O TSE já definiu critérios para caracterizar deepfakes no contexto das Eleições 2026. Mas se um detector de deepfake indicar “75% de probabilidade de IA”, isso prova que o áudio ou vídeo é falso? Não necessariamente. O resultado pode ser um indicador técnico relevante, mas depende do arquivo examinado, da ferramenta utilizada, da versão, dos parâmetros, da base de referência e das condições de circulação do material.
Na prática pericial, quatro perguntas precisam ser separadas: há sinais compatíveis com geração ou manipulação sintética? O arquivo analisado corresponde à versão preservada? Qual é a origem ou a rota de publicação? É possível atribuir criação, edição ou divulgação a alguém? Confundir essas perguntas transforma uma pontuação automatizada em uma conclusão que o método talvez não permita sustentar.
Resposta direta: um detector de deepfake não prova tudo sozinho
Um detector pode identificar padrões estatísticos compatíveis com determinados tipos de manipulação ou geração por inteligência artificial. Isso é útil para triagem, priorização de exames e formulação de hipóteses. Porém, o resultado não prova isoladamente que o conteúdo é falso, quem o criou, quem o publicou ou qual consequência jurídica deve ser aplicada.
A palavra “probabilidade” também exige cuidado. Um percentual apresentado pela ferramenta pode ser a saída de um classificador diante de um conjunto de características do arquivo. Ele não significa automaticamente que exista 75% de probabilidade de o fato narrado ser falso, nem que haja 75% de probabilidade de uma pessoa ter usado IA para produzir aquele material.
O significado depende do modelo estatístico, do limiar de decisão, da prevalência considerada, dos dados usados na validação e da semelhança entre o arquivo examinado e os dados representados no treinamento. Sem essas informações, a pontuação é difícil de auditar e pode ser interpretada de maneira exagerada.
Quatro perguntas diferentes sobre um áudio ou vídeo suspeito
A principal distinção técnica pode ser organizada em quatro eixos:
| Pergunta | O que pode ser examinado | O que não responde sozinha |
|---|---|---|
| Há conteúdo sintético ou manipulado? | Padrões audiovisuais, sinais estatísticos, cortes, síntese, conversão ou montagem | Quem produziu ou divulgou o material |
| O arquivo está íntegro? | Hash, estrutura binária, versões, codec, duração e alterações entre cópias | Se o conteúdo retrata um fato verdadeiro |
| Qual é a origem ou a rota de publicação? | URL, conta, dispositivo, registros, timestamps e histórico de circulação | A autoria técnica da criação do conteúdo |
| Quem criou, editou ou publicou? | Correlação entre vestígios digitais, contas, logs, dispositivos e contexto | Uma conclusão baseada apenas na pontuação do detector |
Essa matriz evita que uma constatação seja ampliada indevidamente. Um exame pode encontrar sinais compatíveis com clonagem de voz, por exemplo, sem demonstrar qual pessoa forneceu a voz de referência, quem solicitou a síntese ou quem compartilhou o arquivo.
Detectar manipulação não é autenticar a origem
A detecção procura responder se o arquivo apresenta características compatíveis com determinado tipo de alteração. A autenticação da origem busca reconstruir de onde veio aquele arquivo, como foi obtido e se a versão analisada corresponde ao material originalmente coletado.
São problemas relacionados, mas não equivalentes. Um vídeo pode conter sinais de edição sem que o detector identifique a técnica utilizada. Também pode receber uma pontuação elevada por causa de compressão, redimensionamento ou ruído, sem que isso demonstre uma geração integral por IA.
Integridade, contexto e autoria exigem outros vestígios
O hash é importante para demonstrar que determinada cópia permaneceu igual desde o momento em que foi calculado. Se dois arquivos possuem hashes diferentes, isso mostra que os arquivos binários não são idênticos. Não mostra, sozinho, qual deles é o original, quem alterou o material ou se a alteração modificou seu conteúdo relevante.
Metadados, URLs, horários, identificadores de conta, registros de download e versões disponíveis podem contribuir para a análise. Contudo, metadados podem ser removidos ou reconstruídos, e uma conta que publicou um arquivo não é necessariamente a conta que o criou. A conclusão precisa resultar da correlação entre vestígios e não de um elemento isolado.
O que significa um resultado como “75% de probabilidade de IA”?
