94
typisk poäng
Skapad av en modell
Syntetisk struktur avläses konsekvent över hela bilden. Typiskt för en bild som kommer direkt ur en generator.
Gratis Inget konto, 50 granskningar per dag
AI-bilddetektor
Ta reda på inom några sekunder om en bild är AI-genererad eller AI-redigerad, med en poäng från 0 till 100 och en karta över de områden som gav utslag.
Släpp bilder här
eller klicka för att välja — en enskild fil eller flera samtidigt
Välj bilderJPG · PNG · WEBP · AVIF · HEIC · GIF · BMP · TIFF
Klistra in en direktlänk till en bild eller en offentlig sida — ett blogginlägg, en annons, en produktsida — så samlar verktyget in de bilder som värden tillåter webbläsaren att läsa.
Upp till 25 bilder samtidigt, max 60 MB per fil, 50 per dag.
Ingen registrering Dina filer stannar i webbläsaren Resultat på ~4 sekunder
Tre steg
Hur du kontrollerar om en bild är AI-genererad
Släpp in ett foto eller klistra in en länk för att identifiera AI-genererade bilder på cirka fyra sekunder. Den kostnadsfria AI-bilddetektorn ger en poäng från 0 till 100, ett tydligt utlåtande och en karta över de områden som gav utslag. JPG, PNG, WebP, AVIF, HEIC, GIF, TIFF och BMP stöds, och ingenting lämnar din enhet.
Steg 1Ladda upp eller klistra in bilden
Dra in en fil, klicka för att välja eller klistra in en länk till en bild eller en offentlig webbsida. JPG, PNG, WebP, AVIF, HEIC, GIF, TIFF och BMP stöds, upp till 60 MB per fil.
Steg 2Låt analysen köras
Bedömningen tar cirka fyra sekunder på en vanlig bärbar dator. Allt körs lokalt i din webbläsarflik, så filen du valde laddas aldrig upp och inget sparas när du stänger sidan.
Steg 3Läs av resultatet
Du får ett utlåtande, en sannolikhet mellan 0 och 100, vilket intervall den hamnar i, en genomgång av alla signaler som bidrog samt en områdeskarta som visar vilka delar av bilden som gav utslag.
I praktiken
Granskningarna folk gör först
Tre situationer står för de flesta bilderna som analyseras i det här verktyget. Var och en kräver olika delar av resultatet: ett helbildsbetyg, en enskild markerad region eller den underliggande filbevisningen.
Vad den upptäcker
Helt genererad, delvis redigerad eller ett äkta fotografi
De flesta analysverktyg ger dig en siffra och lämnar resten åt slumpen. Det här verktyget skiljer på de tre fall som faktiskt spelar roll, eftersom de innebär helt olika saker.
61
typisk poäng
Äkta foto, manipulerad del
Ett område ger utslag medan resten förblir rent: en utbytt bakgrund, ett infogat objekt, en generativ fyllning eller en raderad detalj.
08
typisk poäng
Ser ut som ett äkta foto
Ingenting i pixlarna eller filen pekar på en modell. Alla områden förblir låga och poängen ligger i botten av skalan.
Tolka resultatet
Vad poängen betyder och hur säker bedömningen är
Verktyget returnerar en sannolikhet, aldrig ett absolut ja eller nej. En detektor som bara säger ”AI” utan en siffra döljer hur osäker bedömningen var, och skillnaden mellan 66 och 96 är skillnaden mellan att titta en extra gång och att ha ett underlag att agera på.
Skalan är indelad i fem fasta intervall med tröskelvärdet vid 65. Ett värde på 72 i dag betyder samma sak som 72 gjorde förra månaden.
| Poäng | Intervall | Betydelse | Rekommenderad åtgärd |
|---|---|---|---|
| 0 – 20 | Ingen AI-signal | Ingenting i pixlarna tyder på en generativ modell. | Framstår som ett äkta foto. Kontrollera ändå sammanhanget. |
| 20 – 45 | Förmodligen äkta | En låg syntetisk signal. Lättare redigering och komprimering hamnar också här. | Betrakta som äkta om inga andra uppgifter motsäger det. |
| 45 – 65 | Tvetydigt | Det osäkra mellanläget. Skärmdumpar, uppskalning och filter hamnar ofta här. | Behandla inte resultatet som ett säkert bevis åt något håll. |
| 65 – 90 | Troligen AI | Över tröskelvärdet, men tillräckligt nära för att kraftig omskalning kan ha påverkat. | Verifiera mot en andra källa innan du agerar. |
| 90 – 100 | AI-genererad | En tydlig signal över hela bildytan. | Behandla som syntetisk. |
Under poängen visas signallistan: varje underlag som bidrog till bedömningen. En poäng för hela bilden visas alltid, en områdesanalys när bilden är stor nog att delas upp, samt Content Credentials när filen innehåller sådana.
Områdeskartan gör det möjligt att granska poängen i detalj. Varje sektion bedöms separat, så att du kan se om signalen är jämnt fördelad över bilden eller koncentrerad till ett hörn.
Funktioner
Byggd för att gå att lita på, inte bara användas
Varje del av resultatet förklaras, källbeläggs och redovisas med sina begränsningar. Det är skillnaden mellan en AI-bilddetektor du kan hänvisa till och en du måste lita blint på.
Värmekarta över regioner
Se exakt var den syntetiska signalen finns. Dra i överlägget eller växla till poäng per ruta för att läsa av siffrorna direkt.
