Remove AI Watermarks

AI ウォーターマークを削除する

自分で生成した画像や動画から、AI の出所を示すマークを削除します。

• Google Gemini のきらめきウォーターマークやベンダーのテキストマークなど、既知の可視ラベル。
• ローカル形式への直接的な妨害、または拡散再生成による不可視ピクセルウォーターマーク。
• C2PA、EXIF、XMP、IPTC、および関連する AI メタデータ。

削除前	削除後

uv tool install "remove-ai-watermarks[visible]"   # CLI for visible marks and metadata
npx skills add wiltodelta/remove-ai-watermarks    # agent skill for Claude Code, Codex, Cursor, and other agents

動画サポートには、出所の特定、可視マークとメタデータの完全な削除、ディレクトリ内の一括処理、Sora、Veo、Seedance、Doubao、Dola、Hailuo AI、Kling AI の可視マークの削除、および Oracle 認証済み VAE 再生成による動画の SynthID 削除が含まれます。

raiw.cc は、このライブラリをホスト型サービスとして提供しており、GPU が含まれ、インストールも不要です。Standard 出力で最大 12 MP までの可視マークとメタデータの削除は無料です。12 MP を超える元の解像度での処理と不可視ウォーターマークの削除は有料です。

これは、所有するコンテンツに対する合法的な利用を目的とした、AI の出所を示すシグナルに関する研究プロジェクトです。無保証・無責任で現状のまま提供されており、利用方法については各ユーザーが責任を負います。ストック素材代理店のプレビューや、第三者の有料コンテンツを保護するその他のウォーターマークは対象としていません。中国を含む一部の法域では、AI ラベルの削除や、そのためのツールの提供が制限されています。対象範囲、安全性、法的注意事項をご覧ください。

実行したい操作を選ぶ

目的	コマンド	GPU
出所を示すシグナルとウォーターマークを検出する	identify	不要
ピクセルから写真を分類する（任意、出所の特定ではありません）	classify	不要
既知の可視 AI マークを削除する	visible	不要
選択した領域を消去する	erase	不要
AI メタデータを削除する	metadata	不要
対応する動画の出所を特定する	video identify	不要
動画から可視マークと AI メタデータを削除する	video all	不要
動画から AI メタデータを削除する	video metadata	不要
登録済みの可視 AI マークを動画から削除する	video visible	不要
動画のディレクトリを処理する	video batch	モードによる
調整済みの動画ピクセル向け SynthID 削除プロファイルを適用する	video invisible	推奨
画像を再生成して不可視ウォーターマークを妨害する	invisible	必須（CUDA）
可視、不可視、メタデータの削除を実行する	all	推奨
ディレクトリを処理する	batch	モードによる

Microsoft Paint と Photos の InvisMark 宣言は、自動的にピクセル再生成に振り分けられます。all コマンドは、隠れたピクセルウォーターマークと、それに紐づく C2PA マニフェストの両方を削除します。メタデータの削除だけでは、マニフェストのみが削除されます。専用の Python API を使うと、拡散処理を行わずに、検証済みのローカル Watermarker.dll ペイロードを調査して妨害できます。

インストール方法

必要な機能	インストール
メタデータの検査と削除	remove-ai-watermarks
写真がAI生成かカメラ撮影かの分類	remove-ai-watermarks[classify]
OpenAI／Google／不明なソースエクスポートの分類	remove-ai-watermarks[source-classify]
目に見える透かしの検出と削除	remove-ai-watermarks[visible]
動画の可視透かし処理	remove-ai-watermarks[video]
動画のSynthID削除	remove-ai-watermarks[video,diffusion]
Torch不要のDWT-DCT検出	remove-ai-watermarks[detect]
ローカル画像へのPaint InvisMarkの直接的な妨害	remove-ai-watermarks[pixels]
不可視画像透かしの削除（CUDAが必要）	remove-ai-watermarks[qwen-zimage]
使用中のPythonで利用できるすべての本番機能	remove-ai-watermarks[all]

