先来看一个有意思的案例。马斯克最近在社交平台推荐自家AI平台Grok的新版本时，顺手上传了一段已故篮球巨星科比的AI合成视频作为实测。

结果是，Grok不仅完美解析了画面和场景，还精准提取了核心台词，最终给出判断：这段视频是深度伪造的AI合成内容。

这背后，正是Grok全新视频交互能力的首次高调亮相。

Grok如何完成视频识别

从马斯克放出的对话记录来看，Grok的操作相当细致。

它先逐帧解析画面：“科比身穿黑色西装，以标志性的‘曼巴精神’发表独白，伴随着指点、手势、微笑以及身体前倾靠近镜头的动作，灯光极具电影质感。”

接着，模型精准提取出视频中的核心台词，包括“SpaceX迄今为止打造的最强智能模型”“Grok 4.5，伟大源于磨砺，曼巴，退场”等内容。

这一步步并非简单的图像识别，而是带着理解力的“读片”。

综合判定为Deepfake，科比AI视频无所遁形

真正的关键环节，在于综合判定。

Grok把所有画面、台词和上下文信息串联起来，最终得出结论：这段影像属于深度伪造的AI合成视频。

它甚至明确指出，科比已于2020年离世，视频内的人物画面完全是AI生成，而非真人实拍。

这意味着，Grok不仅“看懂”了视频内容，还具备了辨别真伪的推理能力。

这已经不是简单的图像识别，而是带着逻辑推理的“阅片思维”。

视频交互能力完成跨代升级

从音频摘要到全维度理解，视频交互跨代升级

Grok近日正式上线的视频交互功能，让用户可以像上传图片一样，直接在对话窗口上传本地视频文件，或者粘贴链接，再向AI下达各种指令。

支持的功能包括：

• 总结视频全篇内容

• 识别画面人物与物体

• 拆解动作细节

• 针对任一细节持续追问交流

相比以往只提取音频文字生成摘要的旧模式，这次升级完全是跨越式的。

Grok能够联动连续帧画面、音频信息与上下文逻辑，全方位深度理解整条视频的内容。

当AI从“听视频”进化到“看视频”，从内容总结升级到真伪鉴别，视频交互的天花板又被实实在在抬高了一截。

《夸克》非常好用的免费AI浏览器

下载APP查看