Batchgranskning
Lägg upp till 25 bilder i kö samtidigt. Varje kort visar sin poäng upp till 100 och sitt utlåtande; öppna vilket som helst för en fullständig genomgång.
Fungerar med bildlänkar
Klistra in en bild eller en offentlig webbsida och välj bland bilderna som hittas. Om en värd blockerar webbläsaråtkomst sparar du bilden och lägger till filen direkt.
Privat som standard
Filer du väljer läses och poängsätts i din egen webbläsare. De laddas aldrig upp, lagras inte, köas inte och loggas ingenstans.
Underlag du kan dela
Kopiera en skriftlig sammanfattning eller ladda ned en fullständig JSON-rapport med poängen, varje regionvärde och motiveringen bakom utlåtandet.
Kalibrerad, inte gissad
Poängen mappas mot publicerade intervall med en fast beslutsgräns, så att 72 alltid betyder samma sak, och begränsningarna redovisas i stället för att döljas.
Delbara rapporter
Skicka ett resultat till en kund eller kollega som en länk. Analysen finns inbäddad i själva länken, så bilden laddas aldrig upp och mottagaren ser motiveringen, inte din fil.
Kort sammanfattning
Vad en AI-bilddetektor faktiskt gör
En AI-bilddetektor är ett verktyg som läser av pixlarna i en bild och uppskattar sannolikheten för att en generativ modell har skapat dem. Den analyserar bildens statistiska textur, inte filens metadata, och returnerar en sannolikhet, ett konfidensintervall samt underlaget bakom bedömningen.
Det mänskliga ögat slutade vara en pålitlig metod runt 2024. De kännetecken man lärde sig att leta efter — händer med sex fingrar, förvriden text, plastig hud — var de första som de nyaste modellerna åtgärdade.
Därför arbetar denna AI-bilddetektor under den nivå du kan se med blotta ögat. En modell tränad på miljontals äkta och genererade bilder analyserar hur varje pixel förhåller sig till sina grannar. Det förhållandet skiljer sig mellan en kamerasensor och en diffusion-modell på sätt som överlever en skärmdump. Ett borttaget EXIF-block förblindar den inte.
0–100Konfidenspoäng
25Bilder per omgång
9Områden kartlagda
0Filer skickade till en server
De svåra fallen
De svårbedömda bilderna som andra detektorer missar
Helt genererade bilder är det enkla fallet. Nästan alla AI-bildgranskare upptäcker en ren Midjourney-rendering direkt från källan. Problemen börjar med blandade bilder, omkomprimerade filer och bilder som har passerat fyra olika plattformar sedan de skapades.
Äkta foton med AI-redigeringar
Ett tillagt objekt, en borttagen person, en utbytt bakgrund. Eftersom bara en del av bilden är syntetisk jämnar en helhetsbedömning ofta ut det manipulerade området mot de äkta pixlarna runtomkring.
AI-uppskalade och retuscherade foton
Fotot var äkta. Detaljerna var det inte. Uppskalnings- och retuscheringsmodeller återskapar hudtextur, hårstrån och tygstrukturer som ingen sensor fångade, vilket driver upp poängen för ett i grunden äkta fotografi.
Skärmdumpar och återuppladdade bilder
Alla plattformar omkodar det du publicerar och rensar bort fildata. Metadatakontroller fungerar inte här. Pixelsignalen försvagas men finns kvar, vilket är anledningen till att verktyget analyserar själva bildytan i stället för filhuvudet.
Ansiktsbyten och syntetiska porträtt
En riktig kropp med ett genererat ansikte, eller ett ansikte som inte tillhör någon. Det utbytta partiet får betydligt högre poäng än resten av bilden, vilket gör att det syns som ett tydligt markerat fält snarare än ett jämnt utslag över hela ytan.
Stiliserad konst, anime och illustrationer
Inte fotografisk är inte samma sak som inte äkta, och att blanda ihop dem är hur falska anklagelser uppstår. En handritad illustration har inte heller något sensorbrus, så en AI-konstdetektor måste väga mönster tyngre än stil.
Bilder redigerade för att undvika upptäckt
Pålagt brus, staplade filter, filen sparad om ett dussin gånger. Redigeringar som döljer spår av generatorer skadar också bilden synligt, och kraftiga skador förpassar resultatet till det oklara intervallet.
Träffsäkerhet
Hur träffsäker AI-bilddetektorn är
På referenstestet når modellen 91,3 % balanserad träffsäkerhet på rena bilder. Återkodas samma bilder som JPEG med kvalitet 60 håller den 87,3 %. Sänks kvaliteten till 40 håller den 84,6 %. Balanserad träffsäkerhet innebär att äkta och genererade bilder vägs lika, så siffran är inte uppblåst av ett skevt testunderlag.
Dessa siffror kommer från modellens publicerade referenstester, inte från ett internt test. De beskriver pixelanalysen på det datasetet, och din bild är inte det datasetet.
Vad som sänker tillförlitligheten
- Mycket små bilder, samt allt under 576 pixlar på den kortaste sidan, vilket är för litet för att delas in i regioner
- Skärmdumpar av skärmdumpar, där bildrutan har omkodats flera gånger i rad
- Material från en generator som lanserats under de senaste veckorna
- Tunga filter, tjocka ramar, kollage och text som lagts ovanpå bilden
- Blandade bildrutor där endast ett litet område är syntetiskt och resten är ett äkta foto
Ett falskt positivt resultat är ett äkta fotografi som bedöms som manipulerat. Kraftig retuschering, uppskalning och aggressiv komprimering är de vanliga orsakerna, och att ladda upp originalet istället för en skärmdump löser de flesta fallen.
