AI Image Detector — मुफ्त ऑनलाइन AI इमेज चेकर टूल

तीन चरण

इमेज AI जनरेटेड है या नहीं, इसकी जाँच कैसे करें

लगभग चार सेकंड में AI-जनरेटेड इमेज का पता लगाने के लिए फोटो डालें या लिंक पेस्ट करें। मुफ्त Best AI Image Detector 0-100 स्कोर, एक स्पष्ट निर्णय और इसे ट्रिगर करने वाले क्षेत्रों का मैप देता है। JPG, PNG, WebP, AVIF, HEIC, GIF, TIFF और BMP सभी काम करते हैं, और आपके डिवाइस से कुछ भी बाहर नहीं जाता है।

चरण 1इमेज अपलोड या पेस्ट करें

फाइल को ड्रैग करें, ब्राउज़ करने के लिए क्लिक करें, या किसी इमेज या सार्वजनिक पेज का लिंक पेस्ट करें। JPG, PNG, WebP, AVIF, HEIC, GIF, TIFF और BMP सभी काम करते हैं, प्रति फाइल 60 MB तक।

चरण 2विश्लेषण होने दें

एक सामान्य लैपटॉप पर स्कोरिंग में लगभग चार सेकंड लगते हैं। सब कुछ आपके ब्राउज़र टैब के अंदर चलता है, इसलिए आपके द्वारा चुनी गई फाइल कभी अपलोड नहीं होती है और पेज बंद करने के बाद कुछ भी स्टोर नहीं होता है।

चरण 3रिजल्ट पढ़ें

आपको एक निर्णय मिलता है, 0–100 की संभावना, वह बैंड जिसमें यह आता है, योगदान देने वाले हर सिग्नल का विवरण, और एक रीजन मैप जो दिखाता है कि फ्रेम के किन हिस्सों में सिग्नल था।

वास्तविक उपयोग में

जाँच जो लोग सबसे पहले करते हैं

इस टूल में डाली जाने वाली अधिकांश छवियों के लिए तीन स्थितियाँ ज़िम्मेदार हैं। प्रत्येक को परिणाम के एक अलग हिस्से की आवश्यकता होती है: एक पूर्ण-फ़्रेम स्कोर, एक सिंगल हाइलाइटेड क्षेत्र, या अंतर्निहित फ़ाइल साक्ष्य।

उत्पाद और मार्केटप्लेस छवियों का निरीक्षण करें एक जनरेट की गई उत्पाद तस्वीर ऐसा सामान बेचती है जिसे किसी ने नहीं बनाया। लिस्टिंग फ़ोटो पर एक उच्च पूर्ण-फ़्रेम स्कोर पैसे के लेन-देन से पहले आपको मिलने वाली सबसे आसान चेतावनी है।

दस्तावेज़ों और पहचान छवियों को सत्यापित करें कार्ड असली हो सकता है और चेहरा बदला हुआ। जब एक टाइल का स्कोर अधिक होता है और बाकी हर टाइल का स्कोर कम रहता है, तो क्षेत्र का नक्शा ही आपको बताता है कि कहाँ देखना है।

फ़र्ज़ी रसीदों और भुगतान प्रमाण का पता लगाएँ खर्च के दावे और रिफ़ंड विवाद अब उन रसीदों के साथ आते हैं जो कभी प्रिंट ही नहीं की गई थीं। बदली हुई राशियाँ एक स्थानीय संकेत छोड़ती हैं, भले ही कागज़ की फ़ोटो साफ़ दिखे।

यह क्या पहचानता है

पूरी तरह से जनरेटेड, आंशिक रूप से एडिटेड, या वास्तविक रूप से खींची गई

ज़्यादातर चेकर आपको एक नंबर देते हैं और आपको अंदाज़ा लगाने के लिए छोड़ देते हैं। यह उन तीन स्थितियों को अलग करता है जो वास्तव में मायने रखती हैं, क्योंकि उनके अर्थ बहुत अलग हैं।

AI-जनरेटेड

94 सामान्य स्कोर

मॉडल द्वारा बनाई गई

सिंथेटिक टेक्सचर पूरे फ्रेम में एक समान दिखता है। ऐसी तस्वीर की खासियत जो सीधे किसी जनरेटर से निकली हो।

AI-एडिटेड

61 सामान्य स्कोर

असली फ़ोटो, नकली हिस्सा

एक हिस्सा हाइलाइट होता है जबकि बाकी साफ़ रहता है: बदला हुआ बैकग्राउंड, जोड़ी गई वस्तु, जनरेटिव फिल या हटाया गया कोई विवरण।

कोई AI सिग्नल नहीं

08 सामान्य स्कोर

वास्तविक रूप से खींची गई लगती है

पिक्सल या फ़ाइल में ऐसा कुछ भी नहीं है जो किसी मॉडल की ओर इशारा करे। प्रत्येक क्षेत्र का स्कोर कम रहता है, और स्कोर स्केल के सबसे निचले हिस्से पर बैठता है।

रिजल्ट पढ़ना

स्कोर का क्या मतलब है, और टूल कितना आश्वस्त है

टूल एक संभावना देता है, कभी भी सीधा 'हाँ' या 'नहीं' नहीं। एक डिटेक्टर जो बिना किसी नंबर के "AI" कहता है, वह यह छिपा रहा है कि निर्णय कितना करीबी था, और 66 व 96 के बीच का अंतर एक दोबारा देखने और कार्रवाई करने योग्य परिणाम के बीच का अंतर है।

पैमाना 65 पर निर्णय रेखा के साथ पांच निश्चित बैंडों में विभाजित है। आज 72 का वही मतलब है जो पिछले महीने 72 का था।

पांच कॉन्फिडेंस बैंड और प्रत्येक के साथ क्या करें
स्कोर	बैंड	इसका क्या मतलब है	आगे क्या करें
0 – 20	कोई AI सिग्नल नहीं	पिक्सल में ऐसा कुछ भी नहीं है जो जनरेटिव मॉडल की ओर इशारा करे।	असली कैप्चर के रूप में पढ़ा जाता है। फिर भी संदर्भ की जाँच करें।
20 – 45	शायद असली	एक कम सिंथेटिक सिग्नल। हल्की एडिटिंग और कम्प्रेशन भी यहाँ आते हैं।	इसे तब तक असली मानें जब तक कि कुछ और इसके विपरीत न हो।
45 – 65	अनिर्णीत	अनिश्चित मध्य स्थिति। स्क्रीनशॉट, अपस्केलिंग और फिल्टर यहाँ आते हैं।	परिणाम को किसी भी तरह से प्रमाण न मानें।
65 – 90	संभावित AI	निर्णय रेखा से ऊपर, लेकिन इतना करीब कि भारी रिसाइजिंग इसे बदल सकती थी।	कार्रवाई करने से पहले दूसरे स्रोत से पुष्टि करें।
90 – 100	AI-जनरेटेड	पूरे फ्रेम में फैला एक मजबूत सिग्नल।	इसे सिंथेटिक मानें।

स्कोर के नीचे सिग्नल सूची होती है: हर वह साक्ष्य जिसने योगदान दिया। एक पूरे-फ्रेम का स्कोर हमेशा दिखाई देता है, रीजन रीडिंग तब आती है जब इमेज विभाजित करने के लिए पर्याप्त बड़ी हो, और फाइल में होने पर content credentials भी।

रीजन मैप वह जगह है जहाँ स्कोर जाँचने योग्य बन जाता है। प्रत्येक टाइल को अपने आप में स्कोर किया जाता है, ताकि आप देख सकें कि सिग्नल पूरे फ्रेम को समान रूप से कवर करता है या किसी एक कोने में है।

सुविधाएँ

केवल इस्तेमाल के लिए नहीं, भरोसे के लिए निर्मित

परिणाम के हर हिस्से को समझाया गया है, स्रोत दिए गए हैं और इसकी सीमाओं को स्पष्ट रखा गया है। यही एक ऐसे AI इमेज डिटेक्टर का अंतर है जिसे आप संदर्भित कर सकते हैं और जिस पर केवल भरोसा करना पड़ता है।

क्षेत्र हीटमैप

सटीक रूप से देखें कि सिंथेटिक सिग्नल कहाँ स्थित है। ओवरले को स्लाइड करें, या सीधे संख्याएँ पढ़ने के लिए प्रति-टाइल स्कोर पर स्विच करें।

बैच जाँच

एक साथ 25 छवियों तक कतारबद्ध करें। प्रत्येक कार्ड 100 में से अपना स्कोर और अपना निष्कर्ष दिखाता है; पूरा विवरण देखने के लिए किसी को भी खोलें।

इमेज लिंक के साथ काम करता है

कोई इमेज या सार्वजनिक वेबपेज पेस्ट करें और उसमें मौजूद छवियों में से चुनें। यदि कोई होस्ट ब्राउज़र एक्सेस को ब्लॉक करता है, तो इमेज को सेव करें और फ़ाइल को सीधे जोड़ें।

