AI生成画像を判定する無料ツールはどう選ぶ？精度と限界を確認

無料のAI画像detectorは、HiveやSightengineのdemo・Free tierで結果を得られます。ただしscoreは「そのサービスのmodelが画像をどう推定したか」であり、AI生成の証明や人間作成の証明ではありません。単発の低risk確認、継続的な大量処理、画像の来歴確認は別の仕事です。AI生成の可能性を絞るならdetector、作成・編集履歴を調べるならContent Credentialsと出所、顔の入れ替え等ならdeepfake検出を使い分けます。

最初に、何を判定したいのかを分ける

「AI画像かどうか」は一つの問いに見えて、確認したい内容は違います。画像全体が生成された可能性、実在写真に一部生成編集が入った可能性、顔が別人へ置き換わった可能性、作成・編集ソフトの記録が残っているかは、同じ検査では答えられません。

表は横にスクロールできます

知りたいこと	先に使う方法	結果の扱い
画像全体が生成された可能性	HiveやSightengineのAI-generated画像detector	追加確認対象を絞るscore。作者の断定には使わない
実写真の一部に生成編集があるか	対象範囲に対応するdetector・編集履歴・元ファイル	全体判定scoreだけで部分加工を特定しない
顔の差し替えやdeepfakeか	deepfake / manipulated-face用の別model	AI画像生成のscoreと混同しない
作成・編集履歴が記録されているか	C2PA Content Credentialsを検証	対応manifestに記録されたprovenanceを読む
画像がどこから公開されたか	投稿元、初出、信頼できる報道、逆画像検索	公開経路の手がかり。元作者を必ず特定できるわけではない

たとえば、ニュース画像の真偽を確かめたい場合、detectorのscoreだけでは撮影場所・日時や画像の文脈を説明できません。元ファイル、投稿者、初出、他の独立した記録を確認します。人事・本人確認・詐欺調査のように人へ不利益が及ぶ判断なら、detectorだけで拒否・告発せず、専門担当者による追加確認と異議申立て経路を用意します。

無料で何ができるかはDemo・Free tier・APIに分ける

無料の公開画面があることと、業務で何枚でも処理できることは別です。Hiveの公開demoでは画像等をuploadしてprobability scoreを確認できます。また公式model pageではAI-generated and deepfake detection APIの画像request価格を案内しています。Hiveは別途、無料のChrome extensionも案内しています。ただし公開demoは現行Terms上、評価目的に限られ商用関連目的には使えません。Demo ContentにはHiveの事業運営・サービス改善を含む広い利用許諾が適用され、個人データには事前の明示的な書面同意が必要とされています。demo、extension、APIの利用条件・対象・保存条件を同一と考えず、業務画像を送る前に経路別の条件を確認してください。

Sightengineの公式案内では、個人・テスト用途のfree tierと、volumeに応じた有料production tierを分けています。AI-generated image detectionは画像1枚につき5 operations、Deepfake Detectionも同時に使う場合はさらに5 operationsです。動画は解析するframe数に応じてoperationsが増えるため、見積りでは試験・再試行・有効化model・frame数を含めて公式Pricingと自分のaccountで確認します。

表は横にスクロールできます

利用目的	確認すること	進める目安
画像を数枚だけ一次確認	公開demo / extensionが現在使えるか、upload条件、結果の保存方法	公開可能なsampleで1枚試し、処理内容を記録
社内で定期的に検査	Free枠、月間上限、APIのoperations、保存・削除条件	Free用途が組織利用や量に合わなければ有料条件へ切り替える
Webサービスへ組み込む	API key、volume pricing、rate limit、timeout、error response	test accountとsecret保管、失敗時のfallbackを確認
顧客や本人の画像を扱う	利用目的、権限、第三者提供・保存・削除・学習等の条件	Privacy / Security担当の承認前に実画像をuploadしない

本記事の確認日時点の表示料金は変わり得ます。HiveのAPI request単価やSightengineのFree枠を、今後の固定見積もりとしてコピーしないでください。使う前に公式pricingを読み、公開demoからAPIへ移るときは契約条件をもう一度確認します。

Scoreを確率や正解率と読み替えない

Hiveの画像・動画APIは、AI生成 / 非AI生成の分類とconfidence score、必要に応じて生成元分類を返すと説明しています。Sightengineは0〜1のai_generated scoreを返し、pixel contentを分析すると説明しています。各社のscore名が似ていても、学習data、対象image、model version、判定条件が同じとは限りません。HiveのscoreをSightengineのscoreと直接比較して「数値の高い方が正確」と決めることはできません。

Sightengineは一般的なthreshold例を案内していますが、その値をHiveや別providerへ移したり、個別の画像を真偽判定する万能境界として扱ったりしないでください。検知結果は、判定しきい値、対象モデル、false positive / false negativeのコストを定めた組織内運用で初めてtriageの材料になります。確率表現が返っても、校正された統計的確率や実世界のaccuracyと同義とは限りません。

