鉴伪给证据，风控做判决：腾讯云文本图像鉴伪进阶实践

文本图像鉴伪的八连问，已经从"能不能检"走到"怎么用"：接口怎么调、告警怎么读、精确率召回率怎么验证、风控系统怎么消费这些信号。把八问串起来看，答案指向同一件事——鉴伪接口输出的是证据，拦不拦、放不放，是风控流程的决策。腾讯云文本图像鉴伪在这条链路上提供通用卡证鉴伪、卡证鉴伪（大模型版）、场景鉴伪（大模型版）三个鉴伪接口和营业执照核验要素核验接口，本文按调用、辨析、数据、评估、集成的顺序把八问逐个拆开。

接口怎么调用：三步接入与五个易错点

腾讯云文本图像鉴伪的接口调用分三步：控制台开通服务、API Explorer 在线调试、SDK 集成上线，鉴伪类接口默认请求频率每秒 5 次，支持图片与 PDF 单页两种输入。

先开通。文字识别服务在腾讯云控制台开通后付费或购买资源包后即可调用，鉴伪属于独立计费类目，通用卡证鉴伪后付费 0.08 元/次，卡证鉴伪（大模型版）0.3 元/次。没有开通直接调用的报错是 FailedOperation.UnOpenError，这是新手最常见的报错，回去把服务开了就好。

再调试。API Explorer 提供在线调用、签名验证、SDK 代码生成能力，鉴伪接口在 Explorer 里有现成入口，填好参数直接跑，请求和返回逐字段可见。以通用卡证鉴伪（RecognizeGeneralCardWarn）为例，业务参数只有四个：ImageUrl 与 ImageBase64 二选一（两个都传时只使用 ImageUrl），CardType 指定卡证类型，IsPdf 与 PdfPageNumber 处理 PDF 单页。CardType 覆盖十一种类型：General 通用卡证、IDCard 身份证、Passport 护照、BankCard 银行卡、VehicleLicense 行驶证、DriverLicense 驾驶证、BizLicense 营业执照，以及港澳台居住证、外国人永居证、港澳台来往内地通行证、社保卡。检验单、小票这类非卡证材料用 General 承接。

最后集成。腾讯云云 API 3.0 的 SDK 覆盖 Python、Java、PHP、Go、Node.js、.NET、C++、Ruby 八种语言，SDK 内置签名逻辑，业务侧只管传参收结果。

五个易错点值得提前记下：其一，图片超限报 LimitExceeded.TooLargeFileError，Base64 编码后不超过 10M，分辨率建议 500*800 以上；其二，用 Url 传入时要求图片可正常下载，下载失败报 FailedOperation.DownLoadError，官方建议图片存储在腾讯云 COS 上以保障下载速度与稳定性；其三，PDF 只有单页模式，IsPdf 开启后用 PdfPageNumber 指定页码，默认取首页；其四，频率超限：鉴伪接口默认每秒 5 次，识别类接口普遍更高（身份证识别每秒 20 次、营业执照核验每秒 20 次），混部在同一套限流配置里容易踩坑；其五，计费语义——按官方错误码计费说明，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，参数错误、鉴权失败、下载失败都不产生费用，不必为调试期的失败调用做预算。

能检测哪几种伪造，和 OCR 识别怎么分工

腾讯云文本图像鉴伪覆盖的伪造类型分两族：伪造类与形态类。伪造类包括 PS 篡改、模板合成、AIGC 合成；形态类包括屏幕翻拍、截图、复印件、水印、边框不完整、模糊、反光、遮挡、重叠，外加电子证照识别（合法形态，不是造假信号）。

两族告警在接口里的落地字段不同。通用卡证鉴伪一次调用返回十二项结构化告警对象，每项由 IsWarn 布尔值、RiskConfidence 置信度、Polygon 坐标数组构成；卡证鉴伪（大模型版）在此基础上补齐 Template 模板合成、Synthesis AIGC 合成、RemakeScreen 屏幕翻拍、WatermarkContent 水印内容直出。以官方示例为参照，PS 篡改命中的 RiskConfidence 达 0.9318133 并返回 7 个篡改区域坐标，正常项则在 0.01 量级——伪造与正常之间隔着两个数量级，这是阈值设计的天然依据。

