Google이 공개한 SynthID Detector는 누구나 이미지·영상·음성 파일에 참여 생성 시스템의 보이지 않는 워터마크가 있는지 직접 확인하게 한다. 이번 변화의 핵심은 접근성이다. 특정 기자와 연구자, 미디어 전문가에게만 제공되던 도구가 전 세계에서 이용할 수 있는 영어 웹사이트로 확대됐다.
가장 유용한 결과에도 경계는 있다. 복구된 표식은 호환되는 생성 또는 편집 과정의 증거이지, 묘사된 주장이 거짓이라는 판정은 아니다. 표식이 없다고 사람이 제작했다고 증명되는 것도 아니다. 공개 서비스는 검증 네트워크를 넓히지만 이를 만능 탐지기로 바꾸지는 않는다.
제한된 미리보기에서 파일 업로드 서비스로
Google은 2025년 5월 I/O에서 탐지 포털을 소개했다. 대기 명단을 없애면서 이미 검증 기능이 통합된 Gemini·Search·Chrome 밖에서도 전용 사이트로 파일을 확인할 수 있게 됐다. 회사는 통합 도구가 하루 100만 건 이상의 검증 요청을 처리한다고 말한다. 앞선 확대 발표에서는 Search와 Chrome 접근 확대 전까지 누적 이용이 5,000만 회였다고 밝혔다.
이미지는 JPG/JPEG, PNG, BMP, WEBP, AVIF, HEIC/HEIF, TIFF/TIF, GIF를 지원한다. 영상은 MP4·MOV·WEBM, 음성은 WAV·MP3·OGG·FLAC·AAC·M4A를 받는다. 파일 전체에 하나의 뭉뚱그린 라벨을 붙이는 데 그치지 않고, 표식이 있는 영역이나 시간 구간을 찾을 수 있다.
여러 출처가 섞인 매체에서는 이 구별이 중요하다. 실사 영상 위에 생성 음성을 얹거나, 편집 이미지에 표시된 영역과 표시되지 않은 영역을 섞을 수 있다. 음성 구간에서 SynthID가 발견됐다고 영상까지 생성됐다는 뜻은 아니다. 화자의 동의, 설명 문구의 정확성, 사건이 실제로 일어났는지도 결과만으로 증명하지 못한다.
이 웹사이트는 매체 확인 도구이지 범용 AI 글쓰기 탐지기가 아니다. Google이 별도의 텍스트 워터마킹 기술도 보유한다는 사실은 이미지·영상·음성 업로드 절차가 임의의 글을 분석한다는 뜻이 아니다.
규모와 제휴가 공개 시점을 설명한다
Google은 이미지와 영상 1,800억 개 이상, 그리고 24만 년에 해당하는 음성에 표식을 넣었다고 밝혔다. 이는 회사가 발표한 배포 규모이지 정확도나 오탐률, 공격 저항력을 독립적으로 측정한 수치가 아니다.
지원 제품에는 Gemini·Flow·Vids·ProducerAI, 모델 계열에는 Nano Banana·Veo·Lyria가 포함된다. 최초 이미지 시스템은 2023년 8월 Vertex AI의 Imagen을 통해 출시됐고 이후 다른 양식으로 확대됐다.
Google에 따르면 OpenAI·Nvidia·Kakao도 관련 출력에 SynthID를 지원한다. Apple 참여는 향후 예정으로, 이미 제공된 기능으로 취급해서는 안 된다. 제휴 목록에 회사 이름이 있다고 모든 제품과 모델 버전, 내보내기 경로가 지원된다는 의미는 아니다.
이번 확대는 일부 생성 이미지·영상·노래에서 보이는 표식을 제거할 수 있게 하되, 보이지 않는 SynthID와 C2PA 메타데이터는 남긴다는 Google의 8월 발표에도 이어진다. 더 깔끔한 출력에서는 기계가 읽을 수 있는 증거가 출처 설명을 더 많이 담당한다. 눈에 띄는 라벨이 없을수록 이를 읽는 공개 도구의 가치가 커진다.
여러 회사의 참여는 범위를 넓히지만 기술 채택이 전제다. 미지원 생성기, 수정된 오픈 모델 파이프라인, 신호를 보존하지 않는 내보내기 도구에는 큰 공백이 남는다. 표식이 있는 자료의 총량을 전체 합성 매체의 비율로 환산할 수는 없다.
삽입 신호와 외형에 근거한 추정은 다르다
SynthID는 생성이나 편집 과정에서 설계된 패턴을 적극적으로 넣고, 나중에 이를 찾는다. 초기 이미지 구현은 공동 학습한 두 신경망을 사용했다. 하나는 눈에 보이지 않는 신호를 삽입하고, 다른 하나는 복구와 분류를 학습했다. 지속성과 화질 보존을 함께 달성해야 했다.