下位レベルおよび特殊用途向けの追加機能には、pixels、heif、 trustmark、migan、lama、diffusion、classify-onnx、 source-classifyがあります。インストールガイドでは、各機能の 依存関係の構成、Pythonとの互換性、モデル要件について詳しく説明しています。

クイックスタート

メタデータを中心とした標準CLIをインストールします。

uv tool install remove-ai-watermarks

画像を検査します。

remove-ai-watermarks identify image.png

ピクセル情報から写真を分類するには（AI生成かカメラ撮影か、プロバイダーは任意）、追加機能をインストールして classifyを呼び出します。identifyが分類を開始することはありません。

uv tool install --force "remove-ai-watermarks[classify]"
remove-ai-watermarks classify image.png

ガイド：写真のピクセル分類。

メタデータ削除後にOpenAI／Google／不明なソースエクスポートのシグナルを軽量に判定し、該当なしの場合は判定を保留するには、 別のPython APIを使用します。これはSynthID検出器ではありません。

import remove_ai_watermarks as raiw

result = raiw.classify_source("image.png")
print(result.label, result.reason)

remove-ai-watermarks[source-classify]をインストールします。ガイド： ソースパイプラインの分類。

SynthIDには署名付き来歴がサポートされている方法で、identifyはこれを読み取ります。 このパッケージにはローカルのSynthIDピクセル検出器はありません。周期格子エキスパートの研究については、 scripts/synthid_runtime/と synthid-detector-research.mdをご覧ください。

目に見える透かしを削除するには、ピクセル処理の依存関係をインストールします。

uv tool install --force "remove-ai-watermarks[visible]"

次に、既知の可視透かしとAIメタデータを削除します。

remove-ai-watermarks visible image.png -o clean.png

可視領域のインペインティングや拡散処理を実行せずに、メタデータを削除します。

remove-ai-watermarks metadata image.png --remove -o clean.png

-oを指定しない場合、このコマンドはソースをその場で上書きします。

MP4、MOV、M4V、WebM、MKV、AVI、FLVファイルのAIメタデータを検査または削除します。

remove-ai-watermarks video metadata input.mp4 --check
remove-ai-watermarks video metadata input.mp4 --remove -o clean.mp4

video metadataコマンドは動画や音声のストリームをトランスコードしません。上記の画像コマンドとは異なり、-oを省略すると <source>_cleanに出力し、元のファイルを保持します。MP4とMOVの 検査では、ネイティブなTC260のAIGCタグ（moov.udta.meta.keys/ilst内）を調べます。メディアペイロードの後にmoovが配置されている場合も対象です。 また、DoubaoのiOSエクスポートが出力するQuickTime形式のmetaバリアント（moovの直接の子として配置された裸のmetaボックス、および hdlr=mdirのキーなしメタデータリスト）も対象です。 同じメタデータリスト構造内のキー付きworkflowエントリとpromptエントリも、ComfyUIのエクスポートを含めて検出し、削除します。 MKVとWebMの検査では、規範に定められた Segment.Tags.Tag.SimpleTagの配置を読み取ります。AVIではLIST/INFO/AIGCを、FLVでは script.onMetaData.AIGCを使用します。ISOBMFF以外の形式の削除では、ストリームコピーを使ってリマックスします。

動画ファイルの識別やクリーニングには、製品向けの動画処理機能を使用します。

uv tool install --force "remove-ai-watermarks[video]"
remove-ai-watermarks video identify input.mp4
remove-ai-watermarks video all input.mp4 -o clean.mp4

video allは、登録済みの安定した可視透かしが存在する場合は削除し、検証済みのAIメタデータは常に削除します。どちらのシグナルも見つからない場合でも、同一コンテナー形式のパススルー出力を作成します。そのため、アプリケーション側では一貫した出力仕様を利用できます。 独自形式の不可視動画透かしの削除は、デフォルトでは無効です。 --invisibleを指定すると、劣化を伴う、オラクル認証済みの動画SynthIDプロファイルが有効になります。

