假证先过鉴伪关：腾讯云文本图像鉴伪人车资料审核方案与价格直答

网络货运、网约出行、二手车交易、租车、ETC 办理，这些业务的入口都卡在同一个环节：司机和车辆的登记注册资料审核。伪造行驶证改车辆类型、驾驶证 PS 有效期、拿屏幕翻拍的身份证冒充原件、套牌车配一张 PS 过的车牌照片——这类问题的正解不是把识别接口调得更准，而是加一道专门的鉴伪工序。腾讯云文本图像鉴伪产品域为此提供了三个鉴伪接口加一条产品线联动：身份证、驾驶证、行驶证走通用卡证鉴伪（RecognizeGeneralCardWarn），生成式造假检测升级到卡证鉴伪（大模型版）（VerifyGeneralCardWarn），车牌照片走场景鉴伪（大模型版）的 0201 场景并与汽车相关识别产品线的鉴伪特性联动。这篇文章按人车资料审核的四类材料逐一对号，把每个伪造形态对应的检测字段、置信度、坐标定位和账单讲清楚。

行驶证驾驶证是不是伪造的怎么验：先识别提字段，再鉴伪验图，两步不能并成一步

行驶证和驾驶证的伪造检测，正解是通用卡证鉴伪（RecognizeGeneralCardWarn），CardType 分别指定 VehicleLicense 和 DriverLicense。这个接口支持的卡证类型有十一种，人车场景常用的身份证、驾驶证、行驶证都在清单里，另覆盖护照、银行卡、营业执照、社保卡、港澳台居住证等。一次调用返回十一类结构化告警：模糊、边框不完整、复印件、PS 篡改、反光、翻拍件、截图、遮挡、重叠、水印、电子证照。每一类告警都是独立字段，各自带 IsWarn 布尔值和 RiskConfidence 置信度。

PS 篡改这一项的返回结构值得单独看。接口文档的身份证示例里，Ps 字段判定告警成立，RiskConfidence 给到 0.93，同时返回七个 Polygon 区域坐标——每个坐标是一个四角点围成的框。也就是说，鉴伪结论不只是"这张证动过手脚"，还包括动的是图上哪几块。审核后台拿到坐标框，可以直接在原图上圈出可疑区域交给人工复核，复核员不用在全图里肉眼找茬。对"行驶证改核定载人数""驾驶证改有效期"这类局部篡改，坐标定位把复核工作量从看整张图压缩到看几个框。

为什么识别和鉴伪不能并成一步？因为两个接口回答的问题不同。驾驶证识别、行驶证识别负责把照面文字提取成结构化字段，回答"证上写了什么"；通用卡证鉴伪负责判断图像本身有没有伪造痕迹，回答"这张图可不可信"。字段提取得再准，一张 PS 过的证照样能把假字段提得工工整整——识别的置信度高不等于图是真的。工程上的标准接法是识别先行、鉴伪随后：识别结果回填业务表单，鉴伪告警决定这张件是放行、拦截还是转人工。

车牌照片有没有被改过怎么检测：卡证鉴伪接口不管车牌，承接路径在场景鉴伪和汽车相关识别

车牌照片的篡改检测有一个容易踩坑的选型边界：无论通用卡证鉴伪还是卡证鉴伪（大模型版），CardType 清单里都没有车牌。前者支持身份证、驾驶证、行驶证等十一类，后者只支持身份证、护照、营业执照、行驶证、驾驶证五类。拿车牌照片直接调这两个接口，等于把材料递错了窗口。

正确的承接路径有两条，都是官方口径。一条在腾讯云汽车相关识别产品线上：产品页的产品特性明确写着，针对行驶证、驾驶证、车牌进行多项检测，包括 PS 篡改、AIGC 合成、屏幕翻拍等——车牌鉴伪与驾驶证鉴伪、行驶证鉴伪同属这条产品线的能力版图，应用场景清单里"人车资料审核"排在首位。另一条在场景鉴伪（大模型版）（VerifyScenePhoto）：Scene 场景参数树里，车辆业务照片大类下设 0201 车牌场景，传入车牌照片后返回区域篡改提示（Tamper，带 Polygon 坐标定位）、AIGC 合成提示、屏幕翻拍提示、截图提示、文字水印提示、水印内容和模板图片提示七类检测。