Ett falskt negativt resultat är en genererad bild som bedöms som äkta. En ny generator, ett litet syntetiskt område i en äkta bildruta eller en kraftigt manipulerad fil kan orsaka detta.
Ett resultat är en indikation, inte ett slutgiltigt utlåtande. Väg det samman med allt annat du vet om varifrån bilden kommer.
Under huven
Hur detektorn läser en bild
Två spår körs på varje bild, medvetet hållna åtskilda. Det ena läser pixlarna. Det andra läser filen. Ingetdera kör tyst över det andra, eftersom de felar på olika sätt.
Pixelspåret är en vision transformer tränad på datasetet Community Forensics – miljontals verkliga fotografier och genererade bilder från en bred uppsättning modeller. Den läser bildrutan i 384 pixlars kvadrat och returnerar en rå sannolikhet, kalibrerad så att siffran mappar mot de publicerade intervallen. Vad den fångar upp är de statistiska resterna av generering: diffusion-modeller och generativa motstridiga nätverk (GAN) lämnar generatorspecifika signaturer i hur närliggande pixlar förhåller sig till varandra, mätbart skiljda från vad en sensor och ett objektiv producerar.
Samma modell körs sedan över bildrutan som ett rutnät av överlappande sektioner, där varje sektion poängsätts för sig. Detta fångar partiella redigeringar, eftersom ett utbytt ansikte ger utslag i sina egna sektioner medan det orörda fotografiet runt omkring förblir lågt. En bild behöver minst 576 pixlar på sin kortaste sida för att kunna delas in i tillräckligt många regioner.
Filspåret läser ursprung. Det kontrollerar innehållshärkomst och autenticitet (C2PA-uppgifter), verifierar signaturen kryptografiskt och söker sedan efter inbäddade genereringsparametrar, generatornamn och SynthID-vattenmärkesdeklarationer. En signerad uppgift bunden till just dessa pixlar ger stark evidens. En lös textmarkör är svag, eftersom vem som helst kan kopiera in den, och de två bedöms olika.
Spåren kombineras till ett utlåtande, och avvikelser redovisas snarare än döljs. Ett lågt resultat för hela bilden där de flesta regioner ligger över gränsen ger ett resultat med motstridig evidens som tydligt anger just detta.
Vad verktyget inte gör: det kör inte felnivåanalys (ELA), matchning av mönsterbrus från sensorer eller geometriska kontroller av skuggor och reflektioner. Dessa är genuina forensiska tekniker, men de ingår inte i denna version. Att påstå det vore enkelt, men felaktigt.
Varför pixlar
Varför metadata och vattenstämplar fallerar på verkliga bilder
Metadata rensas i samma stund som en bild läggs upp på nästan vilken plattform som helst, vilket gör att en metadatabaserad kontroll misslyckas på precis de bilder som faktiskt behöver verifieras. Bilden som en främling skickade har passerat en komprimeringskedja utan kvarvarande fildata att läsa.
EXIF innehåller kameramärke, objektiv, exponering och ibland plats. Det överlever en ren filkopiering. Det överlever inte en uppladdning till en social plattform, en meddelandeapp, en skärmdump eller de flesta omsparningar.
Content Credentials är en verklig förbättring, och detta verktyg verifierar dem kryptografiskt när de finns. De fungerar bara när varje verktyg i kedjan bevarar dem, och en enda sparning i en redigerare utan stöd bryter kedjan. Implementeringen är låg, så de flesta bilder saknar dem helt, och deras frånvaro bevisar ingenting. Osynliga vattenstämplar fungerar om generatorn applicerade en och ingenting därefter har stört den; en beskärning eller omkodning kan ta bort märket, och många generatorer applicerar aldrig något.
Det lämnar analys på pixelnivå som den enda metoden som har något kvar att läsa efter en skärmdump. Den är inte perfekt, och avsnitten nedan redogör ärligt för var den brister. Det är det enda tillvägagångssättet som överlever hur bilder faktiskt rör sig.
Täckning
Vilka generatorer som känns igen
Två saker händer här, och att blanda ihop dem är anledningen till att verktyg lovar för mycket. Pixelmodellen identifierar inte varumärken: den skiljer genererad textur från kameratextur i allmänhet, vilket gör att den kan generalisera till en modell den aldrig tidigare sett. Filskanningen sker separat och kan namnge det exakta verktyget.
Vad pixelanalysen gör
Den returnerar en sannolikhet för att bildrutan är syntetisk, oavsett vad som skapat den. Inget varumärke kopplas till den siffran. En generator som släppts de senaste veckorna befinner sig i ett fönster där träffsäkerheten för dess utdata är lägre, och det gäller för varje detektor.
Vad filskanningen kan namnge
När en bild fortfarande bär på autentiseringsuppgifter eller genereringsparametrar namnger skanningen verktyget. Dessa markörer överlever mycket mer sällan än folk förväntar sig.
- Midjourney
- OpenAI DALL·E och GPT image
- Stable Diffusion och SDXL
- Adobe Firefly
- FLUX (Black Forest Labs)
- Google Imagen och Gemini
- Leonardo.Ai
- Ideogram
- Recraft
- xAI Grok
- Runway
- SynthID-vattenmärkesdeklarationer
Produktnamn tillhör sina respektive ägare. En listning här indikerar detekteringstäckning, inte samarbete.