同じ仕様でディレクトリを処理します。

remove-ai-watermarks video batch ./videos --mode all

対応する可視動画透かしを削除します。

remove-ai-watermarks video visible input.mp4 -o clean.mp4
remove-ai-watermarks video visible veo.mp4 --mark veo -o veo_clean.mp4
remove-ai-watermarks video visible seedance.mp4 --mark seedance -o seedance_clean.mp4
remove-ai-watermarks video visible dola.mp4 --mark dola -o dola_clean.mp4
remove-ai-watermarks video visible hailuo.mp4 --mark hailuo -o hailuo_clean.mp4
remove-ai-watermarks video visible kling.mp4 --mark kling -o kling_clean.mp4

このパスでは、ピクセルを変更する前にシーケンス全体をスキャンします。隣接するフレーム間で安定した位置に繰り返し現れるマークのみを受け付け、その後は画像の除去と同じ OpenCV、MI-GAN、または LaMa の塗りつぶしバックエンドを再利用します。音声は再エンコードせずにコピーし、自然な終端まで再生できるようにします。ピクセルが変化するため、動画ストリームはトランスコードします。デフォルトでは、保護付きオプティカルフローパスにより直前に受け付けた塗りつぶしを動きに合わせて位置調整し、近傍の元画像コンテキストが一致した場合にのみブレンドします。無効にするには --no-temporal-consistency を使用してください。エンコーダーは、ffmpeg の暗黙の raw-BGR デフォルトに依存せず、対応する 8-bit の入力クロマサンプリング、カラータグ、MP4/MOV のトラック時間スケールを維持します。可変フレーム間隔は、平均フレームレートに平坦化せず、タイムスタンプ付きのインメモリ NUT ブリッジを通じて維持されます。ゼロ以外の入力開始タイムスタンプは、コピーされた音声のオフセットとともに保持されます。デフォルトの --mark auto は、1 回のデコードパスですべてのプロバイダーをスキャンし、以下に示す具体性の順序で最初に見つかった安定したマークを選択します。有効な Google AI-video provenance がある場合、ひし形が Sora の領域内にあるとき、または Sora はクリップ全体に残らず Veo は残るときは、Sora/Veo の誤照合を解消して Veo を優先します。検出対象を 1 つのプロバイダーに限定するには、明示的にマークを指定してください。 Sora は、ワードマークの有無を問わず、動く Sora 2 のマスコットに対応します。マスコットのみの一致では、完全な両目の形状も必要です。Veo は現在の 4 点のひし形と、旧式の Veo テキストの両方に対応します。Seedance は固定表示の枠付き AI ラベル、Dola は固定表示の Dola AI テキスト、Hailuo AI は複合ラベル MINIMAX | hailuo AI、Kling AI は右下にあるバージョン接尾辞付きの KLING AI または KlingAI ラベルに対応します。エンコードが完了すると、出力はアトミックに公開されます。安定したマークが見つからない場合、出力は書き込まれません。 HDR、PQ/HLG、および 8 ビット超の入力は、OpenCV の 8-bit BGR 境界を通して暗黙に減色するのではなく、エンコード前に拒否されます。

調整済みの動画ピクセル SynthID 除去プロファイルを適用します。

uv tool install --force "remove-ai-watermarks[video,diffusion]"
remove-ai-watermarks video invisible input.mp4 -o clean.mp4