डिफ़ॉल्ट रूप से निजी

आपके द्वारा चुनी गई फ़ाइलें आपके अपने ब्राउज़र के भीतर ही पढ़ी और जाँची जाती हैं। वे कभी भी कहीं भी अपलोड, संग्रहीत, कतारबद्ध या लॉग नहीं की जाती हैं।

साझा करने योग्य साक्ष्य

एक लिखित सारांश कॉपी करें या स्कोर, प्रत्येक क्षेत्र के मान और निष्कर्ष के पीछे के तर्क के साथ एक पूर्ण JSON रिपोर्ट डाउनलोड करें।

कैलिब्रेटेड, अनुमानित नहीं

स्कोर एक निश्चित निर्णय सीमा के साथ प्रकाशित श्रेणियों से मेल खाते हैं, इसलिए 72 का अर्थ हमेशा एक ही होता है, और सीमाओं को छिपाने के बजाय स्पष्ट रूप से बताया गया है।

साझा करने योग्य रिपोर्ट

किसी क्लाइंट या सहकर्मी को लिंक के रूप में परिणाम भेजें। विश्लेषण स्वयं लिंक के भीतर भेजा जाता है, इसलिए तस्वीर कभी अपलोड नहीं होती है और इसे खोलने वाले व्यक्ति को तर्क दिखता है, आपकी फ़ाइल नहीं।

संक्षिप्त विवरण

AI इमेज डिटेक्टर वास्तव में क्या करता है

AI इमेज डिटेक्टर एक ऐसा टूल है जो किसी तस्वीर के पिक्सल को पढ़ता है और अनुमान लगाता है कि इसकी कितनी संभावना है कि इसे किसी जनरेटिव मॉडल ने बनाया है। यह फाइल के मेटाडेटा को नहीं, बल्कि इमेज के सांख्यिकीय टेक्सचर (statistical texture) को देखता है, फिर एक संभावना, एक कॉन्फिडेंस बैंड और फैसले के पीछे के साक्ष्य देता है।

2024 के आसपास आपकी आंखें एक भरोसेमंद टेस्ट नहीं रह गईं। वे कमियाँ जिन्हें ढूँढना लोगों को सिखाया गया था — छह उंगलियों वाले हाथ, पिघला हुआ टेक्स्ट, शीशे जैसी त्वचा — वे सबसे पहले नए मॉडलों द्वारा ठीक की गईं।

इसलिए यह AI पिक्चर डिटेक्टर उस स्तर पर काम करता है जिसे आप देख नहीं सकते। लाखों असली और जनरेटेड फ्रेम पर प्रशिक्षित एक मॉडल यह पढ़ता है कि प्रत्येक पिक्सल अपने पड़ोसियों के साथ कैसे बैठता है, और कैमरा सेंसर व diffusion मॉडल के बीच यह संबंध अलग होता है जो स्क्रीनशॉट लेने के बाद भी बना रहता है। हटाया गया EXIF ब्लॉक इसे अंधा नहीं कर सकता।

0–100कॉन्फिडेंस स्कोर

25प्रति बैच इमेज

9मैप किए गए क्षेत्र

0सर्वर पर भेजी गई फाइलें

कठिन मामले

कठिन इमेज जिन्हें अन्य डिटेक्टर छोड़ देते हैं

पूरी तरह से जनरेटेड तस्वीरें आसान मामला हैं। लगभग कोई भी AI इमेज चेकर सीधे जनरेटर से निकले साफ Midjourney रेंडर को पकड़ लेता है। समस्या मिश्रित फ्रेम, री-कम्प्रेस्ड फाइल और उन तस्वीरों के साथ शुरू होती है जो बनने के बाद चार प्लेटफॉर्म से गुजर चुकी हैं।

The same headline score can come from a wholly generated image or from a real photograph with one object added. Only the tile breakdown separates them.

AI एडिटिंग वाली असली फोटो

कोई वस्तु जोड़ी गई, कोई व्यक्ति हटाया गया, या बैकग्राउंड बदला गया। फ्रेम का केवल एक हिस्सा सिंथेटिक है, इसलिए एक पूरे-इमेज का स्कोर आसपास के असली पिक्सल के मुकाबले नकली क्षेत्र को औसत कर देता है।

AI-अपस्केल और रीटच की गई फोटो

कैप्चर असली था। विवरण नहीं। अपस्केलर और रीटच मॉडल पोर टेक्सचर, बालों की लटें और कपड़ों की बुनाई ईजाद करते हैं जिन्हें किसी सेंसर ने रिकॉर्ड नहीं किया था, जो एक असली तस्वीर को स्केल पर ऊपर ले जाता है।

स्क्रीनशॉट और री-अपलोड

हर प्लेटफॉर्म आपके द्वारा पोस्ट की गई चीज़ों को री-एनकोड करता है और फाइल डेटा को फेंक देता है। मेटाडेटा चेक वहाँ काम नहीं करते। पिक्सल सिग्नल कम हो जाता है लेकिन बचा रहता है, यही कारण है कि यह हेडर के बजाय फ्रेम को पढ़ता है।

फेस स्वैप और सिंथेटिक पोर्ट्रेट

जनरेटेड चेहरे के साथ एक असली शरीर, या ऐसा चेहरा जो किसी का नहीं है। स्वैप किया गया क्षेत्र फ्रेम के बाकी हिस्सों की तुलना में बहुत अधिक स्कोर करता है, इसलिए यह समान फैलाव के बजाय एक गर्म (hot) क्षेत्र के रूप में दिखता है।

स्टाइलाइज्ड आर्ट, एनिमे और इलस्ट्रेशन

फोटोग्राफिक न होने का मतलब यह नहीं है कि वह असली नहीं है, और दोनों में भ्रम होना ही झूठे आरोपों की वजह बनता है। हाथ से बने रेखाचित्र में भी कोई सेंसर नॉइज़ नहीं होता, इसलिए AI आर्ट डिटेक्टर को शैली के बजाय पैटर्न का आकलन करना होता है।

पहचान से बचने के लिए एडिट की गई छवियां

नॉइज़ जोड़ना, फिल्टर लगाना, फ़ाइल को कई बार फिर से सहेजना। जो एडिट जनरेटर के निशानों को छिपाते हैं, वे तस्वीर को भी साफ़ तौर पर खराब करते हैं, और भारी नुकसान परिणाम को अनिर्णायक दायरे में धकेल देता है।

सटीकता

AI इमेज डिटेक्टर कितना सटीक है

बेंचमार्क सेट पर, यह मॉडल साफ़ इमेजेस पर 91.3% संतुलित सटीकता (balanced accuracy) तक पहुँचता है। उन्हीं इमेजेस को 60 क्वालिटी पर JPEG के रूप में री-एन्कोड करें और यह 87.3% बनी रहती है। क्वालिटी 40 तक घटाएँ और यह 84.6% रहती है। संतुलित सटीकता का अर्थ है कि असली और जनरेटेड इमेजेस को समान भार दिया गया है, ताकि किसी असंतुलित टेस्ट सेट से आँकड़ा बढ़ा-चढ़ाकर न दिखे।

ये आँकड़े मॉडल के प्रकाशित बेंचमार्क से आते हैं, किसी आंतरिक परीक्षण से नहीं। वे उस डेटासेट पर पिक्सेल लेन का वर्णन करते हैं, और आपकी इमेज वह डेटासेट नहीं है।

विश्वसनीयता क्या कम करता है

बहुत छोटी इमेजेस, और छोटी तरफ़ 576 पिक्सेल से कम की कोई भी फ़ाइल, जो क्षेत्रों में विभाजित करने के लिए बहुत छोटी है
स्क्रीनशॉट के स्क्रीनशॉट, जहाँ फ़्रेम को कई बार री-एन्कोड किया गया हो
पिछले कुछ हफ़्तों में रिलीज़ हुए जनरेटर का आउटपुट
भारी फ़िल्टर, मोटे बॉर्डर, कोलाज और इमेज पर लिखा गया टेक्स्ट
मिश्रित फ़्रेम जहाँ केवल एक छोटा हिस्सा सिंथेटिक है और बाकी असली कैप्चर है

फ़ॉल्स पॉज़िटिव वह असली तस्वीर है जिसे सीमा रेखा से ऊपर स्कोर मिला है। भारी रीटचिंग, अपस्केलिंग और अत्यधिक कम्प्रेशन इसके सामान्य कारण हैं, और स्क्रीनशॉट के बजाय ओरिजिनल अपलोड करने से इनमें से अधिकांश ठीक हो जाते हैं।

फ़ॉल्स नेगेटिव वह जनरेटेड इमेज है जिसे सीमा रेखा से नीचे स्कोर मिला है। कोई नया जनरेटर, असली फ़्रेम के अंदर एक छोटा सिंथेटिक पैच, या भारी प्रोसेस की गई फ़ाइल ऐसा कर सकती है।