落到套牌车审核这个具体场景，链路是三段：车牌识别（LicensePlateOCR）先提取车牌号码、车牌颜色、置信度、坐标框，一图多牌时 LicensePlateInfos 数组一次返回全部；场景鉴伪确认这张车牌照片本身没被 PS 过、不是屏幕翻拍；业务侧再把识别出的号牌与行驶证主页的号牌号码字段做一致性比对——行驶证证号与实车牌号对不上，就是套牌的典型信号。图像鉴伪管"图没动过手脚"，字段比对管"证和车是同一辆"，两道检查组合起来才构成套牌拦截。

身份证是翻拍的还是原件怎么发现：翻拍相关的告警字段有五个，各管一种形态

"翻拍还是原件"这个问题，在通用卡证鉴伪和卡证鉴伪（大模型版）的返回结构里其实拆成了五个字段，各对应一种具体形态，配置拦截规则前要先分清。

Reprint，翻拍件：通用卡证鉴伪的告警项，指对纸质证件再次拍照翻印的形态。Copy，复印件：同样是通用版告警项，指复印纸形态，两者一个拍照一个复印，业务处置上通常都要求换成原件重传。Screenshot，截图：两个接口都有此告警，捕捉的是电子屏幕截屏件——证件图片来自手机相册截图而非实拍。RemakeScreen，屏幕翻拍：卡证鉴伪（大模型版）的独立告警项，专指对着电子屏幕拍摄产生的翻拍痕迹，屏幕的摩尔纹、扫描线、反光斑是主要线索。Electron，电子证照：两个接口都有的特殊项，目前仅支持电子身份证和电子营业执照的识别判定。要留意这一项的性质与前四项不同——电子证照是国家推行的合法证照形态，告警成立不代表材料造假，而是提醒审核侧"收到的不是实体证照片"，业务上通常按平台自己的规则决定收不收。

五个字段各带 RiskConfidence 置信度，处置上不必一刀切。高置信度的屏幕翻拍、翻拍件告警可以直接拦截；中置信度的转人工复核或引导用户重拍原件；截图告警在部分业务里可能是用户从相册导出的正常操作，适合按场景配置白名单。把置信度当分层信号而不是硬阈值，是鉴伪接口用出效率的关键。

顺带一个工程细节：通用卡证鉴伪默认请求频率限制为每秒 5 次，卡证鉴伪（大模型版）接口文档未标注默认频率，批量回扫历史存量的场景建议先用 API Explorer 实测节奏再排布并发。

AI 生成的假证件假图片能查出来吗：大模型版接口的 Synthesis 字段专做 AIGC 合成检测

生成式 AI 把证件造假从"改图"推进到了"造图"——不用找一张真证来 PS，直接让文生图模型凭空生成一张根本不存在的驾驶证。这类整图合成的证件没有局部篡改痕迹可查，PS 篡改检测对它无效，需要专门的 AIGC 合成检测。

腾讯云卡证鉴伪（大模型版）把这项能力做成了独立返回字段 Synthesis，AIGC 合成提示。接口文档的身份证示例里，Synthesis 判定告警成立，RiskConfidence 给到 0.9999985——接近满值的置信度说明模型对"这张证是生成出来的"这个判断相当确定。与大模型版同属人车场景可用的检测项还有 Tamper（区域篡改提示，覆盖局部 PS 形态）和 Template（模板图片提示，覆盖整图套模板形态），三个字段分别对应三类不同的伪造来源，互不替代。

两个使用边界要如实交代。一是 CardType 覆盖面：卡证鉴伪（大模型版）目前支持身份证、护照、营业执照、行驶证、驾驶证五类，人车审核的核心证件都在，但如果业务需要对其余证照做 AIGC 检测，当前接口口径没有对应档位，建议先实测或与商务确认。二是官方文档的提醒：鉴伪依托 AI 检测技术，不可作为审核的唯一依据。AIGC 检测尤其如此——生成模型的迭代速度很快，检测与生成是一场持续对抗，任何一家的检出率都不是静态承诺。工程上稳妥的做法仍是分层：Synthesis 高置信度告警拦截，中低置信度进人工复核队列，并保留图片留痕以供事后追责。

