偽造的角色運動往往會暴露出機械感或者演算法擬合的痕跡。
比如步幅的週期性過於均勻、重心轉移的曲線過於平滑，這些都是肉眼難以察覺但演算法一抓一個準的漏洞。
賙濟把影片中綿羊行走、奔跑、低頭吃草的幾段關鍵片段截取出來，輸入分析系統。
這一次，等了二十五分鐘。
結果出來的時候，賙濟正端著第二杯茶準備喝，掃了一眼螢幕上跳出來的資料，手頓住了。
生物運動一致性評分：99.89%。
他的第一反應是系統的演算法引數設得太寬鬆了。
他調低了容錯率，重新跑了一遍。
又等了二十五分鐘，螢幕上跳出來的結果沒有絲毫變化，依然是99.89%。
賙濟放下茶杯，坐首了身體。
第三模組是微觀影像分析。
這個模組的技術含量最高。
它能透過分析影像中最小顆粒度的噪點分佈、壓縮痕跡和畫素相關性，判斷影片是否經過後期合成或修改。
任何被編輯過的影片，都會在畫素層面留下肉眼永遠無法察覺的微小破綻，比如某個區域的噪點密度與周邊不一致，或是壓縮演算法的痕跡在拼接處出現斷裂。
他把影片檔案切分成兩千多個分析區塊，逐一輸入系統。
這個分析過程需要至少西十分鐘。
西十三分鐘之後，螢幕上的結果讓賙濟的額頭開始冒汗了。
微觀影像分析結論：未檢測到合成或修改痕跡。
影像完整性置信度：99.94%。
他把三個結果並列擺在螢幕上，盯著看了足足三分鐘，然後拿起光腦，給另外兩個同事發了條訊息：【你們那邊的結果呢？過來碰一下。】
三人小組在分析室裡碰了頭。
負責生物動態模擬演算法方向的研究員姓方，是個西十出頭的乾瘦男人，臉色不大好看。
他把自己的分析資料投到共享螢幕上：“我跑了三組不同的生物力學模型，包括咕咕雞的標準運動資料庫，通用雉科動物步態預測模型，還有一個我自己編寫的針對反芻動物行為的專門演算法。三組模型給出的結果高度一致——”
他頓了頓，似乎連自己都覺得接下來的話難以啟齒。
“影片中動物的運動特徵，與真實活體生物的行為資料曲線完全吻合。沒有任何演算法模擬的痕跡。”
第三個研究員姓吳，負責的是終極驗證手段。
頻譜特徵分析。
他能透過分析影片中聲音訊號的頻率分佈、共振峰結構和背景噪聲的頻譜特徵，來驗證音訊部分是否真實。
。蓋掩完法無乎幾的面層譜頻在但，真常非以可來起聽訊音造偽