परिणाम एक साक्ष्य है, कोई अंतिम फ़ैसला नहीं। इमेज कहाँ से आई है, इसके बारे में आप जो कुछ भी जानते हैं, उसके साथ इसे तौलें।

आंतरिक कार्यप्रणाली

डिटेक्टर किसी छवि का विश्लेषण कैसे करता है

प्रत्येक छवि पर दो प्रक्रियाएं एक साथ चलती हैं, जिन्हें जानबूझकर अलग रखा गया है। एक पिक्सेल की जांच करती है। दूसरी फ़ाइल की जांच करती है। कोई भी प्रक्रिया दूसरी के परिणाम को चुपचाप खारिज नहीं करती, क्योंकि दोनों के विफल होने के तरीके अलग हैं।

पिक्सेल लेन एक vision transformer है जिसे Community Forensics डेटासेट पर प्रशिक्षित किया गया है — जिसमें मॉडलों की एक विस्तृत श्रृंखला में लाखों वास्तविक तस्वीरें और जनरेटेड छवियां शामिल हैं। यह फ़्रेम को 384 पिक्सेल वर्ग पर पढ़ता है और एक कच्ची संभावना देता है, जिसे इस तरह कैलिब्रेट किया गया है कि संख्या प्रकाशित श्रेणियों से मेल खाए। यह जनरेशन के सांख्यिकीय अवशेषों को पकड़ता है: diffusion मॉडल और generative adversarial networks (GAN) पड़ोसी पिक्सेल के संबंध में जनरेटर-विशिष्ट संकेत छोड़ते हैं, जो सेंसर और लेंस द्वारा उत्पन्न परिणामों से मापने योग्य रूप से भिन्न होते हैं।

वही मॉडल फिर ओवरलैपिंग टाइल्स के ग्रिड के रूप में पूरे फ़्रेम पर चलता है, और प्रत्येक का अलग से स्कोर तय किया जाता है। यह आंशिक एडिट को पकड़ लेता है, क्योंकि बदला हुआ चेहरा अपनी टाइल्स में पहचान में आ जाता है जबकि उसके आसपास की अछूती तस्वीर का स्कोर कम रहता है। पर्याप्त क्षेत्रों में विभाजित होने के लिए छवि के छोटे हिस्से पर 576 पिक्सेल होने की आवश्यकता होती है।

फ़ाइल लेन स्रोत (provenance) की जांच करती है। यह content provenance and authenticity (C2PA) क्रेडेंशियल्स की जांच करती है और क्रिप्टोग्राफ़िक रूप से हस्ताक्षर की पुष्टि करती है, फिर एम्बेडेड जनरेशन पैरामीटर, जनरेटर नाम और SynthID वॉटरमार्क घोषणाओं को स्कैन करती है। इन सटीक पिक्सेल से बंधा एक हस्ताक्षरित क्रेडेंशियल मजबूत प्रमाण होता है। एक सामान्य टेक्स्ट मार्कर कमजोर होता है, क्योंकि कोई भी इसे कॉपी कर सकता है, और दोनों को अलग-अलग श्रेणी में रखा जाता है।

दोनों लेन मिलकर एक निष्कर्ष देती हैं, और असहमति को छिपाने के बजाय रिपोर्ट किया जाता है। रेखा से ऊपर के अधिकांश क्षेत्रों के साथ पूरे फ़्रेम का कम स्कोर एक परस्पर विरोधी साक्ष्य परिणाम देता है जो ठीक यही बताता है।

यह टूल क्या नहीं करता: यह एरर लेवल एनालिसिस, सेंसर पैटर्न नॉइज़ मैचिंग, या शैडो-एंड-रिफ्लेक्शन ज्योमेट्री जांच नहीं चलाता है। ये वास्तविक फॉरेंसिक तकनीकें हैं और वे इस बिल्ड में शामिल नहीं हैं। उनका दावा करना आसान होगा और यह गलत होगा।

पिक्सेल विश्लेषण क्यों

वास्तविक छवियों पर मेटाडेटा और वॉटरमार्क क्यों विफल हो जाते हैं

लगभग किसी भी प्लेटफ़ॉर्म पर छवि पोस्ट होते ही मेटाडेटा हटा दिया जाता है, इसलिए मेटाडेटा-आधारित जांच ठीक उन्हीं छवियों पर विफल हो जाती है जिन्हें लोगों को सत्यापित करने की आवश्यकता होती है। किसी अजनबी द्वारा भेजी गई तस्वीर कंप्रेशन प्रक्रिया से गुज़री होती है, जिसमें पढ़ने के लिए कोई फ़ाइल डेटा नहीं बचता।

EXIF में कैमरे का मेक, लेंस, एक्सपोज़र और कभी-कभी स्थान की जानकारी होती है। यह सामान्य फ़ाइल कॉपी में सुरक्षित रहता है। यह सोशल प्लेटफ़ॉर्म, मैसेजिंग ऐप, स्क्रीनशॉट या अधिकांश री-सेव के बाद बच नहीं पाता।

Content Credentials एक वास्तविक सुधार हैं, और यह टूल मौजूद होने पर उनकी क्रिप्टोग्राफ़िक रूप से पुष्टि करता है। वे केवल तभी मान्य रहते हैं जब चेन का प्रत्येक टूल उन्हें सुरक्षित रखे, और बिना समर्थन वाले एडिटर में एक बार सेव करने से यह चेन टूट जाती है। इसका उपयोग अभी बहुत कम है, इसलिए अधिकांश छवियों में यह नहीं होता, और उनकी अनुपस्थिति कुछ भी साबित नहीं करती। अदृश्य वॉटरमार्क तब काम करते हैं जब जनरेटर ने उन्हें लागू किया हो और उसके बाद से किसी चीज़ ने उन्हें प्रभावित न किया हो; क्रॉप करने या री-एन्कोड करने से मार्क हट सकता है, और कई जनरेटर इसे कभी लागू ही नहीं करते।

इस तरह स्क्रीनशॉट के बाद केवल पिक्सेल-स्तर का विश्लेषण ही एकमात्र तरीका बचता है जिससे कुछ पढ़ा जा सकता है। यह सटीक नहीं है, और नीचे दिए गए अनुभाग ईमानदारी से बताते हैं कि यह कहाँ चूक जाता है। यह एकमात्र तरीका है जो छवियों के वास्तविक उपयोग के तौर-तरीकों में भी काम करता है।

कवरेज

यह किन जनरेटरों को पहचानता है

यहाँ दो प्रक्रियाएं होती हैं, और उन्हें एक समझना ही उपकरणों द्वारा बढ़ा-चढ़ाकर किए गए दावों की वजह बनता है। पिक्सेल मॉडल ब्रांड की पहचान नहीं करता: यह सामान्य तौर पर जनरेटेड टेक्सचर को कैमरे के टेक्सचर से अलग करता है, जिससे यह ऐसे मॉडल को भी पहचान सकता है जिसे इसने पहले कभी नहीं देखा। फ़ाइल स्कैन अलग प्रक्रिया है, और यह सटीक टूल का नाम बता सकती है।

पिक्सेल विश्लेषण क्या करता है

यह इस बात की संभावना बताता है कि फ़्रेम सिंथेटिक है या नहीं, चाहे उसे किसी ने भी बनाया हो। उस संख्या से कोई ब्रांड जुड़ा नहीं होता। हाल के हफ़्तों में जारी किए गए जनरेटर के आउटपुट पर सटीकता कम रहने की संभावना होती है, और यह बात हर डिटेक्टर पर लागू होती है।

फ़ाइल स्कैन किन नामों की पहचान कर सकता है

जब किसी छवि में अभी भी क्रेडेंशियल या जनरेशन पैरामीटर मौजूद होते हैं, तो स्कैन टूल के नाम की पहचान करता है। ये मार्कर लोगों की उम्मीद से बहुत कम मामलों में ही बच पाते हैं।

Midjourney
OpenAI DALL·E और GPT image
Stable Diffusion और SDXL
Adobe Firefly
FLUX (Black Forest Labs)
Google Imagen और Gemini
Leonardo.Ai
Ideogram
Recraft
xAI Grok
Runway
SynthID वॉटरमार्क घोषणाएं

उत्पादों के नाम उनके स्वामियों के हैं। यहाँ सूची केवल डिटेक्शन कवरेज दर्शाती है, किसी संबद्धता को नहीं।

संदेहवादी का प्रश्न

क्या किसी AI छवि को डिटेक्शन से बचने के लिए एडिट किया जा सकता है?