Skeptikerns fråga
Kan en AI-bild redigeras för att lura detekteringen?
Ja, folk försöker, och det fungerar tillräckligt ofta för att vara värt att förstå. Detektering är ett rörligt mål och varje webbplats som påstår något annat försöker sälja något.
Försöken faller inom några kategorier: att lägga till brus, stapla tunga filter, spara om upprepade gånger, beskära snävt, ta skärmdumpar och köra bilden genom en andra modell. Varje metod försämrar de generatorspår som detektorn läser av.
Här är delen som ofta utelämnas. Samma redigeringar försämrar också bilden. Pressar du den tillräckligt hårt för att dölja signalen har du skadat bilden synligt, och den skadan är i sig mätbar. En kraftigt manipulerad fil hamnar oftast i det osäkra intervallet snarare än att passera som äkta.
Modellen tränades på efterbehandlade och manipulativa exempel, inte bara på rent råmaterial, så måttlig komprimering och vanliga filter lurar den inte. Den ärliga gränsen: en bild som manipulerats tillräckligt långt blir osäker, och verktyget anger det istället för att gissa.
Det här avsnittet beskriver olika kategorier av metoder eftersom folk söker efter dem och förtjänar ett rakt svar. Det innehåller medvetet inga inställningar, instruktioner eller verktyg för att kringgå detektering.
Med blotta ögat
Tecken på att en bild skapats med AI
Innan du laddar upp något finns det åtta saker som är värda att titta på. Ingen av dem är avgörande på egen hand.
- Räkna fingrarna och titta sedan på hur händer håller i föremål.
- Kontrollera tänder, öron och smycken, där upprepade små former ofta blir felaktiga.
- Läs all text på skyltar, etiketter och förpackningar.
- Granska reflektioner i ögon, speglar och glas.
- Följ skuggornas riktning tillbaka till ljuskällan.
- Sök av folksamlingar, tyger och bladverk efter upprepade mönster.
- Följ kanten där hår eller päls möter bakgrunden.
- Leta efter hud utan porer, utan asymmetri och utan ojämnheter.
Nu till det besvärliga. De nyaste generatorerna klarar det mesta på den här listan. Händer ser oftast bra ut, text är nästan korrekt och hudstrukturen övertygar i full upplösning. Dessa tecken fångar fortfarande äldre material, vilket är en stor del av det som cirkulerar, men att klara alla åtta punkter bevisar ingenting. Det är det tomrummet pixelanalysen fyller.
I praktiken
Vad folk kontrollerar med det
Produktfoton och annonser på marknadsplatser
En genererad produktbild säljer en vara som ingen har tillverkat. Kontrollera annonsbilden innan du betalar, särskilt när ett foto ser renare ut än säljarens övriga.
Kvitton, fakturor och betalningsbevis
Ett fabricerat kvitto är starten på de flesta återbetalningsbedrägerier. Kör bilden och granska regionkartan, eftersom dessa oftast är äkta mallar med redigerade siffror.
ID-handlingar och verifieringsselfies
Syntetiska identitetsfoton och redigerade dokument når onboarding-köer dagligen. Regionkartan är viktigare än poängen, eftersom den förfalskade delen ofta är en liten detalj.
Profilbilder och foton på dejtingappar
Ett ansikte som inte tillhör någon är billigt att skapa och svårt att upptäcka. Kontrollera en profilbild innan du litar på personen, särskilt om det bara finns en bild.
Försäkrings- och skadefoton
Genererade skador och redigerade bevis förekommer båda i försäkringsärenden. En partiell redigering av ett äkta fotografi är det vanliga mönstret, så läs av sektionerna, inte huvudresultatet.
Leverans- och slutförandefoton
Leveransbevis är lätta att förfalska och granskas sällan. Kontrollera dem när ett paket bestrids eller ett arbete godkänts enbart utifrån ett foto.
Nyhetsfotografier och virala inlägg
En övertygande förfalskning sprids snabbast under den första timmen av en nyhetshändelse. Verifiera innan du publicerar eller delar vidare, och spara rapporten tillsammans med filen.
Konstverk, illustrationer och portföljer
Båda riktningarna orsakar skada: att utge genererade verk för att vara äkta, och att felaktigt anklaga en mänsklig konstnär. Läs evidensen snarare än det slutgiltiga omdömet, eftersom ett stiliserat utseende inte bevisar något.
Fastighets-, hyres- och reseannonser
Genererade interiörer och förstärkta exteriörer visar en plats som inte existerar. Kontrollera annonsbilderna innan du betalar en handpenning för ett ställe du inte har besökt.
Välgörenhetskampanjer och insamlingsbilder
Känsloladdade genererade bilder driver donationsbedrägerier. Kontrollera fotot bakom en brådskande vädjan innan du ger, och innan du delar det vidare.
Konsekvenser
Vad som händer när en falsk bild slinker igenom
Varan har aldrig existerat
En säljare lägger upp möbler med måttbeställda, genererade foton, tar emot betalning från ett dussin köpare och stänger sedan kontot. Varje köpare står med en banktvist och ett foto som inte matchar någonting.
Ett ansikte som inte tillhör någon
Syntetiska porträtt låter en bedragare driva flera profiler utan risken att omvänd bildsökning avslöjar stulna foton. Offer förlorar pengar under månader, och det vanliga rådet att kontrollera om bilden finns någon annanstans slutar i det tysta att fungera.