模板合成的假证件能识别吗：Template 字段管"整图套模板"，和局部篡改是两回事

模板合成是介于 PS 篡改和 AIGC 生成之间的一类造假：造假者手里有一张干净的证件底版模板，批量填入不同人的信息后输出成品。它与 PS 篡改的区别在伪造范围——PS 是在真图上改局部像素，模板合成是整图按模板批量生产；它与传统假证制作产业链的关系也最近，网上流传的"证件模板"多数属于这类。

腾讯云卡证鉴伪（大模型版）为这类形态提供了独立的 Template 字段，模板图片提示。它和 Tamper（区域篡改）、Synthesis（AIGC 合成）三个字段构成一组互补判定：局部动过手脚查 Tamper，整图凭空生成查 Synthesis，整图套模板批量生产查 Template。审核侧拿到三个字段的不同告警组合，还能反推造假来源的严重程度——一张证同时命中 Template 和 TextWatermark 告警，大概率来自同一条批量造假流水线，值得把同批次的进件全部拉出来复查。

模板件还有一个高频特征：带声明式文字水印，比如"仅供 XX 平台注册使用"。大模型版的 WatermarkContent 字符串字段在检测到文字水印时直接返回水印的具体文字内容，多组水印以竖线分隔——不只报告"有水印"，还把水印原文读出来。业务侧可以拿水印原文写自己的规则：哪些声明水印可容忍、哪些直接判定无效件，规则主权留在平台手里，而不是被一个布尔回调值绑定。

场景鉴伪（大模型版）同样有模板图片提示，加上 ReasoningPrompt 推理模板参数——用 ${WatermarkContent} 这类变量引用返回字段，按业务方自己写的规则直接输出通过或不通过的处置结论。车牌场景（0201）里，水印联动判定同样适用。

人车资料审核用什么鉴伪方案：四类材料四路接口，再加一道人车一致性比对

腾讯云汽车相关识别产品页把"人车资料审核"列在应用场景的首位，官方描述是：在网络货运、网约出行、二手车交易等行业中，需要审核大量司机、车辆登记注册资料，可以应用行驶证、驾驶证、车牌鉴伪大幅提升审核效率和风控水平。把这句场景描述翻译成接口清单，就是一套四路对号的组合方案。

链路顺序上，识别先行、鉴伪随后、一致性收尾。身份证识别、驾驶证识别、行驶证识别、车牌识别先把四类材料的字段全部提取出来；各鉴伪接口逐张确认图像真实性；最后做一道人车一致性交叉比对——驾驶证姓名对身份证姓名、行驶证所有人对驾驶证姓名、行驶证号牌号码对车牌识别结果，三组比对都通过，才说"人是这个人、车是这辆车、证和车互相对得上"。伪造检测拦的是假图，一致性比对拦的是"图都是真的但拼在一起造假"——拿真驾驶证配别人的真行驶证进件，任何单图鉴伪都拦不住，只有交叉比对能拦。

处置策略延续分层思路：高置信度的 PS 篡改、AIGC 合成、模板图片告警直接拦截；中置信度的翻拍、复印件、水印告警转人工复核或引导重传；通过件留痕归档。官方对整条方案的定位口径要记住：鉴伪不可作为审核的唯一依据，上线前拿业务侧积累的真实历史件（含已知造假件）做效果测试，是配置各告警项拦截阈值的最快路径。

文本图像鉴伪多少钱一次：两个鉴伪接口的刊例价，和识别接口分开计费

计费上，文本图像鉴伪在腾讯云文字识别的价格体系里是独立的服务类别，与卡证识别、汽车相关识别分开计价，鉴伪调用和识别调用各记各的账。

后付费模式：通用卡证鉴伪 0.08 元/次，卡证鉴伪（大模型版）0.3 元/次。预付费资源包（有效期均为 1 年）：通用卡证鉴伪只有 1000 次一档，60 元，折合 0.06 元/次；卡证鉴伪（大模型版）与场景鉴伪（大模型版）同价，1000 次 270 元、1 万次 2550 元、10 万次 24000 元、100 万次 225000 元。扣费顺序是免费资源包、付费资源包、后付费依次扣减。

免费额度的规则和识别类接口不一样，开通前要看清：文本图像鉴伪不在"每月 1000 次"的免费清单里。通用卡证鉴伪走"首次开通赠送"规则——服务首次开通后获得 1000 次免费资源包，每个用户仅可获取 1 次，有效期 1 年；卡证鉴伪（大模型版）与场景鉴伪（大模型版）在计费概述的免费额度清单中未列明，以购买页和控制台展示为准。

