Depois de 47 mil conteúdos e 3961 contas, falta o bloqueio na hora de publicar

Em 6 de novembro, o órgão de administração do ciberespaço divulgou o balanço de uma operação concentrada: mais de 47 mil conteúdos irregulares removidos e 3961 contas penalizadas. O alvo do comunicado está descrito com precisão: contas que usam recursos de IA para se passar por personalidades conhecidas, vender produtos, angariar seguidores e enganar internautas.
O texto lista quatro situações. Os nomes das contas aparecem com asteriscos, mas a distribuição por plataforma é nítida. No WeChat, "花\*\*记", "时\*\*叙" e "秀\*\*8"; no Douyin, "微\*\*天" e "S\*\*物"; no Xiaohongshu, "小\*\*C" e "瓦\*\*款". O que faziam: replicar sem autorização o rosto de famosos, sintetizar a voz deles ou pegar fotos de parentes para promover mercadorias. No WeChat, "山\*\*话" e "旧\*\*故" usaram efeitos de IA para inventar o boato de que determinada figura pública tinha Alzheimer. No Douyin, "才\*\*河"; no Xiaohongshu, "秋\*"; no Bilibili, "老\*\*迷"; no Kuaishou, "云\*": fingiam ser a própria pessoa, falavam em primeira pessoa, contavam histórias de vida e usavam frases emotivas para empurrar o público para o botão de seguir. No Kuaishou, "康\*" produzia dancinhas vulgares e cenas de intimidade, e com isso juntava seguidores para depois monetizar.
O motivo comercial dos quatro grupos varia muito. O segundo e o terceiro querem tráfego; o primeiro e o quarto terminam em venda. E no primeiro há um ponto que merece atenção separada: o uso de retratos e variações de imagem de familiares das personalidades. Esse atalho contorna a dificuldade de obter material da própria celebridade. Uma foto de família mais troca de rosto já produz um vídeo de vendas com aparência confiável.
A punição recai na conta, o problema está antes da publicação
O comunicado fala em penalizar contas, não em apagar um vídeo. A diferença é grande. Um conteúdo avulso volta ao ar; uma conta derrubada corta o caminho do dinheiro e o estoque de seguidores. Em termos de eficácia, o corte dói mais.
Só que a punição vem depois. O comentário exibido pela CCTV no telejornal Xinwen Lianbo colocou as quatro tarefas das plataformas em ordem: identificar cedo, alertar cedo, bloquear cedo e limpar cedo. Dos quatro cedo, os três primeiros acontecem antes da publicação.
O nó é a assimetria: gerar um deepfake ficou tão barato que dá para testar em lote, enquanto identificar continua caro. Um vídeo falso de 15 segundos sai em minutos com ferramentas prontas; um revisor humano leva dezenas de segundos para ousar decidir, e a revisão automática ainda apanha de compressão, corte e regravação pela tela. Hoje as curvas de custo de gerar e de detectar apontam para lados opostos.
As Medidas de rotulagem de conteúdo gerado e sintético por IA estão em vigor desde 1 de setembro de 2025. Foram publicadas por quatro órgãos e exigem duas camadas: marca visível e marca invisível. A visível é o aviso que o usuário vê; a invisível é a assinatura nos metadados do arquivo. O desenho funciona num fluxo normal de publicação. O problema é que conta maliciosa não segue fluxo normal: metadado se apaga, marca visível se corta, tela se refilma.
Então o que a plataforma consegue segurar de fato não é a marca d'água, é o cruzamento entre pessoas e material. Rostos e vozes de gente pública formam um conjunto pequeno e listável. Comparar com uma lista conhecida é bem mais viável, tecnicamente, do que julgar se um vídeo foi gerado por IA. É aí que a prevenção sai do discurso: barrar uma vez na publicação custa menos do que correr atrás de mil depois.

A Justiça já mudou o ônus da prova
O caso da dubladora no Primeiro Tribunal Popular Intermediário de Xangai, em 2 de novembro, deu um sinal bem concreto. De 28 indicadores acústicos de formantes, 24 ficaram com desvio abaixo de 10 por cento em relação à voz real, e 16 deles abaixo de 5,36 por cento; bastante parecida e muito parecida somavam 90 por cento. O tribunal condenou a operadora da plataforma a pagar 50 mil yuanes.