Antes de aceitar o número, é necessário perguntar: probabilidade de quê, segundo qual modelo e em relação a qual população de arquivos? Um classificador pode ter sido treinado para distinguir certas manipulações faciais, determinado tipo de síntese de fala ou ataques específicos. Isso não significa que ele tenha a mesma validade diante de qualquer áudio, vídeo, plataforma ou método de geração.
Um relatório tecnicamente útil deveria informar, no mínimo:
- nome da ferramenta e versão utilizada;
- tipo de arquivo, tamanho, duração, resolução e características relevantes;
- parâmetros e limiar de decisão adotados;
- base de referência ou condições de validação conhecidas;
- métricas de desempenho e taxas de erro disponíveis;
- procedimento de preparação ou conversão do arquivo;
- resultado bruto e forma de interpretação;
- limitações, falsos positivos e falsos negativos possíveis;
- possibilidade de repetição por outro profissional.
O Open Media Forensics Challenge é um exemplo de programa que avalia sistemas de mídia forense segundo tarefas, conjuntos de dados e métricas específicas. Essa estrutura ajuda a compreender por que o desempenho de uma ferramenta precisa ser contextualizado. Resultado obtido em benchmark ou ambiente controlado não equivale automaticamente ao desempenho em um arquivo recebido por aplicativo de mensagens e submetido a múltiplas conversões.
Como compressão, reencodificação e compartilhamento alteram o exame
Um áudio ou vídeo raramente permanece idêntico durante sua circulação. Plataformas podem alterar codec, taxa de amostragem, resolução, taxa de bits, quadros, canais e metadados. Filtros, cortes, exportações sucessivas e gravações de tela também podem modificar os sinais disponíveis para análise.
Essas alterações têm dois efeitos possíveis. Podem remover vestígios que o detector procuraria ou introduzir padrões que se parecem com sinais de manipulação. Por isso, um resultado obtido sobre uma cópia comprimida não deve ser apresentado como se fosse necessariamente válido para o arquivo originário.
O benchmark FaceForensics++ mostra a importância de considerar diferentes técnicas de manipulação, tamanhos de imagem e níveis de compressão na avaliação de detectores de imagens faciais. A referência não transforma o benchmark em prova sobre um caso concreto; ela evidencia a dependência entre método, dados e condições do exame.
Na análise pericial de áudio e vídeo, a comparação entre versões pode ser mais informativa do que a execução isolada de um detector. É possível verificar alterações de duração, trilhas, quadros, taxa de amostragem, codec, cortes e sincronização. Ainda assim, a diferença entre versões precisa ser interpretada: uma exportação legítima também pode produzir arquivos binariamente diferentes.
Edição convencional, montagem, dublagem, clonagem de voz e deepfake
“Falso” é uma palavra ampla demais para descrever fenômenos tecnicamente distintos. Um material pode ter sido editado de forma convencional, montado a partir de trechos verdadeiros, dublado, submetido à conversão de voz ou gerado integralmente por IA.
Na análise de áudio, é importante distinguir ao menos:
- edição e cortes convencionais;
- dublagem ou substituição de uma faixa sonora;
- síntese de fala a partir de texto;
- clonagem ou conversão de voz;
- replay, quando uma gravação é reproduzida e novamente capturada;
- combinação de fala sintética com elementos gravados.
O ASVspoof 2021 ilustra essa diversidade ao separar cenários de avaliação relacionados a acesso lógico, acesso físico e fala deepfake. São tarefas com bases, ataques e métricas próprias. Portanto, um detector de IA para áudio e vídeo não deve ser tratado como instrumento universal para qualquer forma de adulteração.
No vídeo, a análise pode envolver sincronização labial, continuidade temporal, composição de quadros, iluminação, coerência acústica, cortes e montagem. Uma falha labial ou um ruído espectral pode justificar uma hipótese de investigação, mas não confirma isoladamente o uso de IA. O artefato precisa ser examinado em conjunto com o restante do material e com as condições de aquisição.
O que preservar para permitir uma análise independente
A qualidade do exame começa antes da ferramenta. Quando possível, deve-se preservar o arquivo original ou a primeira versão disponível, sem sobrescrevê-lo ou submetê-lo a novas conversões. Também é importante registrar como o material foi obtido e manter cópias de trabalho separadas do arquivo preservado.
Um conjunto mínimo de documentação pode incluir:
- arquivo recebido e respectivo hash;
- origem, URL, conta ou dispositivo associado à coleta;
- data e hora, com indicação do fuso quando relevante;
- forma de aquisição e ferramenta utilizada para copiar o material;
- versões anteriores, posteriores ou paralelas disponíveis;
- capturas de contexto, sem tratá-las como substitutas do arquivo;
- histórico de transferências, conversões, cortes e tratamentos;
- identificação das pessoas que tiveram contato com o material.