Onboarding godkänner en person som inte finns
Genererade selfies och redigerade dokument passerar kundkännedoms-köer byggda för mänskliga förfalskningar. Kontot som öppnas används för penningtvätt, och den verkliga personen vars uppgifter pusslades ihop får veta det mycket senare.
Skador som lades till i efterhand
Ett äkta fotografi av en verklig bil får en generativ fyllning med en buckla som aldrig funnits där. Helbildsanalysen läser den som övervägande autentisk, eftersom den till största delen är det, och ersättningen betalas ut.
Den första timmen tillhör förfalskningen
Under en pågående nyhetshändelse sprids en fabricerad bild medan verifieringen släpar efter. Rättelser når bara en bråkdel av dem som såg originalet, och bilden fortsätter att cirkulera i flera år efteråt.
En konstnär konkurrerar med en imitation
Verk genererade i en levande konstnärs stil dumpar priserna på beställningsjobb och översvämmar samma taggar. Motsatsen sker också: konstnärer som anklagas för att ha genererat sina egna verk, enbart baserat på någons magkänsla.
Vem det är till för
Vem detta är byggt för
Vardagsanvändare
Någon skickade en bild till dig och något känns fel. Släpp in den, läs av siffran, gå vidare. Inget konto, inget att installera, och filen stannar i din webbläsare.
Säljare och köpare
Du är på väg att betala för något du bara sett på bild. Regionkartan är viktigast, eftersom redigerade annonsbilder vanligtvis är riktiga bilder med en enda påhittad detalj.
Team för förtroende och säkerhet
Du hanterar en kö, snarare än att granska en enskild bild. Batchbearbetning hanterar 25 åt gången med ett utlåtande per bild, och varje resultat kan exporteras som JSON för att bifogas till ett ärende.
Journalister och faktagranskare
Du måste kunna försvara bedömningen inför en redaktör. Signalanalysen visar vad som bidrog och hur starkt, intervallen är publicerade, och begränsningarna framgår direkt på sidan istället för att döljas.
Utbildare och studenter
Du lär andra att väga evidens snarare än att lita blint på ett utlåtande. Regionkartan synliggör resonemanget, vilket fungerar betydligt bättre än en ren procentsats i ett klassrum.
Konstnärer och formgivare
Du granskar ett bidrag eller försvarar ditt eget arbete mot en anklagelse. Stiliserade bilder är det svåraste fallet, och verktyget visar osäkerheten istället för att släta över den.
Användningsområden
Vilka som granskar bilder och varför
Redaktioner
Verifiera ett inskickat foto innan det publiceras, och spara rapporten tillsammans med artikelunderlaget.
Marknadsplatser
Upptäck AI-genererade produktbilder och falska annonsfoton innan de publiceras.
Dejting och trygghet på nätet
Kontrollera en profilbild innan du litar på personen bakom den.
Utbildning
Granska inlämnade arbeten och visa studenter hur bevisningen faktiskt ser ut.
Försäkring och skadereglering
Granska skadefoton för att upptäcka genererade skador eller manipulerat underlag.
Varumärken och byråer
Granska leverantörs- och arkivbilder så att inget AI-genererat material smyger sig in i en kampanj.
Nästa steg
Du upptäckte att bilden är AI-skapad. Vad gör du nu?
-
Spara bevisen först
Ladda ner JSON-rapporten och behåll originalfilen. Inlägg raderas och konton stängs medan du bestämmer dig för vad du ska göra.
-
Sök efter den tidigaste kopian
Gör en omvänd bildsökning efter den tidigaste kopian. En bild som funnits på nätet sedan 2019 är osannolikt genererad med diffusion, oavsett vad pixlarna antyder.
-
Granska kontot bakom bilden
Undersök säljaren, profilen eller sidan efter andra tecken: kontots ålder, om övriga bilder har samma stil och om bilden förekommer under olika namn.
-
Anmäl den där du hittade den
De flesta plattformar har numera regler för syntetisk media. Anmäl under den specifika regeln snarare än som generisk skräppost, och bifoga bedömningsresultatet om formuläret tillåter det.
-
Dela den inte vidare omärkt
Att återpublicera en förfalskning för att varna andra sprider den bara mer, och varningen faller bort från bilden efter ett par delningar. Märk ut det direkt i inlägget.
Alternativ
Hur detta förhåller sig till andra granskningsmetoder
| Metod | Fungerar efter en skärmdump | Förklarar resultatet | Hanterar delvis redigering | Kostnad |
|---|---|---|---|---|
| Granskning med egna ögon | Ja | Nej | Sällan | Gratis |
| Metadata- eller EXIF-visare | Nej | Delvis | Nej | Gratis |
| Vattenmärkes- eller certifikatkontroller | Endast om det bevarats | Delvis | Nej | Gratis |
| Omvänd bildsökning | Ibland | Nej | Nej | Gratis |
| Fråga en generell AI-chattbot | Opålitligt | Låter säker, har ofta fel | Nej | Varierar |
| Denna detektor | Ja | Ja | Ja | Gratis |
Att fråga en chattbot är det vanligaste misstaget. En generell språkmodell producerar ett flytande, självsäkert stycke utan någon forensisk analys bakom: inget kalibrerat tröskelvärde, inget benchmark, inget sätt att visa vilka pixlar som styrde svaret. Den gissar i fullständiga meningar, och det är vältaligheten som övertygar.