हाँ, लोग कोशिश करते हैं, और यह इतनी बार काम कर जाता है कि इसे समझना ज़रूरी है। पहचान एक बदलता लक्ष्य है और इसके विपरीत दावा करने वाला कोई भी पेज कुछ न कुछ बेच रहा है।

इन प्रयासों की कुछ श्रेणियाँ हैं: नॉइज़ जोड़ना, भारी फ़िल्टर लगाना, बार-बार री-सेव करना, बहुत टाइट क्रॉप करना, स्क्रीनशॉट लेना, और इमेज को किसी दूसरे मॉडल से गुज़ारना। इनमें से हर तरीका उन जनरेटर निशानों को कमज़ोर करता है जिन्हें डिटेक्टर पढ़ता है।

यहाँ वह बात आती है जिसे छोड़ दिया जाता है। वही संपादन तस्वीर को भी खराब करते हैं। सिग्नल को छिपाने के लिए इतना ज़ोर लगाएँ कि इमेज साफ़ तौर पर डैमेज हो जाए, और वह डैमेज खुद मापने योग्य होता है। बहुत ज़्यादा प्रोसेस की गई फ़ाइल आमतौर पर असली साबित होने के बजाय अनिर्णायक श्रेणी में आ जाती है।

मॉडल को सिर्फ़ साफ़ आउटपुट पर नहीं, बल्कि पोस्ट-प्रोसेस्ड और एडवरसैरियल रूप से संपादित नमूनों पर प्रशिक्षित किया गया था, इसलिए सामान्य कम्प्रेशन और साधारण फ़िल्टर इसे चकमा नहीं दे पाते। सच सीमा यह है: यदि किसी इमेज को बहुत अधिक बदल दिया जाए तो वह अनिर्णायक हो जाती है, और यह टूल अंदाज़ा लगाने के बजाय साफ़ बता देता है।

यह अनुभाग प्रयासों की श्रेणियों का वर्णन करता है क्योंकि लोग इनके बारे में खोजते हैं और एक सीधा जवाब पाने के हकदार हैं। यह जानबूझकर पहचान से बचने के लिए कोई सेटिंग्स, चरण या टूल नहीं देता है।

आँखों से देखकर

संकेत कि इमेज AI द्वारा बनाई गई थी

कुछ भी अपलोड करने से पहले, आठ चीज़ों पर नज़र डालना उपयोगी है। इनमें से कोई भी अकेले निर्णायक नहीं है।

उंगलियाँ गिनें, फिर देखें कि हाथ वस्तुओं से कैसे मिलते हैं।
दाँत, कान और गहने देखें, जहाँ बार-बार आने वाले छोटे आकार गलत हो जाते हैं।
साइनों, लेबलों और पैकेजिंग पर कोई भी लिखा टेक्स्ट पढ़ें।
आँखों, शीशों और काँच में दिखने वाले प्रतिबिंबों को देखें।
परछाई की दिशा को वापस प्रकाश स्रोत तक ट्रैक करें।
भीड़, कपड़े और पत्तियों में दोहराए जाने वाले पैटर्न खोजें।
उस किनारे को देखें जहाँ बाल या रोएँ बैकग्राउंड से मिलते हैं।
ऐसी त्वचा देखें जिसमें कोई रोमछिद्र न हों, कोई विषमता न हो और कोई दाग-धब्बे न हों।

अब असहज करने वाला हिस्सा। नवीनतम जनरेटर इस सूची के अधिकांश हिस्से को पार कर लेते हैं। हाथ काफी हद तक ठीक हो गए हैं, टेक्स्ट लगभग सही है, और त्वचा की बनावट फ़ुल रेज़ोल्यूशन पर आश्वस्त करती है। ये निशान अभी भी पुराने आउटपुट को पकड़ लेते हैं, जो कि व्यापक रूप से प्रसारित होता है, लेकिन सभी आठों में पास होना कुछ भी साबित नहीं करता। वही कमी पिक्सेल विश्लेषण पूरी करता है।

व्यावहारिक उपयोग

लोग इससे क्या जांचते हैं

उत्पाद तस्वीरें और मार्केटप्लेस लिस्टिंग

जनरेट की गई उत्पाद तस्वीर ऐसा सामान बेचती है जिसे किसी ने बनाया ही नहीं। भुगतान करने से पहले लिस्टिंग छवि की जांच करें, विशेष रूप से तब जब एक तस्वीर विक्रेता की अन्य तस्वीरों की तुलना में अधिक साफ़ दिखे।

रसीदें, इनवॉइस और भुगतान प्रमाण

एक जाली रसीद अधिकांश रिफंड धोखाधड़ी की शुरुआत होती है। छवि की जांच करें और क्षेत्र मानचित्र देखें, क्योंकि ये आमतौर पर एडिट किए गए नंबरों वाले वास्तविक टेम्पलेट होते हैं।

पहचान दस्तावेज और सत्यापन सेल्फी

सिंथेटिक पहचान तस्वीरें और एडिट किए गए दस्तावेज़ रोज़ाना ऑनबोर्डिंग कतारों में पहुंचते हैं। समग्र स्कोर की तुलना में क्षेत्र मानचित्र अधिक मायने रखता है, क्योंकि जाली हिस्सा अक्सर एक छोटा पैच होता है।

प्रोफ़ाइल चित्र और डेटिंग ऐप तस्वीरें

काल्पनिक चेहरा बनाना आसान है और पहचानना कठिन। किसी व्यक्ति पर भरोसा करने से पहले प्रोफ़ाइल चित्र की जांच करें, खासकर जब केवल एक ही तस्वीर उपलब्ध हो।

बीमा और नुकसान के दावे की तस्वीरें

जनरेट किया गया नुकसान और एडिट किए गए साक्ष्य दोनों दावों में सामने आते हैं। वास्तविक तस्वीर पर आंशिक एडिट होना सामान्य बात है, इसलिए मुख्य स्कोर के बजाय टाइल्स का विवरण देखें।

डिलीवरी और काम पूरा होने के प्रमाण की तस्वीरें

डिलीवरी के प्रमाण वाली छवियों को नकली बनाना आसान है और इनकी शायद ही कभी जांच की जाती है। जब किसी पैकेज पर विवाद हो या केवल तस्वीर के आधार पर काम को मंज़ूरी दी गई हो, तो उनकी जांच करें।

समाचार तस्वीरें और वायरल पोस्ट

ताज़ा समाचार के पहले घंटे में एक विश्वसनीय नकली तस्वीर सबसे तेजी से फैलती है। प्रकाशित करने या दोबारा पोस्ट करने से पहले सत्यापन करें, और रिपोर्ट को फ़ाइल के साथ रखें।

कलाकृतियां, रेखाचित्र और पोर्टफोलियो

दोनों ही स्थितियां नुकसान पहुंचाती हैं: जनरेट किए गए काम को असली बताना, और किसी मानवीय कलाकार पर गलत आरोप लगाना। निष्कर्ष के बजाय साक्ष्यों को देखें, क्योंकि केवल शैलीगत रूप कुछ भी साबित नहीं करता।

संपत्ति, किराया और यात्रा लिस्टिंग

जनरेट किए गए इंटीरियर और संवर्धित एक्सटीरियर ऐसी जगह दिखाते हैं जो मौजूद ही नहीं है। जिस जगह पर आप व्यक्तिगत रूप से नहीं गए हैं, उसके लिए अग्रिम भुगतान करने से पहले लिस्टिंग तस्वीरों की जांच करें।

दान की अपील और धन जुटाने वाली छवियां

भावुक करने वाली जनरेटेड छवियां दान से जुड़ी धोखाधड़ी को बढ़ावा देती हैं। किसी तत्काल अपील के लिए दान देने और उसे आगे साझा करने से पहले उससे जुड़ी तस्वीर की जांच करें।

परिणाम

जब कोई जाली तस्वीर पकड़ में नहीं आती तो क्या नुकसान होता है

मार्केटप्लेस धोखाधड़ी

सामान का कभी कोई अस्तित्व ही नहीं था

एक विक्रेता जनरेटेड तस्वीरों के साथ फ़र्नीचर को सूचीबद्ध करता है, दर्जनों खरीदारों से भुगतान लेता है, और फिर खाता बंद कर देता है। प्रत्येक खरीदार बैंक विवाद में फंस जाता है और उसके पास ऐसी तस्वीर होती है जिसका किसी वास्तविक उत्पाद से कोई मेल नहीं होता।

रोमांस स्कैम

एक काल्पनिक चेहरा

सिंथेटिक पोर्ट्रेट की मदद से एक संचालक चुराई गई तस्वीरों पर रिवर्स-इमेज-सर्च के जोखिम के बिना कई नकली पहचान बना सकता है। पीड़ित महीनों तक पैसे गंवाते रहते हैं, और तस्वीर को कहीं और खोजने की सामान्य सलाह चुपचाप निष्प्रभावी हो जाती है।

