AI 视频的新规则手册:欧盟 AI 法案下的机器可读标签

你不知道自己正在输出的那个标签
有一个问题,悄无声息地从法务部门挪到了生产清单上,而大多数创意团队还没跟上。当你用 AI 模型生成一段视频时,跟着文件一起走的到底是什么?不是文件内容,是它的元数据。那层看不见的东西,它向任何查看的人说明:这是机器做的。
自 2026 年 8 月 2 日起,欧盟 AI 法案第 50 条规定的透明度义务已对 AI 生成的媒体生效。真正关键的是机器可读标记的期限,企业有到 2026 年 12 月 2 日的时间来合规,附带的处罚并非象征性的:最高 1500 万欧元,或全球年营业额的 3%,以较高者为准。一条读起来像合规脚注的规则,价签却像一场股东大会事件。
“机器可读”究竟意味着什么
人类可见的标签是最简单的部分。一条说明文字、一个水印、角落里一个小小的标记。实际上,决定你是否合规的是那个看不见的部分:文件是否携带下游系统能自动读取的来源元数据。
最成熟的版本只差一个模型选择。有些视频生成器默认会在输出中嵌入不可见水印,它们附带的元数据会在大多数分发形式中跟随文件。另一些则输出干净文件、不附带任何来源信息,这意味着标记责任落在生成视频的人身上,最终也落在发布它的人身上。
这是大多数团队会漏掉的细节。合规不是一个可以到最后才补上的后处理步骤,因为标签往往在生成时就被模型厂商内置了,而不同厂商的做法各不相同。你选择的视频模型,从字面意义上说,就是一个合规决策。

平台早就走在了前面
法规是新的,它所要求的行为却不是。多年来,大型平台一直为用户上传的内容附加来源元数据,无论有没有法律要求。某家主要平台把自己内容凭证项目的起点定在 2024 年 5 月,并报告称到 2025 年末已标记超过 13 亿段视频,远在 AI 法案的机器可读期限进入任何人日历之前。
原因很直接:在监管者拿出规则手册之前,平台就已经有了信任问题。虚假信息对用户参与度不利,来源标记成本低廉,而提前一步总是好过被规则甩在后面。平台早早搭好这套管道,是因为它能保护自己,不是因为某条法规要求它这么做。AI 法案主要做的是把这套管道对其他所有人变成强制。
对任何内容生产者而言,这颠覆了通常的假设。问题不在于你的视频是否需要标签,而在于标签能否走完整个旅程。元数据是脆弱的。剪辑软件会剥掉它。重新编码可能丢掉它。上传到会重新处理媒体的平台可能再次剥掉它。一个团队可以生成一段标签完好的视频,三个工具之后交出去的却是一段没有标签的版本,而全程毫无察觉。
这种脆弱性很容易被低估,因为损害是看不见的。你可以打开文件、播放视频,看不出任何问题,因为所有问题都在你看不到的那一层里。生成器在创建瞬间附上的标签,可能在一次例行导出中消失,而屏幕上没有任何东西会告诉你。等到下游有人问起这个文件为什么没有来源信息时,线索早已凉透。
责任究竟落在谁头上
一段 AI 视频的保管链有好几个环节,第 50 条沿着这条链分配义务。生成系统的提供者有义务。部署者,也就是把系统投入使用的一方,也有义务。对大多数创意团队来说,第二个角色就是他们自己。
这就制造了一个任何单一厂商都无法解决的现实问题。如果你的流水线把三个不同模型的输出、一段素材库片段,再加上人工剪辑拼接在一起,最终文件的来源故事就是一堆相互重叠、甚至可能彼此冲突的元数据。法规预想到了披露,却没有给任何人一个能轻松描述多来源文件的工具。
走在前面的团队把来源当作流水线的属性,而不是产出的属性:为每个阶段加上记录,记录什么生成了什么,再拼出一份站得住脚的完整档案。这活儿很枯燥。也正是这种枯燥的活儿,在客户、平台或监管者第一次问起一段视频从哪来时,会变成竞争优势。
期限并不是重点
人们很容易把 12 月 2 日读成终点线:合规、打勾、继续。这种读法漏掉了真正正在发生的事。机器可读的来源信息,是一个媒体携带有可验证历史的世界开端,而读取这段历史的工具正在扩散。今天用来标记 AI 内容的一套元数据标准,就是明天用来证明一张照片未被篡改的同一套基础设施。
对内容团队而言,这意味着工作不是一次性的审计,而是一种长期做法:知道自己哪些工具会给输出打标签,知道自己哪些工作流会剥掉这些标签,并在有人问起时随时能给出答案。你今天选的视频模型,会决定你的文件在未来数年里能为自己证明什么,因为生成时设定的元数据是最难伪造、也最容易丢失的那一类。
一个实用工作流长什么样
走在前面的团队不再把来源当作一个设置,而是当作一个步骤。生成器配置一次,尽可能附加它能附加的东西。流水线检查一次,确认附加的信息能走到最后。记录下生成了什么、用了什么提示词、经过了哪些工具。这些都不巧妙。但正是这些,决定了你是能回答问题,还是只能靠猜。
最难的部分是文化性的,而非技术性的。来源工作没有可见的产出。没人会因为你视频的元数据完好而感谢你,也没人会注意到,直到它消失。这恰恰是那种在截止压力下会被跳过的隐形卫生工作,也正因如此,把它建进流水线、而不是当作手动步骤加上去的人,才能真正把它保留下来。
要点
思考 AI 标签规则时,最无趣的角度是把它当成合规负担。更有趣的角度是把它看成 AI 媒体长出记忆的那一刻。每一段携带了真实制作记录的视频,都多值得一点信任;而每一个剥掉这段记录的工作流,都让问题变得更糟。
法规迫使行业把这套管道建起来。而这套管道本身值得拥有。如果一个文件能如实说出自己的来历,那么下游的每个人,从平台到发布者再到观众,都多了一点判断该相信什么的能力。这不是官僚式的麻烦。这是一项功能,而它是靠 1500 万欧元的威胁才被建起来的。
相关文章
不依赖 harness 的智能体:在自己的机器上运行任何前沿模型
模型是智能,harness 是管道,两者不必装在同一个包裹里。一批开源项目正把这层绑定拆开,让你用自己偏爱的界面运行任何前沿模型,并把访问默认留在本地。
一个比特就够了:微软 BitNet 为何持续赢得人心
单比特权重不是噱头。解析微软 BitNet 的三值方案如何用加法替代乘法,让大模型跑在普通 CPU 上,以及它真正的代价。
你的 AI Agent 什么都记不住:修复 context 膨胀的 MCP 技巧
agent 不会因为跑得久而变聪明,反而会因为 context window 被垃圾填满而变笨。从工具输出 sandboxing 到持久化记忆与 routing,这些项目正在修复 agent 的记忆。
Google 要退役全部 Veo 端点:10 月 22 日视频服务大调整内幕
Google 将在 2026 年 10 月 22 日关停 Gemini API 上全部 Veo 端点,包括 veo-3.1-lite-generate-preview,替换为按 token 计费的 gemini-omni-1.1-flash。