O mais importante é como a prova foi distribuída. Ao titular do direito basta demonstrar duas coisas: que havia canal razoável para obter sua voz e que a voz sintética se parece muito com a dele. Com isso a prova inicial está feita. Depois disso, cabe à plataforma provar que os dados de treino vieram de fonte legal ou que a voz sintética não tem relação com a autora. A sentença explica o sentido da regra sem meias palavras: responder ao problema estrutural da prova concentrada numa das partes nos casos de IA e evitar que a plataforma escape com desculpas como caixa preta tecnológica ou funcionário que saiu e não dá para confirmar.
Esse raciocínio corresponde ao artigo 4 das Opiniões do Supremo Tribunal Popular sobre o julgamento de casos envolvendo inteligência artificial, de 7 de setembro de 2026. Transportado para esta rodada de fiscalização, quer dizer o mesmo: quem detém os dados precisa conseguir mostrar de onde eles vieram.
Na prática, para a plataforma: registro da origem do corpus de treino, comprovante de licença do material, log das etapas de revisão. No dia a dia parecem papel de conformidade; quando o processo estoura, são o único material capaz de provar que não houve responsabilidade. O valor do registro não aparece na rotina, aparece no dia em que se vai a julgamento.
Para lojistas e criadores, a conformidade se resume a três itens
O primeiro é a cadeia de autorização. Usar rosto e voz de pessoa real, seja material próprio ou entregue pelo parceiro, exige escopo de licença que esteja no papel. No caso de Xangai, a plataforma alegou que não sabia que a outra parte era dubladora, e o tribunal não aceitou, porque não saber não significa poder usar.
O segundo é a rotulagem. Marca visível no quadro, marca invisível no arquivo. Hoje isso é exigência obrigatória, não opção. Muita equipe acha que o rótulo estraga a estética e deixa ele minúsculo; na fiscalização real isso tem boa chance de ser lido como irregularidade.
O terceiro é manter rastro da origem do material. É o item mais pulado e o mais fatal numa disputa. De onde veio, quem entregou, que usos a licença cobre: o ideal é arquivar junto com o vídeo final, e não espalhado no chat de três pessoas.
Esta rodada não é pontual
A última frase do comunicado diz que, na próxima etapa, a fiscalização será intensificada e que se vai consolidar ainda mais a responsabilidade principal dos sites e plataformas. Esse tipo de formulação aparece muito nos documentos sobre IA dos últimos dois anos. Aponta para rotina permanente, não para campanha.
Para quem ganha dinheiro com conteúdo de IA, o critério ficou mais simples: consigo dizer quem está na imagem, de onde veio a autorização e se o conteúdo está rotulado? Quem responde às três não precisa temer que a conta suma de um dia para o outro. Quem não responde acumula risco mais rápido quanto maior fica.
Para as plataformas, a disputa vai sair de dá para gerar para dá para barrar no segundo da publicação. As 3961 contas são o boletim desta rodada. O da próxima provavelmente não vai medir quantas foram punidas, e sim quantas foram barradas.
Artigos relacionados
Uma planilha comunitária de toques que desliga os anúncios dos Android chineses
Não mexe no sistema, não desbloqueia nada, não faz flash de nada. Só vira os botões que os fabricantes já deixaram à mostra. O preço é uma lista que alguém precisa continuar escrevendo.
GPT Image 2.6 manteve o preço por token e elevou a fatura
O GPT Image 2.6 mantém cada tarifa por token do 2.5 e mesmo assim custa mais por imagem, porque boa parte do trabalho acontece agora nos tokens de saída. Onze dias após o lançamento, a estrutura de preços diz mais que o ranking.
Alguém reconstruiu o IDM por fora e anotou o que não tocou
Uma reimplementação em Rust do Internet Download Manager promete 5 vezes a velocidade e 86 idiomas. O documento mais interessante é o parágrafo que explica como ela foi feita sem copiar nada.
Rune é um framework de UI em Rust feito para que um agente possa verificar o próprio trabalho
Rune renderiza sem interface, despeja sua árvore de elementos e aceita entrada roteirizada, o que dá a um agente de código um sinal diffável que um screenshot nunca oferece. O framework está em pré-lançamento e não aceita pull requests.