पहचान सत्यापन

ऑनबोर्डिंग प्रणाली ऐसे व्यक्ति को स्वीकार कर लेती है जो मौजूद ही नहीं है

जनरेटेड सेल्फी और एडिट किए गए दस्तावेज़ इंसानी जालसाजी पकड़ने के लिए बनाई गई पहचान सत्यापन (KYC) प्रक्रियाओं को पार कर जाते हैं। जो खाता खुलता है उसका उपयोग मनी लॉन्ड्रिंग के लिए किया जाता है, और जिस वास्तविक व्यक्ति का विवरण जोड़ा गया था उसे बहुत बाद में इसका पता चलता है।

दावा धोखाधड़ी

नुकसान जिसे बाद में जोड़ा गया

एक असली कार की वास्तविक तस्वीर में जनरेटिव फिल की मदद से ऐसा डेंट जोड़ दिया जाता है जो कभी था ही नहीं। पूरी छवि का स्कोर इसे काफी हद तक प्रामाणिक मानता है, क्योंकि यह अधिकांशतः वैसी ही होती है, और दावे का भुगतान हो जाता है।

ताज़ा समाचार

पहला घंटा जाली तस्वीर के नाम होता है

किसी घटनाक्रम के दौरान एक मनगढ़ंत छवि तेजी से फैलती है जबकि सत्यापन प्रक्रिया पीछे रह जाती है। सुधार केवल उन लोगों के एक छोटे हिस्से तक ही पहुंच पाता है जिन्होंने मूल तस्वीर देखी थी, और वह तस्वीर बाद में वर्षों तक प्रसारित होती रहती है।

शैली की चोरी

एक कलाकार नकल के साथ प्रतिस्पर्धा करता है

किसी जीवित कलाकार की शैली में जनरेट किया गया काम कमीशन को कम करता है और उन्हीं टैग्स में भर जाता है। इसका उल्टा भी होता है: कलाकारों पर केवल किसी के अनुमान के आधार पर अपना ही काम AI से बनाने का आरोप लगा दिया जाता है।

यह किसके लिए है

यह किसके लिए बनाया गया है

सामान्य उपयोगकर्ता

किसी ने आपको एक तस्वीर भेजी और वह संदिग्ध लग रही है। इसे यहाँ डालें, संख्या देखें और आगे बढ़ें। कोई खाता नहीं, कुछ भी इंस्टॉल करने की आवश्यकता नहीं, और फ़ाइल आपके ब्राउज़र में ही रहती है।

विक्रेता और खरीदार

आप किसी ऐसी चीज़ के लिए भुगतान करने वाले हैं जिसे आपने केवल तस्वीरों में देखा है। क्षेत्र मानचित्र सबसे अधिक मायने रखता है, क्योंकि एडिट की गई लिस्टिंग तस्वीरें आमतौर पर एक नए कल्पित विवरण के साथ वास्तविक तस्वीरें होती हैं।

विश्वास और सुरक्षा टीमें

आप एक कतार का मूल्यांकन कर रहे हैं, किसी एक छवि की जांच नहीं। बैच एक बार में प्रत्येक छवि के निष्कर्ष के साथ 25 को संभालता है, और प्रत्येक परिणाम JSON के रूप में निर्यात होता है जिसे आप केस के साथ संलग्न कर सकते हैं।

पत्रकार और तथ्य-जांचकर्ता

आपको संपादक के समक्ष अपने निर्णय का बचाव करना होता है। सिग्नल ब्रेकडाउन दिखाता है कि किस कारक ने कितना योगदान दिया, श्रेणियां प्रकाशित हैं, और सीमाएं छिपी होने के बजाय पृष्ठ पर स्पष्ट रूप से मौजूद हैं।

शिक्षक और छात्र

आप लोगों को किसी निष्कर्ष पर आंख मूंदकर भरोसा करने के बजाय साक्ष्यों का मूल्यांकन करना सिखा रहे हैं। क्षेत्र मानचित्र तर्क को स्पष्ट रूप से दिखाता है, जो कक्षा में केवल एक प्रतिशत बताने से कहीं बेहतर है।

कलाकार और डिज़ाइनर

आप किसी सबमिशन की जांच कर रहे हैं, या किसी आरोप के खिलाफ अपने काम का बचाव कर रहे हैं। शैलीगत छवियां सबसे कठिन मामला हैं, और यह टूल अनिश्चितता को छिपाने के बजाय स्पष्ट रूप से दिखाता है।

उपयोग के मामले

कौन छवियों की जाँच करता है, और क्यों

न्यूज़रूम

प्रकाशित करने से पहले सबमिट की गई तस्वीर को सत्यापित करें, और रिपोर्ट को स्टोरी फ़ाइल के साथ रखें।

मार्केटप्लेस

जनरेट किए गए उत्पाद फ़ोटो और फ़र्ज़ी लिस्टिंग छवियों को लाइव होने से पहले पकड़ें।

डेटिंग और सामाजिक सुरक्षा

किसी व्यक्ति पर भरोसा करने से पहले उसकी प्रोफ़ाइल तस्वीर की जाँच करें।

शिक्षा

सबमिट किए गए कार्य की समीक्षा करें और छात्रों को दिखाएं कि वास्तविक साक्ष्य कैसा दिखता है।

बीमा और दावे

जनरेट किए गए नुकसान या संपादित साक्ष्यों के लिए क्लेम फ़ोटोग्राफ़ की जाँच करें।

ब्रांड और एजेंसियाँ

सप्लायर और स्टॉक छवियों का ऑडिट करें ताकि कोई भी जनरेट की गई सामग्री अभियान में शामिल न हो सके।

अगले कदम

आपको पता चला कि यह AI है। अब क्या?

पहले सबूत सहेजें

JSON रिपोर्ट डाउनलोड करें और ओरिजिनल फ़ाइल रखें। जब आप तय कर रहे होते हैं कि क्या करना है, तब पोस्ट डिलीट हो जाती हैं और अकाउंट बंद हो जाते हैं।
सबसे पुरानी कॉपी खोजें

सबसे पुरानी कॉपी के लिए रिवर्स इमेज सर्च चलाएँ। 2019 से ऑनलाइन मौजूद इमेज के diffusion आउटपुट होने की संभावना नहीं है, भले ही पिक्सेल कुछ भी सुझाएँ।
इसके पीछे के अकाउंट को देखें

अन्य संकेतों के लिए विक्रेता, प्रोफ़ाइल या पेज की जाँच करें: अकाउंट की उम्र, क्या अन्य फ़ोटो में वही हस्ताक्षर हैं, और क्या तस्वीर अलग-अलग नामों से दिखाई देती है।
इसे वहीं रिपोर्ट करें जहाँ यह मिली

अधिकांश प्लेटफ़ॉर्मों पर अब सिंथेटिक मीडिया नीति है। सामान्य स्पैम श्रेणी के बजाय उस विशिष्ट नियम के तहत रिपोर्ट करें, और यदि फ़ॉर्म अनुमति देता है तो स्कोर संलग्न करें।
इसे बिना लेबल किए दोबारा शेयर न करें

लोगों को चेतावनी देने के लिए फ़ेक को दोबारा पोस्ट करने से यह और फैलता है, और चेतावनी कुछ ही शेयर के भीतर इमेज से अलग हो जाती है। पोस्ट में ही इसे लेबल करें।

विकल्प

जाँच के अन्य तरीकों से इसकी तुलना कैसे की जाती है

तरीका	स्क्रीनशॉट के बाद भी काम करता है	नतीजे की वजह बताता है	आंशिक एडिट की पहचान करता है	लागत
खुद अपनी आँखों से परखना	हाँ	नहीं	शायद ही कभी	मुफ्त
मेटाडेटा या EXIF व्यूअर	नहीं	आंशिक रूप से	नहीं	मुफ्त
वॉटरमार्क या क्रेडेंशियल जाँच	सिर्फ़ तभी जब सुरक्षित रहे हों	आंशिक रूप से	नहीं	मुफ्त
रिवर्स इमेज सर्च	कभी-कभी	नहीं	नहीं	मुफ्त
किसी आम AI चैटबॉट से पूछना	अविश्वसनीय	आत्मविश्वास से भरा, अक्सर गलत	नहीं	बदलता रहता है
यह डिटेक्टर	हाँ	हाँ	हाँ	मुफ्त

किसी चैटबॉट से पूछना सबसे आम गलती है। एक सामान्य लैंग्वेज मॉडल बिना किसी फॉरेंसिक विश्लेषण के एक धाराप्रवाह, आत्मविश्वासी पैराग्राफ बना देता है: न कोई कैलिब्रेटेड थ्रेशोल्ड, न कोई बेंचमार्क, न यह दिखाने का तरीका कि किन पिक्सल के आधार पर जवाब दिया गया। यह पूरे वाक्यों में सिर्फ़ अंदाज़ा लगाता है, और उसकी भाषा ही लोगों को भ्रमित करती है।

सुविधा-दर-सुविधा

यह एक सामान्य ऑनलाइन चेकर से कैसे भिन्न है

अधिकांश मुफ़्त चेकर केवल एक काम करते हैं: आपका अपलोड लेते हैं और एक संख्या वापस देते हैं। यहाँ बताया गया है कि उसमें क्या-क्या छूट जाता है, पंक्ति दर पंक्ति।