このパスでは、時間全体で共有される 1 つの潜在ノイズフィールドを使ってシーケンス全体を再生成し、音声全体をコピーし、入力メタデータを除去して、完了したエンコードをアトミックに公開します。デフォルトの noise_std=0.15 プロファイルは、2 キャリアのキャリブレーションと、公開されている 8 秒間の Veo oracle チェックの両方に合格しました。Google はローカルデコーダーを公開していないため、特に重要なファイルやプロバイダーの変更後には、新たにプロバイダーで確認することが引き続き有用です。ただし、これは製品の結果状態ではありません。そのため CLI では、ファイルごとの SynthID 判定を主張するのではなく、動画ピクセルの再生成と説明し、コピーされた音声のウォーターマークを UNVERIFIED として報告します。

CLI または高レベル API から不可視ウォーターマークの除去を行うには、qwen-zimage エクストラをインストールしてください。NVIDIA GPU が必要です。すべての拡散プロファイルは CUDA 専用であり、CPU または MPS へのフォールバックはありません。特殊なローカル Paint API では、CUDA を使わずに pixels エクストラを使用します。

uv tool install --force "remove-ai-watermarks[qwen-zimage]"
remove-ai-watermarks invisible image.png -o clean.png

ローカルの検出器で不可視ウォーターマークを確認できないものの、画像が AI ジェネレーターで生成されたとわかっている場合は、--force を追加してください。

remove-ai-watermarks invisible image.png -o clean.png --force

テキストが多い画像では、実験的な検証済みテキストの後処理を選択できます。手動で確認した文字列と行ボックス、またはオペレーターが検証したジオメトリのみのマニフェストを受け付けます。未処理の OCR 出力を正解として扱うことはなく、自動実行もしません。

uv tool install --force "remove-ai-watermarks[text-restoration]"
remove-ai-watermarks invisible image.png -o clean.png \
  --text-manifest verified-lines.json --force

マニフェストのスキーマ、互換性の制限、oracle に関する注意事項については、CLI ガイドを参照してください。

Homebrew、uv、オプション機能、開発環境のセットアップについては、インストールガイドを参照してください。

例

Gemini の可視マーク

このページ上部の after ラスターは、公開パスを使って、追跡対象の before ラスターから生成されます。

uv run remove-ai-watermarks visible demo_banana_before.png \
  --backend cv2 -o demo_banana_after.png

高品質な不可視ウォーターマークの除去

デフォルトのプロファイルは qwen-zimage です。Canny ControlNet の下で Qwen-Image-2512 Lightning によるパスを実行した後、検出された顔を SAM でマスクし、Z-Image で修復します。もう一つのプロファイル sdxl-zimage は、グローバルステージを SDXL に置き換え、同じ顔ステージを維持します。3つ目のプロファイル chroma-zimage は、Apache-2.0 の Chroma1 グローバルパスを独自の固定ベンダーフロアとともに使用します。調整については docs/chroma1-engine-research.md を参照してください。--pipeline auto は、Google には sdxl-zimage、Microsoft には chroma-zimage、それ以外には qwen-zimage を選択します。いずれも CUDA のみで動作します。

uv tool install --force "remove-ai-watermarks[qwen-zimage]"
remove-ai-watermarks invisible image.png -o clean.png --force

OpenAI の例（処理前）	OpenAI の例（処理後）

Gemini の例（処理前）	Gemini の例（処理後）

これらの出力ファイルは、対応するプロバイダーの検証ツールで確認済みです。この結果はこれらのファイルに適用されるものであり、すべてのシード、画像、または将来のウォーターマークバージョンに適用されるものではありません。

よく使うレシピ

検出された可視マークをすべて削除する

remove-ai-watermarks visible image.png -o clean.png

デフォルトの --mark auto は、登録されているすべての可視マークをチェックし、一致するものをすべて削除します。マークが目視できるのに検出器が見逃す場合は、対象領域を明示的に指定してください。

remove-ai-watermarks erase image.png \
  --region 1640,1930,400,100 \
  -o clean.png

