, WebM, AVI.

Kontextschlüssel

Schlüssel	Erforderlich	Beschreibung
`claimed_source`	Optional	Gemeldeter Ursprung oder Herausgeber des Videos (z. B. `"Ukrainian Parliament press pool"`)
`claimed_date`	Optional	Datum, an dem das Video angeblich aufgezeichnet wurde, im ISO-8601-Format
`claimed_location`	Optional	Geografischer Ort, an dem das Video angeblich gefilmt wurde
`claimed_event`	Optional	Beschriebenes Ereignis oder Kontext für den Videoinhalt (z. B. `"Parliamentary session 2024-03-12"`)

Die Angabe von Ereignis- und Quellkontext ist in dieser Pipeline besonders wertvoll: Crowd-Arbeiter, die extrahierte Frames überprüfen, werden gebeten zu beurteilen, ob der sichtbare Inhalt mit dem angegebenen Zeitpunkt, Ort und den Umständen übereinstimmt.

Stufen

Technische Forensik (KI)

Die Pipeline beginnt mit der Untersuchung der Strukturmetadaten des Video-Containers: Codec-Parameter, Kodierungsverlauf, Bitratenprofile, Zeitstempelsequenzen und Anomalien auf Container-Ebene. Re-Encoding-Signaturen, diskontinuierliche GOP-Strukturen und nicht übereinstimmende Erstellungszeitstempel werden katalogisiert und bewertet. Diese technischen Signale auf niedriger Ebene werden als grundlegende Beweise an alle nachfolgenden Stufen weitergegeben.

Deepfake-Erkennung (KI)

Extrahierte Frames mit Gesichtsregionen werden auf Deepfake-Synthesesignaturen untersucht. Die KI bewertet Überblendungsgrenzen um Gesichtskanten, unnatürliche Gleichmäßigkeit der Hauttextur, zeitliche Inkonsistenz zwischen Frames (Flimmern, Unschärfe-Artefakte an Haaransatz und Ohren) sowie geometrische Unplausibilitäten in Gesichtsmerkmalen. Die Ergebnisse werden als Frame-spezifische Anomalie-Scores und als aggregierte Deepfake-Wahrscheinlichkeit für das gesamte Video ausgedrückt. Diese Stufe schreibt zudem einen syntheticLikelihood-Wert (0–100) und eine Liste von syntheticIndicators in ihre Artefakte — siehe Erkennung synthetischer Inhalte.

Audio-Authentizität (KI)

Die separierte Audiospur wird auf Indikatoren synthetischer Sprache und Audio-Bild-Synchronisationsprobleme analysiert. Die KI bewertet Vocoder-Fingerabdrücke, prosodische Unnatürlichkeit, spektrale Diskontinuitäten, die auf Schnitte hinweisen, sowie die Lippensynchronisationsausrichtung über ausgewählte Frames hinweg. Desynchronisierungsereignisse und konfidenzgewichtete Anomalie-Fenster werden in die Erkenntnisse aufgenommen, die an die Crowd-Arbeiter weitergegeben werden.

Visuelle Crowd-Überprüfung (Crowd)

Fünf Crowd-Arbeiter mit den Skill-Tags general und video_forensics überprüfen unabhängig voneinander eine kuratierte Auswahl extrahierter Frames zusammen mit den KI-Erkenntnissen aller drei vorherigen Stufen. Die Arbeiter füllen einen strukturierten Bewertungsfragebogen aus, der ihre Wahrnehmung der Authentizität, die Konsistenz des angegebenen Kontexts mit dem sichtbaren Inhalt und selbstständig beobachtete Anomalien abdeckt. Die Stufe wartet auf 60 % Konsens (drei von fünf Arbeitern stimmen überein), bevor sie fortfährt. Dies ist in der Regel die längste Stufe mit einer durchschnittlichen Durchlaufzeit von 60–70 Minuten.

Beweiszusammenführung (KI)

Alle technischen Signale und Antworten der Crowd-Arbeiter werden in einem einzigen strukturierten Beweisdokument zusammengeführt. Widersprüchliche Beurteilungen der Arbeiter werden explizit gekennzeichnet und gewichtet. Die zusammengeführten Beweise werden für die Expertenprüfung in der folgenden Stufe aufbereitet, wobei die Erkenntnisse mit dem höchsten Risiko prominent hervorgehoben werden.

Expertenprüfung (Experten-Crowd)

Zwei spezialisierte Crowd-Arbeiter mit dem Experten-Tag video_forensics überprüfen unabhängig voneinander das Originalvideo, die extrahierten Frames und das vollständige zusammengeführte Beweisdokument. Jeder Experte liefert ein strukturiertes Urteil und eine schriftliche Begründung, die technische und wahrnehmungsbezogene Dimensionen abdeckt. Diese Stufe erfordert 100 % Konsens – beide Experten müssen zum selben Urteil gelangen, bevor die Pipeline fortschreitet. Eine Meinungsverschiedenheit löst ein manuelles Eskalations-Flag im Durchlaufeintrag aus.

Abschließendes Bewertungsschema (KI-Synthese)

Eine gewichtete Aggregation aller KI-Scores, Crowd-Konsenssignale und Expertenurteile ergibt das endgültige Durchlaufurteil (authentic, manipulated, synthetic oder inconclusive) mit einem kalibrierten Konfidenz-Score. Die Ausgabe umfasst einen vollständigen Prüfbericht mit stufenweisen Erkenntnissen, Aufschlüsselungen des Crowd-Konsenses, Frame-spezifischen Anomalieverweisen und einer vollständigen Beweiskette, die für rechtliche, redaktionelle oder Compliance-Dokumentation geeignet ist.

Einen Durchlauf starten

curl -X POST "https://api.crowdee.ai/v2/projects/{projectId}/verification-runs" \
  -H "X-API-Key: crw_YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "pipeline_id": "verify-video-full",
    "file_ids": ["file_01j9x..."],
    "context": {
      "claimed_source": "Ukrainian Parliament press pool",
      "claimed_event": "Parliamentary session 2024-03-12"
    }
  }'

Beispielantwort

{
  "id": "run_01j9x...",
  "status": "completed",
  "verdict": "authentic",
  "confidence": 81,
  "pipeline_id": "verify-video-full"
}

Die geschätzte Dauer beträgt ~120 Minuten. Dies ist Crowdees umfassendste Pipeline. Planen Sie eine asynchrone Verarbeitung – halten Sie keine HTTP-Verbindung offen. Fragen Sie alle 30–60 Sekunden GET /v2/projects/{projectId}/verification-runs/{runId} ab oder verwenden Sie Webhooks für Abschlussbenachrichtigungen.

Für schnellere Videoprüfungen siehe verify-video-technical. Stellen Sie sicher, dass das Video vollständig angereichert ist – mit extrahierten Frames und einer separierten Audiospur – bevor Sie diese Pipeline starten. Der Anreicherungsstatus wird bei der Erstellung des Durchlaufs validiert.