Funktion för funktion
Hur verktyget står sig mot ett typiskt onlineverktyg
De flesta gratisverktyg gör bara en sak: tar emot din uppladdning och returnerar en siffra. Här är vad som saknas, rad för rad.
| Funktion | Best AI Image Detector | Typiskt onlineverktyg |
|---|---|---|
| Körs i din webbläsare, inget laddas upp | Ja | Nej Filer skickade till en server |
| Hittar AI-redigeringar i ett äkta foto | Ja | Nej Endast hela bilden |
| Värmekarta per region med rutpoäng | Ja 9 rutor | Nej |
| Publicerade poängintervall och beslutsgräns | Ja | Delvis Endast poäng, oredovisade intervall |
| Verifiering av Content Credentials (C2PA) | Ja | Nej |
| Batchgranskning i en körning | Ja Upp till 25 | Delvis Ofta en i taget |
| Utskriftsvänlig PDF-rapport | Ja | Nej |
| Maskinläsbar JSON-export | Ja | Nej |
| Stöd för HEIC, AVIF och TIFF | Ja | Delvis Endast JPG och PNG |
| Publicerade träffsäkerhetssiffror och gränser | Ja | Nej |
| Gratis daglig kvot | Ja 50 bilder | Delvis Totalt 10 till 20 |
| Inget konto krävs | Ja | Nej Registrering krävs för att se resultat |
| Delbar rapportlänk | Ja ingen uppladdning | Delvis Lagras på deras server |
| Reklamfri | Ja | Nej |
Den högra kolumnen beskriver det vanliga mönstret för kostnadsfria webbaserade verktyg, inte en specifik produkt. Enskilda verktyg presterar bättre på vissa rader, och jämförelsen avser det generella fallet snarare än det bästa.
Åtkomst
Gratis att använda, inget konto krävs
Varje analys är gratis. Du behöver inget konto, ingen e-postadress och ingen betalningsmetod, och ingen provperiod löper ut. Orsaken är teknisk snarare än ren generositet: modellen körs i din webbläsare på din egen enhet, så det finns inga serverkostnader per kontroll att täcka. Gränsen på 50 bilder per dag är en rimlighetsgräns för användning, inte en betalvägg, och den återställs vid midnatt. Analys i denna kostnadsfria AI-bilddetektor förblir gratis.
Gratis
$0inget kort, inget utgångsdatum- 50 analyser per dag
- Inget konto
- 25 bilder per batch
- 60 MB per fil
- Områdeskarta
- Verifiering av Content Credentials
- Delbara rapportlänkar
- PDF- och JSON-export
Betald
Inte ännuDet finns ingen betald version och inget lanseringsdatum för en sådan. Om den lanseras kommer den att omfatta rapportering och arbetsflöden för team, och allt som listas här bredvid förblir gratis. Inget här är en tidsbegränsad provperiod.
Vad en betald version skulle innehållaBatchar är begränsade till 25 bilder och filer till 60 MB, vilket är gränsen för vad en webbläsarflik hanterar utan problem. Den dagliga kvoten räknas på din egen enhet och återställs vid midnatt i din tidszon.
Integritet
Vad som händer med bilden du laddar upp
Ingenting laddas upp. En fil du väljer läses av och analyseras direkt i din webbläsarflik och skickas aldrig till en server. Det finns därför ingen lagringsperiod att redogöra för och ingenting att radera. Dina bilder används aldrig för träning, eftersom de aldrig når någon plats där det vore möjligt. Ett undantag: URL-fältet hämtar en extern bild över nätverket, och när en värd blockerar direktåtkomst dirigeras begäran via en offentlig proxy.
Välj
Filen läses från din enhet av webbsidan.
Poäng
Modellen körs på din egen hårdvara, helt offline för oss.
Kassera
Stäng fliken så finns ingenting kvar.
Kompatibilitet
Format och enheter som stöds
Det fungerar i alla moderna webbläsare på valfri enhet utan att något behöver installeras. Det finns ingen app och inget tillägg, vilket oftast är vad de som söker efter verktyget vill ha: en AI-bilddetektor online som fungerar i mobilen utan nedladdning. Filväljaren kommer åt din kamera och ditt bildbibliotek. Format med lager som PSD stöds inte direkt, så exportera en sammanslagen PNG eller JPG.
- Format
- JPG, PNG, WebP, AVIF, HEIC, HEIF, GIF, TIFF, BMP, JPEG XL
- Maximal filstorlek
- 60 MB per bild
- Batchstorlek
- 25 bilder åt gången
- URL-inmatning
- Direktlänkar till bilder och offentliga webbsidor
- Mobil
- Alla moderna mobila webbläsare
- App eller tillägg
- Ingendera — inget att installera
- Krav
- JavaScript och WebAssembly aktiverat
Vid stora volymer
Granska bilder i bulk
Batchfunktionen tar 25 bilder åt gången. Varje bild analyseras i tur och ordning och dess kort uppdateras så fort den är klar, så att resultaten visas medan resten körs. Varje kort öppnar den fullständiga rapporten, och hela batchen exporteras som en enda JSON-fil med poäng, intervall, områdesstatistik och signaler för varje bild.
Det finns inget API ännu
Det finns ingen serverbaserad slutpunkt för närvarande, och att beskriva en som inte lanserats vore att slösa med din tid. Detektorn körs helt på klientsidan, så en integration idag innebär att bädda in sidan snarare än att anropa en tjänst. Om du behöver programmatisk åtkomst, meddela detta via kontaktsidan — det är sådan efterfrågan som avgör om vi bygger det.