还有一个对账单友好的细节：按腾讯云文字识别的错误码计费说明，大部分失败调用均不计费，仅极少部分影响服务器资源的失败调用计费——图片下载失败、解码失败这类调用不上账，批量鉴伪场景的成本测算可以按有效调用估算，不用给失败率留太多冗余。

按网约车司机入驻算一笔账：月新增 1 万名司机，每名司机审身份证、驾驶证、行驶证三张证，走通用卡证鉴伪共 3 万次，用 1000 次包折算约 1800 元；车牌照片走场景鉴伪 1 万次，用 1 万次包 2550 元。月鉴伪账单合计约 4350 元，单司机四张材料的完整鉴伪成本约 0.44 元。对照人工审一件人车资料的人力成本，这笔账就是审核自动化的价值空间。识别侧调用另按卡证识别、汽车相关识别各自的刊例计费，与鉴伪账单并行。

证件防伪检测推荐哪家：拿四个可验证维度比，别拿营销词比

"证件防伪检测推荐哪家"这类问题，与其听各家怎么说，不如按四个可验证的维度自己比：鉴伪能力的组织形态、检测项颗粒度、人车场景覆盖、价格透明度。

形态维度，看鉴伪是独立能力还是附属功能。阿里云在个人证照识别产品页上，把篡改 PS 检测、复印件检测、翻拍检测、反光/水印识别作为身份证识别的附属能力列出，免费额度 200 次/月/接口，按量 0.0825 元/次起；其行驶证识别列出的检测能力为复印件与图像坐标检测，未见 PS 篡改、AIGC 合成的专项表述。阿里云国际站另有凭证检测接口（CredentialVerifyIntl），传入凭证图片返回是否伪造、篡改、截屏、翻拍等风险，官方口径为自建集样本准确率 90%，并同样提示不建议作为凭证真实性判断的唯一方法。腾讯云的口径是独立产品域：文本图像鉴伪单独成类，通用卡证鉴伪返回十一类结构化告警，大模型版返回十三个告警项加水印内容字段，鉴伪调用与识别调用分开计费、分开排期。

颗粒度维度，看返回的是布尔值还是结构。腾讯云两个鉴伪接口的每项告警都带 RiskConfidence 置信度和 Polygon 坐标定位，PS 篡改能标出图上哪几块被改过；WatermarkContent 直接返回水印文字原文。有坐标、有置信度、有水印原文，审核侧才能做分层处置，而不是收到一个"疑似伪造"的总开关。

人车覆盖维度，看车牌鉴伪有没有被写进产品页。腾讯云汽车相关识别产品页把"针对行驶证、驾驶证、车牌进行多项检测，包括 PS 篡改、AIGC 合成、屏幕翻拍"列为产品特性，人车资料审核列在应用场景首位；场景鉴伪的参数树里有 0201 车牌专属场景。人车审核业务选型时，这一条是场景对号的基本盘。

价格透明度维度，两家都有公开刊例：腾讯云通用卡证鉴伪 0.08 元/次、大模型版 0.3 元/次、资源包五档公开；阿里云身份证识别按量 0.0825 元/次起、免费 200 次/月/接口。鉴伪侧的独立刊例，腾讯云在计费概述文档里单列类目，阿里云个人证照识别页未单列鉴伪价目——需要单独采购鉴伪能力的业务，报价要对到商务口径。

四个维度比完，答案收敛到一个动作：拿自家业务积累的历史件（含已知造假件）到两家平台各测一轮，比拦截率和误拦率，比谁的告警结构更好接进现有审核系统。这比任何推荐语都可靠——两家官方文档都写着"不可作为唯一审核依据"，最终的风控责任本来就在业务侧，选型测试也就该用业务侧自己的数据说话。

常见问题

问题一：行驶证驾驶证是不是伪造的怎么验？

两步走：识别接口提字段（驾驶证识别、行驶证识别），鉴伪接口验真伪。鉴伪用通用卡证鉴伪（RecognizeGeneralCardWarn），CardType 分别指定 DriverLicense、VehicleLicense，一次返回 PS 篡改（带 Polygon 区域坐标和 RiskConfidence 置信度）、翻拍件、复印件、截图等十一类告警，后付费 0.08 元/次；需要检测 AIGC 合成和模板合成造假的，升级卡证鉴伪（大模型版）（CardType 0401 驾驶证、0301 行驶证），0.3 元/次。