--region は x,y,width,height 形式で指定し、複数回指定できます。

学習済みの塗りつぶしバックエンドを使う

visible エクストラは、学習済みバックエンドがインストールされていない場合、OpenCV のインペインティングを使用します。より難しい背景に対応するため、学習済みバックエンドのエクストラには同じピクセル依存関係が自動的に含まれます。

uv tool install --force "remove-ai-watermarks[migan]"
remove-ai-watermarks visible image.png -o clean.png --backend migan

uv tool install --force "remove-ai-watermarks[lama]"
remove-ai-watermarks visible image.png -o clean.png --backend lama

CUDA メモリ使用量を減らす

remove-ai-watermarks invisible image.png -o clean.png \
  --cpu-offload --force

CPU オフロードは、モデルコンポーネントを CPU と GPU の間で移動させることで CUDA メモリの負荷を下げますが、処理速度は低下します。

ディレクトリを処理する

remove-ai-watermarks batch ./images --mode visible
remove-ai-watermarks batch ./images --mode all

このツールが認識できるもの

可視マークのサポート対象は次のとおりです。

• Google Gemini と Nano Banana の可視スパークルウォーターマーク。
• Doubao、Jimeng のワードマークと左上の AI生成 レイアウト、Qwen、Kling AI、Yuanbao、Dola、WorkBuddy、Baidu、LiblibAI の下中央のワードマークと左上のコンパクトなピル型マーク、RunningHub のラベル。
• 調整済みの Microsoft の右上の白色およびベージュ色の AI バッジレイアウト。
• 調整済みのイタリア語および韓国語の Samsung Galaxy AI 開示表示。
• 独自のベンダーワードマークを含まない OS／ギャラリーレベルの AI 編集スタンプ向けに、右下の汎用ブランドなし AI生成 フォールバック（vivo と Xiaomi Gallery で確認済み）。合成データのみで調整されており、上記のベンダー向けに調整された検出器より根拠は弱いです。
• 角ではなくフレーム中央に配置される OpenArt のワードマーク。未調整（実例1件を確認済み、収集済みコーパスなし）。

メタデータと来歴の検査では、C2PA、EXIF、XMP、IPTC、画像および動画コンテナ内の一般的な生成パラメーター、中国の TC260 AIGC ラベル、複数のベンダー固有シグナルを対象とします。オプションのデコーダーを追加すると、オープンな DWT-DCT ウォーターマークと Adobe TrustMark もサポートされます。

ロケールに関する重要な制限や検出器の制限を含む正確なサポート一覧は、サポート対象のシグナルに記載されています。合成サンプルギャラリーには、登録済みの画像および動画マークごとに、標準サンプルが1つずつ掲載されています。

動作の仕組み

目に見えるウォーターマークの除去は、次の3つの手順で行います。

1. 想定される領域内に登録済みのマークがあるか検出します。
2. マークの周囲にマスクを作成します。
3. マスクした領域だけをOpenCV、MI-GAN、またはLaMaで塗りつぶします。

メタデータの除去には、フォーマットに応じた削除処理を使用します。JPEGのメタデータを除去する際は、再圧縮せずにエンコード済みの画像スキャンを保持します。ネイティブのMP4/MOV TC260値とキー付き生成パラメーターは、ボックスサイズやメディアオフセットを変更せずに空欄にします。その他の対応コンテナでは、それぞれに対応するメタデータ処理を使用します。

CLIと高レベルAPIで目に見えないウォーターマークを除去する場合は、拡散パイプラインを通じて画像を再生成します。専門的な用途では、代わりに、形式がMicrosoft Paintのものだと特定できた場合に限り、そのデータをデコードして改変できます。こちらではピクセルの変更を大幅に抑えられます。どちらの方法も、あらゆる独自の検証ツールがすべての出力を拒否することを保証するものではありません。