सुविधा	Best AI Image Detector	सामान्य ऑनलाइन चेकर
आपके ब्राउज़र में चलता है, कुछ भी अपलोड नहीं होता	हाँ	नहीं सर्वर पर भेजी गई फाइलें
असली फ़ोटो के भीतर AI संपादन ढूँढता है	हाँ	नहीं केवल पूरी छवि
टाइल स्कोर के साथ प्रति-क्षेत्र हीटमैप	हाँ 9 टाइलें	नहीं
प्रकाशित स्कोर श्रेणियाँ और निर्णय सीमा	हाँ	आंशिक रूप से केवल स्कोर, श्रेणियाँ अस्पष्ट
Content Credentials (C2PA) सत्यापन	हाँ	नहीं
एक बार में बैच जाँच	हाँ 25 तक	आंशिक रूप से अक्सर एक बार में एक
प्रिंट करने योग्य PDF रिपोर्ट	हाँ	नहीं
मशीन द्वारा पठनीय JSON निर्यात	हाँ	नहीं
HEIC, AVIF और TIFF इनपुट	हाँ	आंशिक रूप से केवल JPG और PNG
सटीकता के आंकड़े और सीमाएं प्रकाशित	हाँ	नहीं
दैनिक मुफ़्त सीमा	हाँ 50 छवियाँ	आंशिक रूप से कुल मिलाकर 10 से 20
खाते की आवश्यकता नहीं	हाँ	नहीं परिणाम देखने के लिए साइन-अप
साझा करने योग्य रिपोर्ट लिंक	हाँ कोई अपलोड नहीं	आंशिक रूप से उनके सर्वर पर होस्ट किया गया
विज्ञापन-मुक्त	हाँ	नहीं

दायाँ कॉलम मुफ़्त वेब-आधारित चेकर्स के सामान्य पैटर्न का वर्णन करता है, किसी एक उत्पाद का नहीं। व्यक्तिगत टूल अलग-अलग पंक्तियों पर बेहतर प्रदर्शन करते हैं, और यह तुलना सर्वोत्तम स्थिति के बजाय सामान्य स्थिति के बारे में है।

पहुँच

उपयोग के लिए मुफ़्त, किसी अकाउंट की ज़रूरत नहीं

प्रत्येक जाँच मुफ़्त है। आपको किसी अकाउंट, ईमेल पते या भुगतान विधि की आवश्यकता नहीं है, और कोई ट्रायल समाप्त नहीं होता है। इसका कारण उदारता के बजाय संरचनात्मक है: मॉडल आपके अपने डिवाइस पर आपके ब्राउज़र के अंदर चलता है, इसलिए वसूलने के लिए प्रति-जाँच सर्वर लागत नहीं है। प्रतिदिन 50 इमेजेस की सीमा पेवॉल के बजाय फेयर-यूज़ सीमा है, और यह रात भर में रीसेट हो जाती है। इस मुफ़्त AI इमेज डिटेक्टर में पहचान मुफ़्त ही रहती है।

मुफ्त

$0कोई कार्ड नहीं, कोई समय सीमा नहीं

प्रतिदिन 50 जाँच
कोई अकाउंट नहीं
प्रति बैच 25 इमेजेस
प्रति फ़ाइल 60 MB
क्षेत्रीय मैप
Content Credentials सत्यापन
शेयर करने योग्य रिपोर्ट लिंक
PDF और JSON एक्सपोर्ट

सशुल्क

अभी नहीं

कोई सशुल्क टीयर नहीं है और न ही इसके लिए कोई तारीख है। यदि यह आता है तो यह रिपोर्टिंग और टीम वर्कफ़्लो को कवर करेगा, और इसके साथ सूचीबद्ध बाकी सब कुछ मुफ़्त रहेगा। यहाँ कुछ भी ऐसा ट्रायल नहीं है जो समाप्त हो जाए।

सशुल्क टीयर में क्या जोड़ा जाएगा

बैच अधिकतम 25 इमेजेस और फ़ाइलें 60 MB तक सीमित हैं, जो कि एक ब्राउज़र टैब द्वारा आसानी से संभाली जा सकने वाली सीमाएँ हैं। दैनिक सीमा आपके अपने डिवाइस पर गिनी जाती है और आपके टाइमज़ोन में आधी रात को रीसेट हो जाती है।

गोपनीयता

आपके द्वारा अपलोड की गई इमेज का क्या होता है

कुछ भी अपलोड नहीं किया जाता है। आपके द्वारा चुनी गई फ़ाइल आपके ब्राउज़र टैब के अंदर पढ़ी और जाँची जाती है और कभी भी किसी सर्वर पर नहीं जाती है, इसलिए बताने के लिए कोई डेटा रखने की अवधि नहीं है और न ही कुछ डिलीट करने के लिए है। आपकी इमेजेस का उपयोग कभी भी ट्रेनिंग के लिए नहीं किया जाता है, क्योंकि वे कभी ऐसी जगह पहुँचती ही नहीं जहाँ वे हो सकें। एक अपवाद: URL बॉक्स नेटवर्क पर किसी दूरस्थ इमेज को फ़ेच करता है, और जब कोई होस्ट सीधे एक्सेस को ब्लॉक करता है तो वह अनुरोध सार्वजनिक प्रॉक्सी के माध्यम से रूट होता है।

चुनें फ़ाइल को पेज द्वारा आपके डिवाइस से पढ़ा जाता है।

स्कोर मॉडल हमारे लिए ऑफ़लाइन रहते हुए आपके अपने हार्डवेयर पर चलता है।

हटाएँ टैब बंद करें और कुछ भी शेष नहीं रहता।

गोपनीयता नीति पढ़ें

संगतता

फ़ॉर्मेट और डिवाइस जिन पर यह काम करता है

यह बिना कुछ इंस्टॉल किए किसी भी डिवाइस पर किसी भी आधुनिक ब्राउज़र में चलता है। कोई ऐप नहीं है और कोई एक्सटेंशन नहीं है, जो आमतौर पर खोजने वाले लोग चाहते हैं: एक ऑनलाइन AI इमेज डिटेक्टर जो बिना डाउनलोड किए फ़ोन पर काम करता है। फ़ाइल पिकर आपके कैमरे और फ़ोटो लाइब्रेरी तक पहुँचता है। PSD जैसे लेयर्ड फ़ॉर्मेट सीधे नहीं पढ़े जाते हैं, इसलिए फ़्लैट किए गए PNG या JPG को एक्सपोर्ट करें।

फ़ॉर्मेट: JPG, PNG, WebP, AVIF, HEIC, HEIF, GIF, TIFF, BMP, JPEG XL
अधिकतम फ़ाइल साइज़: प्रति इमेज 60 MB
बैच साइज़: एक बार में 25 इमेजेस
URL इनपुट: सीधे इमेज लिंक और सार्वजनिक पेज
मोबाइल: कोई भी आधुनिक मोबाइल ब्राउज़र
ऐप या एक्सटेंशन: दोनों नहीं — कुछ भी इंस्टॉल करने की ज़रूरत नहीं
आवश्यकताएँ: JavaScript और WebAssembly सक्षम होना चाहिए

बड़े पैमाने पर

थोक में इमेजेस की जाँच करना

बैच एक बार में 25 इमेजेस लेता है। प्रत्येक को बारी-बारी से स्कोर किया जाता है और उसके पूरा होते ही उसका कार्ड अपडेट हो जाता है, इसलिए बाकी चलने के दौरान परिणाम दिखाई देते हैं। कोई भी कार्ड पूरी रिपोर्ट खोलता है, और बैच प्रत्येक इमेज के स्कोर, बैंड, क्षेत्रीय आँकड़ों और सिग्नलों के साथ एक JSON फ़ाइल के रूप में एक्सपोर्ट होता है।

अभी कोई API नहीं है

फिलहाल कोई होस्टेड एंडपॉइंट मौजूद नहीं है, और जो उपलब्ध नहीं है उसका वर्णन करना आपका समय बर्बाद करना होगा। डिटेक्टर पूरी तरह से क्लाइंट-साइड चलता है, इसलिए आज एकीकरण का मतलब किसी सेवा को कॉल करने के बजाय पेज को एम्बेड करना है। यदि आपको प्रोग्रामेटिक एक्सेस की आवश्यकता है, तो संपर्क पेज के माध्यम से बताएं — वही मांग इसे बनाने को उचित ठहराएगी।

सार्वजनिक चेकपॉइंट की तुलना में

पिक्सेल मॉडल एक खुला शोध मॉडल है, और इसका लाइसेंस और स्रोत छिपाने के बजाय स्पष्ट बताए गए हैं। एक मेनटेन किया गया डिप्लॉयमेंट कैलिब्रेशन, टाइल्ड रीज़न पास, प्रोवेनेंस रीडिंग और रॉ क्लासिफ़ायर आउटपुट के आसपास प्रकाशित बैंड जोड़ता है।

अक्सर पूछे जाने वाले सवाल

टूल का उपयोग

AI इमेज डिटेक्टर क्या है और यह कैसे काम करता है?