영상에서는 지울 수 있는 구석 라벨 대신 여러 프레임에 워터마크를 넣는다. 음성에는 들리지 않는 패턴을 사용하며 Lyria와 NotebookLM 음성 기능의 출력도 포함된다. Google은 일반적인 압축, 잡음 추가, 재생 속도 변경 후에도 음성 표식을 찾을 수 있다고 설명한다.
이미지에서는 흔한 자르기, 색상·밝기 조절, 필터, 손실 압축에 대한 내성을 설명한다. 모든 변환을 견딘다는 보장은 아니다. 화면 녹화나 카메라 재촬영은 원래의 픽셀·소리·메타데이터 구조를 새 파일로 대체할 수 있다.
텍스트는 토큰 선택 확률을 조금 바꿔 통계 패턴을 만드는 다른 방식이다. Google 연구에 따르면 짧거나 크게 고쳐 쓴 글보다 길고 다양한 글에서 탐지가 잘된다. 이는 같은 명칭을 이해하는 배경이지 공개 포털의 매체 범위를 넓히는 근거는 아니다.
반면 포렌식 분류기는 미리 넣은 표식 없이 통계·시각 특징으로 합성 출처를 추정한다. 알려지지 않은 생성원도 판단해 볼 수 있지만 결론은 확률적이다. 보통 편집이 오탐을 만들거나 생성기 변화가 누락을 일으킬 수 있다. SynthID의 주장은 호환 신호가 복구되는지라는 더 좁은 것이다.
일반 편집 내성은 공격 방어 보장이 아니다
미탐지 결과에도 미지원 생성, 심한 처리, 고의 제거, 일반적인 인간 제작이라는 여러 가능성이 남는다. 이는 신호 복구에 대한 답이지 어떤 AI라도 파일에 관여했는지에 대한 답은 아니다.
동료 심사를 거친 NeurIPS 연구는 생성적 재구성이 유용한 화질을 유지하면서 여러 픽셀 수준 워터마킹 시스템의 탐지율을 낮출 수 있다고 밝혔다. 그러나 모든 공격이 Google의 현재 구현을 무력화한다고 입증하지 않았다. 이 증거로 모든 워터마킹을 부정하거나 현 시스템을 공격 불가능하다고 부를 수는 없다.
결과가 뉴스 보도, 징계, 사기 조사에 영향을 준다면 오탐을 별도로 검토해야 한다. Google은 모든 제휴사와 형식, 변환, 실제 업로드 경로를 포괄하는 단일 공개 정확도를 발표하지 않았다. 배포 총량이나 일일 요청 수는 이 증거의 빈틈을 메우지 못한다.
독립 시험은 보통의 크기 조절·재압축·트랜스코딩·플랫폼 처리와 고의 제거 시도를 구분해야 한다. 서로 다른 위협을 하나의 정확도 수치로 합치면 도구가 무엇을 신뢰성 있게 하는지 가려진다. 제휴사별 구현과 제품 범위도 추정이 아니라 문서로 확인해야 한다.
출처 기록은 보완 수단이지 진실 인증이 아니다
C2PA Content Credentials는 촬영·생성·편집 및 서명 주체에 대한 서명된 주장을 제공한다. 그 가치는 신원과 신뢰 관리에 달렸다. 워터마크는 매체 데이터 안에 들어가고 자격 증명은 이력을 설명한다. 둘 다 스크린샷, 미지원 내보내기, 플랫폼 변환에서 사라질 수 있다.
Meta의 라벨 방식은 기계 판독 가능한 C2PA·IPTC 정보와 자체 신호를 함께 사용한다. Microsoft와 Adobe도 출처 시스템을 지원한다. 이는 하나의 완전한 진위 판정을 놓고 경쟁하기보다 삽입 표식을 보완할 수 있다.
원본 파일, 출처 URL, 공개 시점, 자격 증명, 검사 맥락을 보존하면 나중에 결과를 해석하기 쉽다. 출처 조사, 역이미지 검색, 목격자 확인은 워터마크가 답하지 못하는 질문을 다룬다. 진짜 사진에도 거짓 날짜와 장소를 붙일 수 있고 AI 교육용 시뮬레이션은 명확히 표시된 무해한 자료일 수 있다.
이번 공개는 출처 증거에 접근하기 쉽게 만드는 것이지 진실 판정 기계를 제공하는 것이 아니다. 실제 가치는 명확한 호환 기록, 외부 평가, 유통 중 신호를 보존하는 플랫폼에 달렸다. SynthID가 발견되면 출처 질문의 범위를 좁히고, 발견되지 않으면 질문은 열린 채로 남는다.