O NIST SP 800-86 organiza o trabalho forense em coleta, exame, análise e relato. Trata-se de uma orientação técnica geral, não de uma regra processual brasileira específica para perícia audiovisual. Ainda assim, sua estrutura ajuda a demonstrar que preservar, examinar e interpretar são etapas diferentes.
Quando o material veio de uma rede social, aplicativo de mensagens ou gravação de tela, a limitação deve ser registrada. Uma cópia reenviada pode permitir examinar o conteúdo que circulou, mas pode não conservar a versão originária, os metadados iniciais ou a cadeia completa de publicação. A análise de o que artefatos digitais não nativos podem demonstrar ajuda a compreender por que uma cópia pode ser útil sem provar, sozinha, autenticidade ou autoria.
Como avaliar a metodologia e a reprodutibilidade do detector
Um laudo responsável não deveria limitar-se à frase “a ferramenta apontou 75%”. O leitor precisa saber qual objeto foi analisado, em que condições, com qual método e com quais limitações. Sem isso, não há como distinguir uma conclusão pericial de uma simples reprodução de tela.
A documentação do teste deve permitir perguntas como:
- O arquivo foi analisado em seu formato recebido ou convertido antes?
- A ferramenta reconhece aquele codec, resolução, duração e tipo de áudio?
- Qual versão do modelo foi utilizada?
- O limiar foi definido pelo fornecedor ou pelo examinador?
- Há dados de validação para arquivos semelhantes ao examinado?
- Como o sistema se comporta diante de compressão e reencodificação?
- Foram testadas versões alternativas do mesmo material?
- O resultado foi reproduzido em ambiente controlado?
- Quais taxas de falso positivo e falso negativo são conhecidas?
- O relatório diferencia observação, inferência e hipótese?
O plano técnico do ASVspoof 2021 Evaluation Plan, por exemplo, evidencia a necessidade de explicitar dados, métricas, regras de teste e condições de comparação na avaliação de sistemas de detecção de fala falsificada. A lição metodológica é mais importante do que transportar uma métrica específica para qualquer caso.
Na prática, a reprodutibilidade não exige que todo exame produza exatamente o mesmo número em qualquer ambiente. Exige que outro profissional consiga identificar o arquivo, compreender o procedimento, conhecer os parâmetros e verificar as limitações que condicionaram o resultado.
O que o critério do TSE sobre deepfake acrescenta — e o que não acrescenta
Segundo notícia oficial do Tribunal Superior Eleitoral, em 1º de setembro de 2026 foi fixada tese relacionada à caracterização de deepfake nas Eleições 2026. A descrição associa o conceito a conteúdo sintético ou manipulado por inteligência artificial ou tecnologia equivalente, com realismo ou verossimilhança e alteração de imagem, voz ou manifestação.
O ponto decisivo é o alcance. A tese está relacionada ao contexto eleitoral e à caracterização de propaganda eleitoral. Não deve ser apresentada como regra geral para todo processo criminal, cível ou eleitoral, nem como validação automática de qualquer detector.
Também em setembro de 2026, o TSE divulgou notícia sobre parceria com a ElevenLabs envolvendo proteção de vozes, identificação de conteúdos gerados na plataforma, marca d’água digital e recursos de rastreabilidade. A própria natureza da iniciativa deve ser compreendida com cautela: identificar conteúdo gerado em determinada plataforma não demonstra que todo áudio suspeito foi produzido por ela, tampouco estabelece automaticamente autoria ou intenção. A notícia também descreve a proteção como medida preventiva, sem garantia de bloqueio absoluto de usos indevidos.
Assim, o critério eleitoral pode ajudar a contextualizar o debate público sobre conteúdo sintético, mas não elimina a necessidade de examinar o arquivo, a metodologia e os demais vestígios em cada situação.
Como a Assistência Técnica Criminal pode auditar um resultado
Quando um áudio ou vídeo influencia uma investigação, uma acusação ou uma estratégia de defesa, a questão não é apenas repetir o teste. É necessário verificar se o teste foi adequado ao objeto, se o material preservado corresponde ao arquivo examinado e se as conclusões ultrapassaram o que os dados permitem afirmar.