Jämfört med en offentlig kontrollpunkt
Pixelmodellen är en öppen forskningsmodell, och dess licens och ursprung redovisas öppet. En underhållen driftsättning tillför kalibrering, segmenterad områdesanalys, ursprungsavläsning och fastställda intervall kring den råa klassificeringsdatan.
Vanliga frågor
Frågor som ställs
Använda verktyget
Vad är en AI-bilddetektor och hur fungerar den?
En AI-bilddetektor uppskattar om en bild har skapats av en generativ modell genom att läsa av pixlarna snarare än fildatan. En synmodell som tränats på miljontals äkta och genererade bilder mäter hur varje pixel förhåller sig till sina grannar, eftersom sensorer och diffusion-modeller lämnar olika spår. Du får en sannolikhet på 0–100, ett intervall, de bidragande signalerna och en områdeskarta.
Hur kontrollerar jag om en bild är AI-genererad?
Dra en fil till sidan, klicka för att bläddra eller klistra in en länk till en bild eller en offentlig webbsida. Analysen tar cirka fyra sekunder. Läs av utlåtandet och sannolikheten först, och öppna sedan områdeskartan för att se om signalen täcker hela bilden eller bara finns i ett område.
Är denna AI-bilddetektor gratis att använda?
Ja. Det finns ingen provperiod, ingen betalningsmetod och inget konto. Den kostnadsfria kvoten är 50 bilder per dag, vilket återställs över natten och täcker nästan alla som inte gör detta yrkesmässigt. Batcher är begränsade till 25 bilder och filer till 60 MB, vilket är praktiska gränser för att köra en modell i en webbläsarflik snarare än kommersiella sådana. Det finns ingen betald nivå idag.
Behöver jag ett konto för att använda den?
Nej. Det krävs ingen registrering, ingen e-postadress och ingen inloggning. Öppna sidan och kontrollera en bild. Eftersom analysen körs på din egen enhet snarare än en server finns det ingen användning att mäta och ingen anledning att identifiera dig.
Kan jag kontrollera en bild från en URL istället för att ladda upp en fil?
Ja. Klistra in en direkt bildlänk, eller klistra in en offentlig sida och välj bland bilderna den visar. Att hämta en extern bild är en nätverksförfrågan, och när en värd blockerar webbläsaråtkomst dirigeras länken genom en offentlig proxy. För känsligt material bör du ladda ner bilden och lägga till filen istället.
Kan jag använda den på en telefon, och finns det en app?
Ja till telefonen, nej till appen. Webbplatsen fungerar i alla moderna mobila webbläsare utan att något behöver installeras, och filväljaren når din kamera och ditt bildbibliotek. Det finns ingen inbyggd app och inget tillägg. Den första kontrollen laddar ner modellen, så den tar längre tid än efterföljande.
Noggrannhet och tillförlitlighet
Hur träffsäker är denna AI-bilddetektor?
Modellen når 91,3 % balanserad träffsäkerhet på rena benchmark-bilder, 87,3 % efter JPEG-komprimering med kvalitet 60 och 84,6 % med kvalitet 40. Balanserad träffsäkerhet väger äkta och genererade bilder lika, så ett skevt testset kan inte blåsa upp siffran. Små filer, upprepade skärmdumpar, tunga filter och helt nya generatorer sänker alla tillförlitligheten.
Hur ser jag om ett foto är AI-genererat när det ser helt äkta ut?
Det kan du oftast inte, vilket är problemet detta verktyg löser. De visuella tecken som folk lärt sig känna igen – konstiga händer, oläslig text, plastig hud – är vad de nyaste modellerna åtgärdade först. Analysen arbetar under vad ögat kan uppfatta och mäter pixelstatistik som skiljer sig mellan en sensor och en generativ modell.
Kan den upptäcka en bild där bara en del av fotot har AI-redigerats?
Ja, och detta är det fall de flesta detektorer hanterar sämst. Ett enda helbildsresultat väger samman ett litet syntetiskt parti med de äkta pixlarna runt det, så att redigeringen försvinner i genomsnittet. Verktyget poängsätter bilden igen i överlappande rutor. Ett område med hög signal i en i övrigt ren bild tyder på en generativ fyllning eller ett utbytt ansikte.
Fungerar den på AI-konst, anime och illustrationer?
Ja, men med större osäkerhet än på fotografier. Ett stiliserat utseende är inte ett bevis på AI-ursprung, och att behandla det så är anledningen till att mänskliga konstnärer blir felaktigt anklagade. En handritad illustration har inte heller något sensorbrus, så titta på områdesmönstret och konfidensintervallet snarare än totalsiffran.
Varför flaggades mitt äkta foto som möjligt AI?
Kraftig retuschering, AI-uppskalning, starka filter och aggressiv omkomprimering flyttar alla upp äkta fotografier på skalan, eftersom de ersätter registrerade detaljer med påhittade eller utjämnade sådana. Små bilder och skärmdumpar gör detsamma. Ladda upp originalfilen snarare än en skärmdump, så sjunker oftast poängen.
Kan någon redigera en AI-bild så att detektorn missar den?
Ja, och försöken är välkända: tillagt brus, flera filter på varandra, upprepad omsiffrering, snäva beskärningar, skärmdumpar och en vända genom en andra modell. Kompromissen är att dessa redigeringar försämrar bilden, och kraftig försämring gör att resultatet hamnar i det oklara intervallet snarare än att frias som äkta.