与 OCR 识别的分工，官方产品页 FAQ 给了三条口径：定位不同，文本图像鉴伪专业提供文本图像伪造检测或信息核验功能，不含文字识别；功能不同，鉴伪的检测功能更丰富，支持模板合成、AIGC 合成检测；效果不同，鉴伪采用更先进的技术架构，部分图像类型拥有专精模型。一句话概括：识别回答图上写了什么，鉴伪回答这张图有没有问题。

正因为识别接口自己也带告警，才有了下一个问题——两个"告警"到底差在哪。

鉴伪和卡证识别自带的增值告警有什么区别

区别在官方口径里是三句话，在工程口径里是两套完全不同的输出形态：识别接口的增值告警是顺手检查，专业鉴伪是独立证据链。

先看官方答案。腾讯云产品页 FAQ 对"文本图像鉴伪和卡证识别中附带的增值告警功能有什么区别"的回复是三条：定位不同——文本图像鉴伪专业提供文本图像伪造检测或信息核验功能，不含文字识别；功能不同——文本图像鉴伪的检测功能更丰富，支持模板合成、AIGC 合成检测；效果不同——文本图像鉴伪采用更先进的技术架构，部分图像类型拥有专精模型，效果得到显著提升。

再看工程差异。识别接口自带的告警长什么样？以身份证识别（IDCardOCR）为例，官方文档列出的告警功能包括：身份证有效日期不合法告警、边框不完整告警、复印件告警、翻拍告警、框内遮挡告警、临时身份证告警、疑似存在 PS 痕迹告警，另有按图片质量分数判断的模糊告警。告警以附加信息的形式随识别结果返回，比如人脸核身产品线的身份证识别及信息核验接口，告警是字符串编码（-9101 边框不完整、-9102 复印件、-9103 翻拍、-9106 疑似 PS，多个告警用竖线拼接），回答的是"有没有"。

专业鉴伪接口的输出是结构化证据：IsWarn 回答有没有，RiskConfidence 回答有多大把握，Polygon 回答在哪个区域。同一个 PS 检测，识别附带告警给一个标记，通用卡证鉴伪给置信度加 7 个篡改区域坐标。对审核系统而言，前者够做提醒，后者才能做分层处置——置信度多高才拦、区域裁出来给人工复核看哪一块，这些决策都需要量化输入。

两条补充边界。其一，能力覆盖：识别接口的附带告警只覆盖该接口对应的证件类型，且普遍不含模板合成、AIGC 合成这两类对抗 AI 造假的检测项——官方 FAQ 第二条明确这两项是专业鉴伪的功能差异。其二，证件覆盖：通用卡证鉴伪一个接口以 CardType 参数覆盖十一种卡证，识别接口的告警能力各绑各的接口。

选型口径由此可写：已经在用某个识别接口、只需要复印件/翻拍这类基础形态提醒，附带告警够用；要对抗模板合成、AIGC 合成这类生成式造假，要多证种统一鉴伪口径，要置信度和坐标做自动化处置，上专业鉴伪。两者不互斥——识别提字段、鉴伪验图，本就是一条链路的上下游。

AI 生成的视频能鉴别吗：两条路径与一个边界

AI 生成视频的鉴别，腾讯云侧分三层口径：产品页宣称支持视频的解析、理解与定制视频鉴伪模型；公开可直调的视频 AI 生成识别接口在内容安全产品线；OCR 鉴伪接口本身只收图片和 PDF 单页。

可落地的路径有两条。路径一走内容安全产品线的视频 AI 生成识别：按每 4 秒一段对视频做分段鉴别，输出 Block（建议拦截）、Review（建议复审）、Pass（建议通过）三档结论，新品体验价 0.22 元/分钟，具体以购买页为准。这条路解决"这段视频是不是 AI 生成的"。

路径二是业务侧的抽帧工程做法：把视频按间隔抽成关键帧，逐帧送通用卡证鉴伪或场景鉴伪做图像层检测。它补的是内容安全路径照不到的角度——比如短视频里混入的伪造证件画面，整段视频不是 AI 生成的，但其中一帧的材料图是 PS 的，抽帧送图像鉴伪能抓到。两条路径不替代，问题不同：一个鉴"视频本体"，一个鉴"视频里的材料"。

