视频是真的，声音是假的 —— 当骗子只伪造"耳朵听到的那一半"

我们这周盯上的一个怪现象

做鉴真这一行，我们习惯盯着画面：手指几根、瞳孔反光对不对、背景文字乱没乱。可最近澳大利亚的一桩案子，把我这套直觉打了个措手不及。

澳大利亚证券与投资委员会（ASIC）8 月发出警告：有人用 AI 合成的音频，套在完全真实的视频画面上，冒充总理阿尔巴尼斯（Anthony Albanese）和一批知名人士，推销根本不存在的投资平台。已经有人被骗走约 740 万澳元。

注意，这里没有换脸，没有绿幕，没有"那个人到底去没去现场"的拉扯。视频里的人就是本人，画面是真的，镜头是真的，连嘴形都对得上——因为声音是后期贴上去的，嘴形本来就由真素材决定。骗子只伪造了"耳朵听到的那一半"。

我们常告诉普通人：看口型、看眨眼、看光影。可当声音是单独被克隆再压回真画面上时，这些招数一个都用不上。脸是真的，话是假的。

为什么它比"整段假视频"更难防

传统深伪，整段都是编的，画面里一定有破绽——六指、光影穿帮、背景文字乱码。可音频嫁接反过来：画面零破绽，因为它是真的。检测器扫一遍像素，大概率报"未发现 AI 生成痕迹"，分数低得让人安心。

但这恰恰是最危险的地方。观众心里那句"画面没破绽，应该是真的"的潜台词，被骗子精准利用了。

骗局类型	画面真假	声音真假	视觉检测能拦住吗
整段深伪视频	假	假	大概率能（有破绽）
旧视频换字幕	真	真	不能（检测器只管像素）
音频嫁接	真	假	不能（画面本来就没问题）

一句话：检测器量的是像素的出身，不是这句话的真假。画面清白，不代表人在说真话。

克隆一段声音只要几秒

更让人头皮发麻的是门槛。这类骗局用的技术，是从几秒参考音频里克隆出声线，再压到真实画面上承诺"每月稳赚"。你刷到的"总理亲自推荐"，可能只是他某次公开演讲里剪出来的几秒钟，被算法重新拼成了一句他从来没说过的话。

澳大利亚那个案子里，不止总理中招。财经评论员艾伦·科勒（Alan Kohler）的脸和声音也被拿来用。骗子挑的从来不是最像的人，而是最让人放心的人——官员、主持人、财经名嘴，因为他们自带"这人不会骗我"的信任感。

平台在干嘛，为什么还是挡不住

ASIC 说，他们一个财年撤下了创纪录的 1.94 万个诈骗网站，差不多是上一年的三倍。可新广告换个国家域名、换个账号就又冒出来。

真正有效的那条路，其实有数据支撑：凡是要求金融广告主先过身份核验的市场，诈骗广告量明显下降。澳大利亚目前还没强制这一步。也就是说，骗子便宜、快、几下就能重建投放，平台下架永远慢半拍。

把"打假"的希望全压在平台删除按钮上，等于把防火墙建在敌人冲进来之后。

我们普通人在这种骗局里能做什么

别只盯着脸。这段话希望你能记住三件事：

• 听到"权威人士"在视频里喊你投资，先去官方渠道核实，而不是看画面像不像真的。
• 任何"稳赚""官方背书"的话术，视频再逼真也等于零担保。真官员不会在社媒广告里拉你开户。
• 把怀疑的矛头从"画面真不真"转向"消息源靠不靠谱"。这比练出火眼金睛实用。

我们 TrueLens 做的是免费、中立的第三方鉴真工具，结果仅供参考，不能当法律证据。但越是这种"画面是真的、话是编的"案子，越说明一件事：技术能告诉你像素从哪来，却替你回答不了"他到底说了没有"。这个问题，永远得靠源头核实，而不是靠一张脸。