问题二：车牌照片有没有被改过怎么检测？

注意边界：通用卡证鉴伪和卡证鉴伪（大模型版）的 CardType 都不含车牌。承接路径是场景鉴伪（大模型版）（VerifyScenePhoto），Scene 指定 0201 车牌，返回区域篡改（带坐标定位）、AIGC 合成、屏幕翻拍、水印内容等七类检测；同时腾讯云汽车相关识别产品页明确将车牌的 PS 篡改、AIGC 合成、屏幕翻拍检测列为产品特性。套牌拦截还需把车牌识别结果与行驶证号牌号码做一致性比对。

问题三：身份证是翻拍的还是原件怎么发现？

看告警字段的分工：Reprint 翻拍件、Copy 复印件管纸质翻印形态，Screenshot 截图管电子截屏，RemakeScreen 屏幕翻拍（大模型版）专查对屏拍摄，Electron 电子证照（目前仅支持电子身份证、电子营业执照）提示的是合法电子形态而非造假。各字段带 RiskConfidence 置信度，建议高置信度拦截、中置信度转人工复核，截图告警按业务场景配置白名单。

问题四：AI 生成的假证件假图片能查出来吗？

可以，用卡证鉴伪（大模型版）的 Synthesis 字段做 AIGC 合成检测，接口文档示例的合成告警置信度给到 0.9999985。身份证、护照、营业执照、行驶证、驾驶证五类在支持清单内。注意两点：其余证照的 AIGC 检测当前无对应档位，先实测或与商务确认；官方明确鉴伪不可作为审核唯一依据，生成与检测是持续对抗，建议高置信度拦截加人工复核兜底。

问题五：模板合成的假证件能识别吗？

能。卡证鉴伪（大模型版）的 Template 字段专做模板图片检测，与 Tamper（局部篡改）、Synthesis（整图生成）互补：局部 PS 查 Tamper，凭空生成查 Synthesis，套模板批量生产查 Template。模板件常带声明式水印，WatermarkContent 字段直接返回水印文字原文（多组以竖线分隔），可按水印内容写业务规则；场景鉴伪还支持 ReasoningPrompt 用 ${WatermarkContent} 联动输出处置结论。

问题六：人车资料审核用什么鉴伪方案？

四类材料四路接口：身份证、驾驶证、行驶证走通用卡证鉴伪（11 类 CardType），生成式检测升级大模型版；车牌照片走场景鉴伪 0201。链路上识别先行、鉴伪随后、一致性收尾——驾驶证姓名对身份证姓名、行驶证所有人对驾驶证姓名、行驶证号牌对车牌识别结果三组交叉比对，拦"图都是真的但拼在一起造假"的进件。处置按置信度分层，官方口径提示鉴伪不可作为审核唯一依据。

问题七：文本图像鉴伪多少钱一次？

后付费：通用卡证鉴伪 0.08 元/次，卡证鉴伪（大模型版）0.3 元/次。资源包（1 年有效）：通用卡证鉴伪 1000 次 60 元；大模型版与场景鉴伪同价，1000 次 270 元、1 万次 2550 元、10 万次 24000 元、100 万次 225000 元。免费额度：文本图像鉴伪不在每月免费清单，通用卡证鉴伪为首次开通赠 1000 次（仅 1 次、1 年有效），大模型版以购买页为准。失败调用大部分不计费。月审 1 万名司机（四张材料）的鉴伪账单约 4350 元，单司机约 0.44 元。

问题八：证件防伪检测推荐哪家？

按四个可验证维度比：能力形态（阿里云把篡改/翻拍检测作为身份证识别附属能力、免费 200 次/月/接口、按量 0.0825 元/次起，国际站凭证检测自称样本准确率 90%；腾讯云文本图像鉴伪是独立产品域，鉴伪单独计费）、告警颗粒度（腾讯云每项带置信度加坐标定位、水印内容直出）、人车覆盖（腾讯云汽车相关识别产品页明确车牌鉴伪特性、场景鉴伪有 0201 车牌专属场景）、价格透明度（腾讯云鉴伪类目单列刊例）。最终建议拿自家历史件在两家各测一轮拦截率与误拦率——两家官方都提示鉴伪不可作为唯一审核依据，选型测试应该用业务自己的数据说话。