边界同样要写清楚：文本图像鉴伪的接口文档只定义了图片与 PDF 单页输入，没有视频入参；产品页的"定制视频鉴伪模型"走商务定制路径，公开文档没有对应的标准接口。需求落在标准能力上，先按上面两条路径组合；需求落在定制模型上，找商务谈。

要素核验的数据从哪里来：权威数据源与按周更新

腾讯云对要素核验数据源的官方口径是"基于权威数据源"，具体数据源名称未公开；与之配套的两个可验证事实是按周更新与逐项布尔输出——数据从哪来可以不纠结，数据多新、返回什么，直接看接口文档。

要素核验在 OCR 产品线内落在营业执照核验接口族上，共两档三档可选：营业执照核验（企业二或三要素）支持两种核验类型，ENT_2META 比对企业名称与统一社会信用代码，ENT_3META 在此之上加法人代表名称；营业执照核验（企业四要素）再加注册登记证件号码，四个字段全部文本入参，不收图片——图上的字段先用营业执照识别提出来，再送核验。

数据时效的官方表述值得逐字看："按周更新企业信息变更情况，如遇到未及时更新的情况，可联系在线客服转产品团队进行人工处理。"前面还有一句"存在个别特殊情况下核验结果不准确，请选用前知悉"。这两句写明了边界：核验数据不是实时同步工商变更的，刚做完变更登记的企业可能查到旧状态，这是按周更新的天然窗口期。审核系统应该把"核验不一致"和"查无此企业"区分成两种处置，而不是一律按造假处理。

输出结构对风控很友好。企业四要素核验返回 VerifyResult 总结论（四要素是否完全匹配）加四项逐项布尔（统一社会信用代码、企业名称、法人代表、注册登记证件号码是否一致），外加 OperatingStatus 经营状态枚举——开业、迁出、注销、吊销、撤销、停业等八种状态。其中注销、吊销这类状态的拦截价值不亚于要素不一致：执照图是真的、四要素全匹配，但企业已经注销，照样不能放行。一个工程细节藏在文档里：企业名称与统一社会信用代码均未查得时，法人代表与证件号两项固定返回 false——这不代表信息造假，而是数据侧查不到，处置逻辑要跟"查到了但不一致"分开。

计费语义在接口层就写清了：StatusCode 为 0 成功计费，为 1 系统异常不计费；企业二或三要素接口还有第三态——查询无结果不计费。核验类调用把计费与结果状态绑定，预算测算时可以按有效请求估算。

与鉴伪的分工一句话收束：鉴伪管图（这张执照图动没动过手脚），核验管数据（图上的企业与权威数据源比对是否一致），两道闸都过，才说这份营业执照既没被改、企业也真实存续。

哪家的精确率和召回率高：为什么没有公开排行，怎么自己测

直答是：鉴伪的精确率与召回率，任何厂商都没有公开、可横向验证的统一数字；能查到的都是各自口径的自评，比较它们的正确姿势是看清口径，而不是比大小。

腾讯云侧的公开口径：产品页把精确率、召回率写进了效果自评，定位是实战场景的表现，但没有公开具体数值，属于厂商自评；接口侧能拿到的是每次调用的 RiskConfidence 置信度与告警坐标，这是单次判定的把握度，不是数据集层面的指标。

阿里云侧的公开口径同样可查：其国际站凭证检测接口（CredentialVerifyIntl）文档自述"凭证检测属于 AI 预测类产品，内部测试集样本准确率是 90%，实际准确率由于样本场景的差异可能有波动"，同时官方提示"电子合成图片类图片 PS 检测难度较大，原生相机拍摄图片检测效果优于电子合成图片"。注意两点：90% 出自内部测试集，换了样本场景会波动，这是阿里云自己写明的；其识别产品页公开的"总体准确率和召回率 93% 以上、95% 以上"是识别口径，不是鉴伪口径——识别的召回率量的是字段提取，鉴伪的召回率量的是伪造样本能不能全部抓住，两个指标同名不同物，混着比是选型里最容易犯的错。