AI इमेज डिटेक्टर फ़ाइल डेटा के बजाय पिक्सल का विश्लेषण करके यह अनुमान लगाता है कि कोई तस्वीर जनरेटिव मॉडल से बनाई गई है या नहीं। लाखों असली और जनरेटेड तस्वीरों पर प्रशिक्षित एक विज़न मॉडल यह मापता है कि प्रत्येक पिक्सल अपने आस-पास के पिक्सल के साथ कैसे बैठता है, क्योंकि सेंसर और diffusion मॉडल अलग-अलग निशान छोड़ते हैं। आपको 0-100 की संभावना, एक रेंज, सहायक संकेत और एक रीजन मैप मिलता है।

मैं कैसे जाँचूँ कि कोई तस्वीर AI से बनाई गई है?

फ़ाइल को पेज पर ड्रैग करें, ब्राउज़ करने के लिए क्लिक करें, या किसी तस्वीर या सार्वजनिक वेब पेज का लिंक पेस्ट करें। स्कोरिंग में लगभग चार सेकंड लगते हैं। पहले निष्कर्ष और संभावना देखें, फिर रीजन मैप खोलकर देखें कि संकेत पूरे फ्रेम पर है या किसी एक हिस्से में।

क्या यह AI इमेज डिटेक्टर मुफ़्त है?

हाँ। इसमें कोई ट्रायल पीरियड, भुगतान का तरीका या अकाउंट की ज़रूरत नहीं है। मुफ़्त सीमा प्रति दिन 50 तस्वीरों की है, जो रात में रीसेट हो जाती है और उन लगभग सभी लोगों के लिए पर्याप्त है जो इसे व्यावसायिक रूप से नहीं करते। प्रति बैच 25 तस्वीरों और फ़ाइलों के लिए 60 MB की सीमा है, जो किसी ब्राउज़र टैब के भीतर मॉडल चलाने की व्यावहारिक सीमाएँ हैं, न कि व्यावसायिक। वर्तमान में कोई पेड टियर नहीं है।

क्या इसका उपयोग करने के लिए मुझे अकाउंट की आवश्यकता है?

नहीं। इसमें कोई साइन-अप, ईमेल पता या लॉगिन नहीं है। बस पेज खोलें और तस्वीर की जाँच करें। चूँकि विश्लेषण सर्वर के बजाय आपके अपने डिवाइस पर चलता है, इसलिए उपयोग को मापने या आपकी पहचान करने का कोई कारण नहीं है।

क्या मैं फ़ाइल अपलोड करने के बजाय URL से तस्वीर की जाँच कर सकता हूँ?

हाँ। तस्वीर का सीधा लिंक पेस्ट करें, या किसी सार्वजनिक पेज का लिंक पेस्ट करके उसमें मौजूद तस्वीरों में से चुनें। किसी रिमोट तस्वीर को लोड करना एक नेटवर्क रिक्वेस्ट है, और जब कोई होस्ट ब्राउज़र एक्सेस को ब्लॉक करता है, तो लिंक एक सार्वजनिक प्रॉक्सी के माध्यम से जाता है। संवेदनशील काम के लिए, तस्वीर डाउनलोड करके सीधे फ़ाइल जोड़ें।

क्या मैं इसे फ़ोन पर उपयोग कर सकता हूँ, और क्या इसका कोई ऐप है?

फ़ोन पर हाँ, ऐप के लिए नहीं। यह साइट बिना कुछ इंस्टॉल किए किसी भी आधुनिक मोबाइल ब्राउज़र में चलती है, और फ़ाइल पिकर आपके कैमरे और फ़ोटो लाइब्रेरी तक पहुँचता है। इसका कोई नेटिव ऐप या एक्सटेंशन नहीं है। पहली जाँच में मॉडल डाउनलोड होता है, इसलिए इसमें बाद की जाँचों की तुलना में थोड़ा अधिक समय लगता है।

सटीकता और विश्वसनीयता

यह AI इमेज डिटेक्टर कितना सटीक है?

यह मॉडल साफ़ बेंचमार्क तस्वीरों पर 91.3% बैलेंस्ड एक्यूरेसी प्राप्त करता है, क्वालिटी 60 पर JPEG कंप्रेशन के बाद 87.3%, और क्वालिटी 40 पर 84.6%। बैलेंस्ड एक्यूरेसी वास्तविक और जनरेटेड तस्वीरों को समान महत्व देती है, ताकि कोई असंतुलित टेस्ट सेट इसे बढ़ा-चढ़ाकर न दिखा सके। छोटी फ़ाइलें, बार-बार लिए गए स्क्रीनशॉट, भारी फ़िल्टर और बिल्कुल नए जनरेटर विश्वसनीयता को कम करते हैं।

अगर कोई तस्वीर पूरी तरह असली दिखती है तो मैं कैसे बता सकता हूँ कि वह AI जनरेटेड है?

आप आम तौर पर नहीं बता सकते, और यह टूल इसी समस्या को हल करता है। जो दृश्य संकेत लोगों ने सीखे थे — खराब हाथ, अस्पष्ट टेक्स्ट, प्लास्टिक जैसी त्वचा — उन्हें नए मॉडलों ने सबसे पहले ठीक कर दिया। यह विश्लेषण आपकी आँखों की क्षमता से भी सूक्ष्म स्तर पर काम करता है, और उन पिक्सल आँकड़ों को मापता है जो सेंसर और जनरेटिव मॉडल के बीच भिन्न होते हैं।

क्या यह ऐसी तस्वीर का पता लगा सकता है जहाँ फ़ोटो के केवल एक हिस्से को AI से एडिट किया गया हो?

हाँ, और यही वह स्थिति है जिसे अधिकांश डिटेक्टर सबसे खराब तरीके से संभालते हैं। पूरे इमेज का एक ही स्कोर छोटे सिंथेटिक हिस्से को उसके आस-पास के असली पिक्सल के साथ औसत कर देता है, जिससे वह एडिट औसत में छिप जाता है। यह टूल फ्रेम को ओवरलैपिंग टाइल्स के रूप में दोबारा स्कोर करता है। एक साफ़ फ्रेम के अंदर एक प्रभावित हिस्सा जनरेटिव फिल या बदले हुए चेहरे का संकेत देता है।

क्या यह AI आर्ट, एनीमे और इलस्ट्रेशन पर काम करता है?

हाँ, लेकिन तस्वीरों की तुलना में अधिक अनिश्चितता के साथ। एक स्टाइल की गई बनावट AI का प्रमाण नहीं है, और इसे उस तरह से देखना ही वह तरीका है जिससे इंसानी कलाकारों पर गलत आरोप लगते हैं। हाथ से बने इलस्ट्रेशन में कोई सेंसर नॉइज़ भी नहीं होता, इसलिए मुख्य संख्या के बजाय रीजन पैटर्न और कॉन्फिडेंस बैंड देखें।

इसने मेरी असली तस्वीर को संभावित रूप से AI क्यों बताया?

भारी रीटचिंग, AI अपस्केलिंग, तेज़ फ़िल्टर और बार-बार कंप्रेशन सभी वास्तविक तस्वीरों के स्कोर को बढ़ा देते हैं, क्योंकि इनमें से प्रत्येक रिकॉर्ड किए गए विवरण को नए या औसत विवरण से बदल देता है। छोटी तस्वीरें और स्क्रीनशॉट भी यही करते हैं। स्क्रीनशॉट के बजाय मूल फ़ाइल अपलोड करें, और स्कोर आमतौर पर गिर जाता है।

क्या कोई AI तस्वीर को इस तरह एडिट कर सकता है कि डिटेक्टर उसे न पकड़ पाए?

हाँ, और इसके तरीके जगजाहिर हैं: नॉइज़ जोड़ना, कई फ़िल्टर लगाना, बार-बार री-सेव करना, टाइट क्रॉप, स्क्रीनशॉट, और किसी दूसरे मॉडल से गुज़ारना। नुकसान यह है कि ये एडिट तस्वीर की गुणवत्ता खराब कर देते हैं, और भारी खराबी नतीजे को असली बताने के बजाय अनिर्णायक श्रेणी में डाल देती है।

क्या यह किसी सामान्य AI चैटबॉट से यह पूछने से बेहतर है कि तस्वीर AI है या नहीं?