技術的な適用範囲の詳細は、対応シグナルと 既知の制限事項を参照してください。

Python API

目に見えるウォーターマークの除去APIには、remove-ai-watermarks[visible]が必要です。

import remove_ai_watermarks as raiw

result, removed = raiw.remove_visible("watermarked.png", "clean.png")
print(removed)

report = raiw.remove_visible_detailed("watermarked.png", "clean.png")
print(report.status)  # cleaned | partial | unvalidated | no_watermark

complete = raiw.remove_all("watermarked.png", "clean.png")
print(complete.visible_status, complete.visible_marks)

images = raiw.remove_batch("images", "images_clean", mode="visible")
for item in images.items:
    print(item.source, item.visible_status, item.visible_marks)

provenance = raiw.identify_video("input.mp4")
report = raiw.inspect_video_metadata("input.mp4")
complete = raiw.remove_video_all("input.mp4", "clean.mp4")
print(complete.visual_invisible_action, complete.audio.watermark_status)
batch = raiw.remove_video_batch("videos", "videos_clean")
cleaned = raiw.remove_video_metadata("input.mp4")
synthid_cleaned = raiw.remove_video_invisible("input.mp4", "synthid_clean.mp4")
print(synthid_cleaned.visual_invisible_action, synthid_cleaned.audio.watermark_status)
visible = raiw.remove_video_visible("input.mp4", "clean.mp4")
print(visible.mark)
veo = raiw.remove_video_visible("veo.mp4", "veo_clean.mp4", mark="veo")
seedance = raiw.remove_video_visible(
    "seedance.mp4",
    "seedance_clean.mp4",
    mark="seedance",
)
dola = raiw.remove_video_visible("dola.mp4", "dola_clean.mp4", mark="dola")

高レベルAPIは、ファイルパスまたはBGR NumPy配列を受け取ります。ファイルパスを入力した場合は、来歴メタデータも読み取り、アルファチャンネルを保持し、書き出す結果からAIメタデータを削除できます。

目に見えるウォーターマークの除去、remove_allとremove_batchの全パイプライン、来歴の確認、メタデータの削除、拡散処理の使用方法については、Python APIガイドを参照してください。

エージェントスキル

コーディングエージェントは、公開済みのスキルをインストールして、このCLIを操作できます。

npx skills add wiltodelta/remove-ai-watermarks

Claude Codeでは、このリポジトリをプラグインマーケットプレイスとして追加できます。

/plugin marketplace add wiltodelta/remove-ai-watermarks
/plugin install remove-ai-watermarks@remove-ai-watermarks

Codexは、.codex-plugin/plugin.jsonを通じて同じスキルを読み込みます。このスキルは、ストックエージェンシーなどの第三者が提供する有料アセットのマークを拒否します。エージェントスキルガイドを参照してください。

MCP サーバー

remove-ai-watermarks mcpは、identify、remove、batchをModel Context Protocolのツールとしてstdio経由で提供します。それぞれ、1つのCLIコマンドを薄くラップしたものです。

{"mcpServers": {"remove-ai-watermarks": {"command": "uvx", "args": ["remove-ai-watermarks", "mcp"]}}}

MCP サーバーガイドを参照してください。

ComfyUI

別途提供されている ComfyUI Remove AI Watermarks パッケージには、目に見えるウォーターマークの除去、検出、領域の消去、目に見えないウォーターマークの除去を行うノードが用意されています。