NISTの画像discriminator評価計画は、参加modelを定義したtest setとtask条件で評価し、判定performanceを測定する枠組みです。2025年pilotの対象は「完全にAI生成された画像」で、意味変更を伴わないAI補助編集などを対象外としています。これは全ての加工画像・現行generator・再圧縮画像へ一律に通用する精度保証ではありません。detectorの公開demoが返す1件のscoreも、NISTの横断評価結果と同じものではありません。

画像をuploadする前に元データを保全する

確認する画像が公に共有してよいものかを先に判断します。身分証、未公開作品、顧客提供画像、子どもや患者が写る写真、位置・機器情報を含む画像は、demoへ送る前に組織のPrivacy規則とサービスの条件を確認してください。機密性があるなら、一般記事で使ったサービスだから安全と判断せず、承認済み環境や担当者へ回します。

upload前に次を記録します。

1. 受け取った元ファイルを読み取り専用で保管し、hashや受領元を記録する。

2. 判定に使う複製を作り、resize、screenshot、crop、再圧縮の有無をメモする。

3. 公開demo・APIなど利用経路ごとに、用途制限、保存・削除、再利用条件を確認します。Hive APIのFAQではcustomer dataの既定保持は14日で、依頼により調整可能ですが、この条件を公開demoへ当てはめません。Sightengineは通常処理後に削除し、人手review・Feedback API・near-duplicate/Upload API（14日）・redacted video（3か月）などの保持機能は例外です。実際のendpoint、機能、契約を送信前に照合します。

4. 可能なら元画像と配布版を分け、どの版の結果か記録する。

5. 結果の画面、model名、確認日時、versionが分かる範囲で保存する。

加工版と元画像の結果が違っても、どちらかを真実と決めつけません。変換の有無とscoreが変わった関係を調査記録に残し、対象serviceに加工版を扱う公式説明があるか確認します。

結果が割れたら再現可能な順番で確認する

detector同士の一致は独立した証拠が二つあることを意味しない場合があります。似た学習dataや同じ弱点を共有する可能性があるため、単に多数決するのではなく、元データと別種類の証拠へ戻ります。

表は横にスクロールできます

順序	確認すること	記録例
1	同じ画像fileを使ったか	file name、hash、寸法、file size
2	元画像か再圧縮・screenshotか	sourceと変換工程
3	サービスが何を検知するmodelか	AI-generated、AI-edited、deepfake、video等
4	scoreの方向・判定条件を読んだか	provider固有の定義、threshold
5	来歴の記録があるか	C2PA manifest、署名検証、作成・編集action
6	公開文脈が合うか	初出、投稿元、画像の説明、独立報道
7	誰が最終判断するか	reviewer、判断理由、再審査先

C2PA Content Credentialsが見つからないことは、AI画像の証拠ではありません。付いている場合も、そのmanifestがどのasset・操作を記録し、署名検証に成功したかを確認します。provenanceは記録された履歴の手がかりで、画像の描写内容が現実に起きたと証明するものではありません。detector結果と来歴情報は別軸として記録します。

無料候補を自分の用途で検証する小さな試行

同じファイル群を同じ条件で複数サービスへ渡せるよう、出所の分かる公開可能なcontrol setを用意します。個人情報や顧客画像を含めず、生成した画像なら使用toolとdateを記録し、撮影画像なら元ファイルと撮影者の確認を残します。少数の例で成績が出ても、実環境の全画像へ性能を一般化しません。

表は横にスクロールできます

Test case	狙い	結果に付ける注意
出所確認済みのcamera image	false positiveが起きないか確認	image内容の特殊性や編集の有無を記録
自分で生成し由来を記録したimage	known-generated例の挙動を見る	generator、version、prompt、編集有無を記録
元画像から作ったresize / JPEG版	配布処理との違いを観察	加工条件ごとに別fileとして管理
公開可能な既存sample	制作者が混在する場合の挙動を見る	ground truthが不確かな例を正解率計算へ入れない

記録表にはfile hash、service/model、日時、入力条件、score、追加証拠、最後の人判断を残します。判定結果が割れた画像は「Unknown / 要確認」のまま保留します。使用数が少ない段階で独自thresholdを設定するのではなく、誤判定時に誰が困るか、何を証拠として再確認するか、判断を撤回できるかを決めてから運用します。

AIものさしの判断

公開demoやFree tierのdetectorは、画像を「追加確認へ回すか」を考える入口として使えます。最初に画像全体の生成、AI編集、顔の差し替え、来歴確認のどれを調べるのか決め、対応する方法を選んでください。AI scoreだけで作者、撮影の有無、虚偽、意図を断定することはできません。

結果が重要な判断に使われるなら、元ファイル保全、provider固有のscore説明、provenance、投稿元、担当者reviewを組み合わせます。確認できる根拠がdetector scoreだけなら、結論を保留します。大量処理やservice組込みでは、demoの無料利用を前提にせず、APIの利用枠、operations、料金、privacy条件を現在の公式画面で確認してから導入してください。