हाँ, और यह अंतर दिखने से कहीं बड़ा है। एक चैटबॉट बिना किसी फॉरेंसिक विश्लेषण के एक धाराप्रवाह, आत्मविश्वासी पैराग्राफ तैयार करता है: न कोई कैलिब्रेटेड थ्रेशोल्ड, न कोई बेंचमार्क, न यह दिखाने का तरीका कि किन पिक्सल के आधार पर जवाब दिया गया। जनरेटेड और कैमरे से ली गई तस्वीरों को अलग करने के लिए प्रशिक्षित क्लासिफायर एक ऐसी संख्या देता है जिसे आप परख सकते हैं।

क्या यह डीपफ़ेक और चेहरे बदलने (फेस स्वैप) का पता लगा सकता है?

हाँ, और रीजन मैप ही इसे संभव बनाता है। एक डीपफ़ेक पूरी तरह से जनरेट की गई तस्वीर से अलग होता है: शरीर, बैकग्राउंड और लाइटिंग असली कैप्चर होते हैं, और केवल चेहरे को बदला गया होता है। टाइल-स्तरीय स्कोरिंग बदले गए हिस्से को एक अलग रीजन के रूप में दिखाती है जबकि आस-पास की तस्वीर का स्कोर कम रहता है।

क्या AI डिटेक्शन का नतीजा पक्का सबूत है?

नहीं। यह एक साक्ष्य है, और इसे तस्वीर के बारे में आपके पास मौजूद बाकी सभी जानकारियों के साथ तौला जाना चाहिए। कोई भी डिटेक्टर पूर्ण निश्चितता तक नहीं पहुँचता, यह भी नहीं, और निर्णायक होने का दावा करने वाला कोई भी टूल आपको गुमराह कर रहा है। स्पष्ट रीजन पैटर्न वाला उच्च स्कोर मजबूत होता है। कंप्रेस्ड स्क्रीनशॉट पर बॉर्डरलाइन स्कोर नहीं।

तकनीकी

यह किन AI इमेज जनरेटर का पता लगा सकता है?

पिक्सल मॉडल जनरेटर-स्वतंत्र है: यह आम तौर पर जनरेटेड टेक्सचर को कैमरा टेक्सचर से अलग करता है, जिससे यह किसी निश्चित सूची से मिलान करने के बजाय उन मॉडलों पर भी काम करता है जिन्हें इसने पहले कभी नहीं देखा। इसके अलावा, फ़ाइल स्कैन Midjourney, DALL·E, Stable Diffusion, Firefly, FLUX, Imagen, Leonardo.Ai, Ideogram, Recraft, Grok और Runway की पहचान कर सकता है यदि उनके मार्कर मौजूद हों।

क्या यह मेटाडेटा या वॉटरमार्क के बिना काम करता है?

हाँ। विश्लेषण सीधे तस्वीर के कंटेंट को पढ़ता है, इसलिए हटाया गया EXIF डेटा, गायब वॉटरमार्क या स्क्रीनशॉट इसे रोक नहीं पाते। मेटाडेटा और कंटेंट क्रेडेंशियल मौजूद होने पर एक अतिरिक्त माध्यम के रूप में पढ़े जाते हैं, और इन्हें निर्णायक कारक के बजाय सहायक साक्ष्य माना जाता है।

किन इमेज फॉर्मेट और फ़ाइल आकारों का समर्थन किया जाता है?

समर्थित फॉर्मेट में JPG, PNG, WebP, AVIF, HEIC, HEIF, GIF, TIFF, BMP और JPEG XL शामिल हैं, जो प्रति फ़ाइल 60 MB तक और प्रति बैच 25 फ़ाइलों तक हो सकते हैं। PSD जैसे लेयर्ड फॉर्मेट सीधे नहीं पढ़े जाते; इसके बजाय एक फ़्लैटेंड PNG या JPG एक्सपोर्ट करें। कोई भी चीज़ जिसे आपका ब्राउज़र एक इमेज के रूप में डिकोड करता है, वह आम तौर पर काम करती है।

क्या AI इमेज डिटेक्शन के लिए कोई API है?

नहीं। वर्तमान में कोई होस्टेड एंडपॉइंट नहीं है। डिटेक्टर पूरी तरह से ब्राउज़र में चलता है, इसलिए कॉल करने के लिए कोई सर्वर नहीं है। यदि आपको मॉडरेशन या वेरिफिकेशन पाइपलाइन के लिए प्रोग्रामेटिक एक्सेस की आवश्यकता है, तो संपर्क पेज के माध्यम से संपर्क करें।

क्या मैं एक साथ कई तस्वीरों की जाँच कर सकता हूँ?

हाँ, प्रति बैच 25 तस्वीरें। प्रत्येक तस्वीर को क्रम से स्कोर किया जाता है और पूरा होते ही उसका कार्ड अपडेट हो जाता है, इसलिए नतीजे तब भी दिखाई देते हैं जब बाकी प्रोसेस हो रहे होते हैं। पूरी रिपोर्ट के लिए कोई भी कार्ड खोलें, या पूरे बैच को एक JSON फ़ाइल के रूप में एक्सपोर्ट करें।

क्या यह तस्वीर के अंदर AI-जनरेटेड टेक्स्ट का पता लगा सकता है, या उसका प्रॉम्प्ट बता सकता है?

दोनों के लिए नहीं। यह टूल केवल यह स्कोर करता है कि पिक्सल जनरेटेड दिखते हैं या नहीं। यह तस्वीर में टेक्स्ट को नहीं पढ़ता, यह तय नहीं करता कि लिखावट मशीन द्वारा लिखी गई थी, और प्रॉम्प्ट को दोबारा हासिल नहीं कर सकता। केवल पिक्सल से प्रॉम्प्ट निकालना संभव नहीं है। जब किसी फ़ाइल में एम्बेडेड जेनरेशन पैरामीटर होते हैं, तो स्कैन उनकी मौजूदगी की रिपोर्ट करता है।

यह GitHub या Hugging Face पर मौजूद ओपन-सोर्स डिटेक्टर से किस तरह अलग है?

यहाँ उपयोग किया गया पिक्सल मॉडल एक ओपन रिसर्च मॉडल है, और इसे छिपाने के बजाय स्पष्ट रूप से बताया गया है। इसके इर्द-गिर्द जो तैयार किया गया है, वही अंतर पैदा करता है: प्रकाशित पैमानों पर कैलिब्रेशन, टाइल्ड रीजन पास जो आंशिक एडिट को पकड़ता है, क्रिप्टोग्राफिक क्रेडेंशियल वेरिफिकेशन, और एक स्पष्ट निर्णय रेखा। एक रॉ चेकपॉइंट आपको केवल एक अनकैलिब्रेटेड संख्या देता है।

क्या यह तस्वीरों के साथ वीडियो की भी जाँच कर सकता है?

नहीं। केवल स्थिर तस्वीरें। एनिमेटेड GIF सहित किसी भी रूप में वीडियो समर्थित नहीं है, जहाँ केवल पहला फ्रेम पढ़ा जाता है। वीडियो के लिए आपको एक फ्रेम को तस्वीर के रूप में एक्सपोर्ट करके उसकी जाँच करनी होगी, जो आपको केवल उस फ्रेम के बारे में बताएगा।

क्या यह अनुमान लगा सकता है कि तस्वीर कब बनाई गई थी, या किस मॉडल वर्ज़न ने इसे बनाया था?

नहीं, पिक्सल से नहीं। मॉडल केवल यह संभावना देता है कि फ्रेम सिंथेटिक है, जिसमें कोई तारीख या मॉडल वर्ज़न जुड़ा नहीं होता। जब किसी फ़ाइल में अभी भी कंटेंट क्रेडेंशियल या जेनरेशन पैरामीटर होते हैं, तो स्कैन रिपोर्ट करता है कि वे क्या दावा करते हैं, लेकिन वह फ़ाइल का अपना विवरण होता है, और उसे एडिट किया जा सकता है।

गोपनीयता और एक्सेस

क्या आप मेरे द्वारा जाँची जाने वाली तस्वीरों को स्टोर करते हैं?

नहीं। आपके डिवाइस से चुनी गई फ़ाइलें कभी अपलोड नहीं की जाती हैं, इसलिए कुछ भी स्टोर नहीं होता, कतार में नहीं लगता और न ही कुछ डिलीट करने की ज़रूरत होती है। उन्हें आपके ब्राउज़र टैब के अंदर पढ़ा और स्कोर किया जाता है और आपके इसे बंद करने पर हटा दिया जाता है। आपकी तस्वीरों का उपयोग कभी भी ट्रेनिंग के लिए नहीं किया जाता है। एकमात्र अपवाद URL बॉक्स है।

अभी एक छवि की जांच करें

जिस तस्वीर को लेकर आपको संदेह है उसे यहाँ डालें और साक्ष्य खुद देखें। यह AI इमेज डिटेक्टर उपयोग के लिए मुफ़्त है, और आपके ब्राउज़र से कुछ भी बाहर नहीं जाता।

कोई अकाउंट नहीं। कोई अपलोड नहीं। प्रतिदिन पचास जाँचें।

Best AI Image Detector

इमेज यहाँ छोड़ें