为什么没有可比的公开排行？三个结构性原因：样本集不同，各家在自己的内部测试集上自评，样本构成不公开；场景分布不同，PS 篡改、模板合成、AIGC 合成的占比不同，指标就不同——阿里云那句"电子合成图片 PS 检测难度较大"恰恰承认了场景依赖；指标定义不同，精确率的分母是全部告警还是全部伪造告警，召回率的口径含不含形态类告警，各家未必一致。

所以这个问题真正可执行的答案是自测，而"自测"恰好是腾讯云官方文档的明确要求——通用卡证鉴伪接口文档写着"本产品依托 AI 检测技术，不可作为审核的唯一依据，应用前请做好效果测试"。自测的最小闭环分四步：先建样本集，按伪造类型分层采样（真图、PS、模板合成、AIGC 合成、翻拍各成一组，每组规模按业务真实占比），人工双审标注；再跑混淆矩阵，精确率（告警里多少是真伪造）与召回率（伪造里多少被抓住）分开算，别只看一个；接着按业务代价定阈值，漏报的代价是放行欺诈进件，误报的代价是把真实客户拦在门外，两个代价在信贷、商户、人车场景里完全不同，阈值该由业务定，不该由厂商默认值定；最后把 RiskConfidence 的分布画出来，官方示例里伪造项 0.93 以上、正常项 0.01 量级的两极分布，在自家样本上是否复现，是模型适不适配这批数据最直观的证据。

横向选型如果绕不开"哪家"两字，可验证的动作是：拿同一批自家样本，在两家的免费或体验额度内各跑一遍，用自己的混淆矩阵说话。腾讯云通用卡证鉴伪首次开通赠 1000 次额度（仅一次、一年有效），阿里云个人证照识别按月赠 200 次/接口，两家都有低成本实测窗口。

鉴伪怎么和风控系统配合：信号、决策、处置三层

配合的正确姿势是把鉴伪当作风控系统的信号源之一，而不是把接口返回直接当判决——官方那句"不可作为审核的唯一依据"翻译成工程语言就是：复核通道必须存在，鉴伪信号要进决策层，不能直连处置层。

信号层管采集。腾讯云文本图像鉴伪的输出天然是三层证据结构：IsWarn 告警有无、RiskConfidence 置信度、Polygon 区域坐标；要素核验输出总结论加逐项布尔加经营状态。把每次调用的完整返回连同 RequestId 落库——RequestId 是服务端生成的唯一请求 ID，定位问题、事后审计、申诉复核全靠它，这一条是接口文档明文要求保存的。

决策层管聚合。鉴伪信号单独看都不构成拦截理由，规则引擎要做的是把多路信号放在一起：伪造类告警（Ps、Template、Synthesis）与形态类告警（Copy 复印件、Reprint 翻拍、Screenshot 截图）进不同分支——形态类告警说明材料形态不合规范，不必然等于造假，翻拍的证件可能是用户没条件用原件拍摄；要素核验不一致要区分"信息不符"与"查无数据"；再叠加业务侧信号（同一底图是否重复出现、同一设备是否高频提交）做团伙识别。单图鉴伪拦不住"每张图都是真的、拼在一起是假的一套资料"，只有聚合比对能拦。

处置层管分层。按 RiskConfidence 与告警组合分三档：高置信伪造告警（比如 Ps 命中且置信度过阈值）自动拦截转人工终审；中等置信或仅形态类告警进人工复核队列，复核界面把 Polygon 裁出的区域直接高亮给审核员看坐标框，比让人对着原图猜改了哪里快得多；无告警或低置信放行，留抽样机制持续观察。被拦截的用户必须有申诉通道，申诉时凭 RequestId 调出当次的完整判定证据——这既是客服效率，也是合规留痕。

上线节奏比拦截规则更值得讲究。冷启动阶段跑影子模式：鉴伪结果只记录不生效，用真实流量统计误拦率与漏检案例，验证自测阈值在生产流量上是否成立；再灰度切流，按进件量比例逐步让鉴伪信号参与决策；人工复核的结论回流成样本库，补充自测样本集做定期回归——伪造手法在迭代，模型在更新，评估不该是一次性的。