Na Assistência Técnica Criminal, o profissional pode contribuir para:
- formular quesitos sobre ferramenta, versão, parâmetros e limiar;
- solicitar o arquivo originário, cópias de trabalho e dados subjacentes;
- examinar hashes, metadados, codecs, timestamps e versões;
- avaliar os efeitos de compressão, conversão e compartilhamento;
- comparar o resultado do detector com análise audiovisual independente;
- verificar métricas, base de referência e condições de validação;
- apontar ausência de documentação ou impossibilidade de reprodução;
- distinguir sinal técnico, inferência, hipótese e conclusão;
- avaliar se houve extrapolação para autoria, intenção ou responsabilidade.
Esse trabalho pode se relacionar à contra perícia técnica em informática, especialmente quando o laudo apresentado apenas reproduz uma pontuação automatizada sem detalhar o procedimento. O objetivo não é substituir uma conclusão jurídica por outra, mas fornecer elementos para que o contraditório examine a confiabilidade do método e o alcance da prova.
A preservação adequada também pode ser aprofundada a partir da discussão sobre cadeia de custódia em evidências digitais. Já a elaboração de quesitos técnicos ajuda a transformar dúvidas genéricas — como “o vídeo é falso?” — em perguntas verificáveis sobre aquisição, integridade, ferramenta, parâmetros e reprodutibilidade.
Um assistente técnico especializado em computação forense pode, portanto, ajudar a delimitar o que foi efetivamente examinado. A ausência do arquivo original, uma falha metodológica ou uma limitação de cadeia de custódia pode reduzir a força probatória ou exigir complementação. Isso não produz nulidade automática: o impacto jurídico depende do caso concreto, da prova disponível e da avaliação processual pertinente.
Perguntas frequentes
Um detector de deepfake com 75% de probabilidade prova que o áudio ou vídeo é falso?
Não. O percentual é uma saída condicionada ao modelo, ao arquivo, aos parâmetros e às condições do teste. Ele pode indicar uma hipótese técnica relevante, mas precisa ser interpretado junto com preservação, análise audiovisual, comparação de versões e outros vestígios.
Qual é a diferença entre detectar IA, verificar a integridade do arquivo e identificar a autoria?
Detectar IA busca sinais compatíveis com síntese ou manipulação. Verificar integridade compara versões e alterações do arquivo; identificar autoria exige correlacionar contas, dispositivos, registros, logs e contexto. Uma dessas conclusões não substitui automaticamente as demais.
A compressão do WhatsApp ou de uma rede social pode alterar o resultado?
Pode. Reencodificação, redução de resolução, filtros, ruído e remoção de metadados podem eliminar sinais ou introduzir padrões que afetem o classificador. Por isso, é importante preservar a origem e registrar o histórico de circulação.
Metadados e hash conseguem provar sozinhos que um vídeo é original?
Não. O hash demonstra a identidade binária da cópia a partir do momento em que foi calculado, enquanto os metadados podem contribuir para reconstruir o histórico do arquivo. Nenhum dos dois prova isoladamente autenticidade, autoria ou ausência de manipulação.
O que um advogado deve solicitar para questionar um laudo baseado em detector de deepfake?
Deve solicitar o arquivo examinado, a versão preservada, a ferramenta, sua versão, os parâmetros, o limiar, as métricas, os dados de referência, o procedimento de preparação, as limitações e os resultados reproduzíveis. Também é pertinente questionar a correlação entre a pontuação e as conclusões sobre origem, autoria ou responsabilidade.
O ponto técnico central é simples, embora sua aplicação exija cuidado: um detector pode apontar sinais compatíveis com conteúdo sintético, mas não encerra a análise. A força probatória depende da relação entre o método, o arquivo, a preservação, o contexto de circulação e os demais vestígios disponíveis.
Um resultado automatizado pode orientar a investigação, mas não deve ser convertido diretamente em falsidade, autoria ou consequência jurídica. Entre a pontuação exibida na tela e uma conclusão pericial defensável existem etapas de aquisição, validação, comparação, documentação e delimitação — precisamente as etapas que permitem ao contraditório avaliar o que a evidência realmente demonstra.
Precisa avaliar tecnicamente uma prova digital?
Se um áudio ou vídeo influencia uma investigação, acusação, defesa ou disputa eleitoral, a LOPES PERÍCIAS pode avaliar tecnicamente o arquivo, a cadeia de preservação, a metodologia do detector, seus parâmetros e a reprodutibilidade do exame, contribuindo para uma análise independente do material.