重要な制限事項

• ローカルのシグナルが見つからない場合、それは問題がないという意味ではなく、不明であることを示します。メタデータを削除した後も、独自のピクセル透かしが残る場合があります。 各処理経路で残るもの には、コマンドごとに残存する可能性のあるものと、その確認方法が記載されています。
• 可視の透かし除去では、小さな領域を再構成します。結果は背景と選択した補完バックエンドによって異なります。
• 不可視の透かし除去では、画像全体が変更され、顔、テキスト、細部に影響する場合があります。
• 動画の可視透かし除去では、移動する Sora 2 のワードマーク、現在の Veo のダイヤモンドと旧式の Veo テキスト、Seedance の枠付き AI ラベル、および固定された Doubao、Dola、Hailuo AI、Vidu、Kling AI のラベルを認識します。旧式の Sora Turbo の隅にある渦巻きや、これらのプロバイダーの未登録レイアウトは認識しません。 従来型の OpenCV バックエンドでは、構造化された背景ににじみが生じることがあります。復元品質が重要な場合は、MI-GAN または LaMa を使用してください。
• 動画の SynthID 再生成では、解像度、フレームレート、画像の細部が変化します。同梱のプロファイルはオラクルによる認証済みですが、任意の出力を実行時に認証できる公開ローカルデコーダーはありません。プロバイダーに変更があった場合は、特に重要な出力を再確認してください。
• CLI と高水準 API による不可視透かしの除去には CUDA が必要です。すべての拡散プロファイルは、実行できないデバイスへのフォールバックを行わず、CUDA 以外のデバイスでは構築時に処理を拒否します。専用のローカル Paint API、可視透かし除去、メタデータ削除、identify は CUDA なしで実行できます。
• プロバイダーの透かしシステムは変更される場合があります。利用可能な場合は、プロバイダー独自の検証ツールで重要な出力を検証してください。

同梱の video invisible コマンドでは、認証済みの noise_std=0.15 プロファイルを使用します。付属の scripts/video_synthid_sweep.py 調査用ハーネスは、一致する再エンコード対照と VAE 再生成候補を作成し、検証結果の欄は空欄のままにします。

uv run --extra video --extra diffusion python scripts/video_synthid_sweep.py input.mp4 -o sweep/

出力で実際に生じた損失を評価するには、scripts/video_fidelity_probe.py を使用してください。 エンジン独自の PSNR は、入力のリサイズ後かつ最終エンコード前に測定されるため、出力された映像を確認できるのはこのプローブだけです。

uv run --extra video python scripts/video_fidelity_probe.py input.mp4 input_clean.mp4

候補を透かし除去の証拠として認めるには、対照が引き続き SynthID 陽性でなければなりません。2026-07-29 に実施した 2 つのクリップによるキャリブレーションでは、どちらの一致する対照も Gemini 内蔵の SynthID 検証ツールで陽性でした。より強い候補は両方のキャリアで陰性、より弱い候補は一方で陰性でした。その後、通常の Gemini にピクセル結果を再解釈するよう求めた敵対的な追試では UNAVAILABLE が返されました。この追試は検証ツールを再実行したものではなく、内蔵検証ツールの判定を無効にするものではありません。2026-07-31 に公開されている 8 秒の Veo サンプルを使ってクリップ全体を確認したところ、0.10 は引き続き検出され、0.15 は検出されませんでした。そのため、0.15 が認証済みのデフォルトになりました。このクリップ全体の確認における再現可能なハッシュと判定は、1 つのキャリア、2 行の内容として data/evaluations/video-synthid-oracle.csv に記録されています。それ以前の 2 クリップによるキャリブレーションは、記録されたマニフェストに判定が残されていないため、説明としてのみ扱ってください。認証済みのデフォルトは、2026-07-31 の行に基づくものです。

ドキュメント

ドキュメントのインデックスから始めてください。

• インストール
• CLI ガイド
• Python API
• 対応するシグナル
• 既知の制限事項
• 対象範囲、安全性、法的事項
• モジュールの内部構造
• リリースと配布
• エージェントスキル

調査メモと過去の実験は、ドキュメントのインデックスに別途記載されています。過去の決定について説明するものであり、現在の公開 API を定義するものではありません。

コントリビューション

開発環境をインストールし、プロジェクトのゲートを実行してください：

uv sync --frozen --extra dev
bash maintain.sh

文書化された不変条件があるサブシステムを変更する前に、モジュール内部を確認してください。 脆弱性はSECURITY.mdの記載に従って報告してください。

ライセンス

Apache 2.0。Copyright 2025-2026 wiltodelta.

Victor Kuznetsov 制作。