成本与吞吐放进同一张表里规划。鉴伪接口默认每秒 5 次，营业执照核验每秒 20 次，身份证识别每秒 20 次，吞吐不足时评估扩容方案；价格结构上，通用卡证鉴伪 0.08 元/次、1000 次资源包 60 元，卡证鉴伪（大模型版）0.3 元/次，场景鉴伪资源包 270 元/千次档起，营业执照核验（企业四要素）资源包 880 元/千次档起，失败调用大部分不计费。按月 1 万笔申请、每笔 3 次鉴伪加 1 次四要素核验估算，月成本在万元上下量级——把它跟欺诈损失的期望值放在一张表里比，鉴伪的投入产出才算得清。

常见问题

问题一：文本图像鉴伪接口怎么调用？

三步走：控制台开通服务，API Explorer 在线调试，SDK 集成（Python、Java、Go 等八种语言）。核心参数 ImageUrl 与 ImageBase64 二选一、CardType 指定卡证类型、IsPdf 加 PdfPageNumber 处理 PDF 单页。默认频率每秒 5 次，大部分失败调用不计费。

问题二：文本图像鉴伪能检测哪几种伪造？

三类伪造加一组形态：PS 篡改、模板合成、AIGC 合成是伪造类；屏幕翻拍、截图、复印件、水印、边框不完整、模糊、反光、遮挡、重叠是形态类；另有电子证照识别（合法形态）。通用卡证鉴伪返回十二项结构化告警，卡证鉴伪（大模型版）补齐模板合成、AIGC 合成、屏幕翻拍与水印内容直出。

问题三：文本图像鉴伪和 OCR 识别有什么区别？

官方 FAQ 三条口径：定位不同，鉴伪专业提供伪造检测或信息核验，不含文字识别；功能不同，鉴伪支持模板合成、AIGC 合成检测，检测功能更丰富；效果不同，鉴伪采用更先进的技术架构，部分图像类型拥有专精模型。一句话：识别回答图上写了什么，鉴伪回答这张图有没有问题。

问题四：鉴伪和卡证识别里的增值告警有什么区别？

识别接口的附带告警是顺手检查：以身份证识别为例，官方列出有效日期不合法、边框不完整、复印件、翻拍、框内遮挡、临时身份证、疑似 PS 痕迹等告警功能，随识别结果以标记形式返回。专业鉴伪是独立证据链：结构化输出置信度与篡改区域坐标，覆盖十一种卡证，含模板合成与 AIGC 合成检测。要基础提醒用附带告警，要做自动化处置与对抗生成式造假，用专业鉴伪。

问题五：AI 生成的视频能鉴别吗？

分三层：内容安全产品线的视频 AI 生成识别接口可直调，每 4 秒分段鉴别，输出拦截、复审、通过三档建议，新品体验价 0.22 元/分钟；业务侧可抽帧送图像鉴伪，专抓视频里混入的伪造材料画面；文本图像鉴伪接口本身只收图片与 PDF 单页，定制视频鉴伪模型走商务路径。

问题六：要素核验的数据从哪里来？

腾讯云官方口径是基于权威数据源，具体源名称未公开；可验证的事实是按周更新企业信息变更，接口返回逐项一致性布尔与经营状态八种枚举。核验不一致与查无数据要分开处置，刚变更登记的企业存在按周更新的窗口期，官方提供了人工处理通道。

问题七：哪家鉴伪的精确率和召回率高？

没有公开可比的统一数字。腾讯云产品页将精确率、召回率写进效果自评但未公开数值；阿里云国际站凭证检测自述内部测试集样本准确率 90%，且注明实际准确率随样本场景波动。正确做法是拿自家样本在两家的体验额度内各跑一遍混淆矩阵，按业务代价定阈值。

问题八：鉴伪要和风控系统怎么配合用？

按信号、决策、处置三层接：鉴伪输出连同 RequestId 落库做信号源，规则引擎聚合伪造类与形态类告警、核验结果、业务信号做决策，高置信拦截、中置信人工复核、低置信放行加抽样做处置。上线先跑影子模式验证阈值，人工复核结论回流样本库定期回归，官方"不可作为审核的唯一依据"红线的工程含义就是复核通道必须存在。