Är detta bättre än att fråga en generell AI-chattbot om en bild är AI?
Ja, och skillnaden är större än den verkar. En chattbot producerar ett flytande, självsäkert stycke utan någon forensisk analys bakom: inget kalibrerat tröskelvärde, inget benchmark, inget sätt att visa vilka pixlar som styrde svaret. En klassificerare som tränats för att skilja genererade från fotograferade bilder returnerar en siffra du kan kontrollera.
Kan den upptäcka deepfakes och ansiktsbyten?
Ja, och det är områdeskartan som gör att det fungerar. En deepfake skiljer sig från en helt genererad bild: kroppen, bakgrunden och belysningen är en verklig fotografering, och endast ansiktet har bytts ut. Analys på rutnivå lyfter fram det utbytta partiet som ett högaktivt område medan det omgivande fotot förblir lågt.
Är ett AI-detektionsresultat ett bevis?
Nej. Det är en indikation och bör vägas samman med allt annat du vet om bilden. Ingen detektor når full visshet, inte heller denna, och alla verktyg som påstår sig vara definitiva vilseleder dig. En hög poäng med ett tydligt områdesmönster är starkt. Ett gränsfall på en komprimerad skärmdump är det inte.
Tekniskt
Vilka AI-bildgeneratorer kan den upptäcka?
Pixelmodellen är generatoroberoende: den skiljer genererad struktur från kamerastruktur i allmänhet, vilket gör att den kan generalisera till modeller den aldrig sett istället för att matcha en fast lista. Separat kan filskanningen identifiera Midjourney, DALL·E, Stable Diffusion, Firefly, FLUX, Imagen, Leonardo.Ai, Ideogram, Recraft, Grok och Runway när markörer finns kvar.
Fungerar den utan metadata eller vattenstämpel?
Ja. Analysen läser själva bildinnehållet, så ett rensat EXIF-block, en saknad vattenstämpel eller en skärmdump gör den inte blind. Metadata och Content Credentials läses som ett extra spår när de finns, och behandlas som stödjande bevis snarare än den avgörande faktorn.
Vilka bildformat och filstorlekar stöds?
Format som stöds inkluderar JPG, PNG, WebP, AVIF, HEIC, HEIF, GIF, TIFF, BMP och JPEG XL, upp till 60 MB per fil och 25 filer per batch. Lagerbaserade format som PSD läses inte direkt; exportera en sammanfogad PNG eller JPG istället. Allt som din webbläsare kan avkoda som en bild fungerar i allmänhet.
Finns det ett API för AI-bilddetektering?
Nej. Det finns ingen hostad slutpunkt för närvarande. Detektorn körs helt i webbläsaren, så det finns ingen server att anropa. Om du behöver programmatisk åtkomst för ett modererings- eller verifieringsflöde, hör av dig via kontaktsidan.
Kan jag kontrollera flera bilder samtidigt?
Ja, 25 per batch. Varje bild poängsätts i tur och ordning och dess kort uppdateras så snart den är klar, så resultaten visas medan resten fortfarande körs. Öppna vilket kort som helst för hela rapporten, eller exportera hela batchen som en enda JSON-fil.
Kan den upptäcka AI-genererad text i en bild, eller visa prompten bakom den?
Nej på båda. Verktyget bedömer om pixlarna ser genererade ut. Det läser inte text i bilden, bedömer inte om formuleringar är maskingenererade och kan inte återskapa prompten. Att återskapa en prompt är inte möjligt enbart från pixlar. När en fil innehåller inbäddade genereringsparametrar rapporterar skanningen att de finns.
Hur skiljer sig detta från en öppen källkodsdetektor på GitHub eller Hugging Face?
Den underliggande pixelmodellen här är en öppen forskningsmodell, och det deklareras öppet. Skillnaden ligger i vad som byggts runt den: kalibrering mot publicerade intervall, den rutbaserade områdesanalysen som fångar partiella redigeringar, kryptografisk certifikatverifiering och en fastställd beslutsgräns. En rå kontrollpunkt ger dig bara ett okalibrerat tal.
Kan den kontrollera video såväl som bilder?
Nej. Endast stillbilder. Video stöds inte i någon form, inklusive animerade GIF-filer där endast den första bildrutan läses. För en video behöver du exportera en bildruta som en bild och kontrollera den, vilket endast ger information om just den rutan.
Kan den uppskatta när en bild skapades, eller vilken modellversion som skapade den?
Nej, inte utifrån pixlarna. Modellen returnerar en sannolikhet för att bilden är syntetisk, utan datum eller modellversion bifogad. När en fil fortfarande har Content Credentials eller genereringsparametrar rapporterar skanningen vad dessa uppger, men det är filens egen beskrivning av sig själv och kan redigeras.
Integritet och åtkomst
Sparar ni bilderna jag kontrollerar?
Nej. Filer du väljer från din enhet laddas aldrig upp, så det finns inget som sparas, inget som köas och inget att radera. De läses och analyseras i din webbläsarflik och raderas när du stänger den. Dina bilder används aldrig för träning. Det enda undantaget är URL-rutan.
Kontrollera en bild nu
Släpp bilden du är osäker på och granska underlaget själv. Denna AI-bilddetektor är gratis att använda, och ingenting lämnar din webbläsare.
Inget konto. Ingen uppladdning. Femtio kontroller om dagen.