У генеративного ИИ становится всё больше способов пометить созданный контент так, чтобы человек ничего не заметил. Разработчик Гийом Мейер выпустил открытый инструмент Watermarks Remover, который пытается убрать такие следы из текста, изображений и документов. Последняя версия 0.5.0 вышла 14 августа и превратила проект из набора скриптов в полноценный локальный сервис с HTTP API и Docker-образами.
Watermarks Remover работает сразу с несколькими типами ИИ-маркировки. Самый простой вариант связан с невидимыми символами Unicode, необычными пробелами, управляющими символами направления текста и похожими техническими вставками. Программа находит и удаляет такие элементы обычными Python-скриптами без обращения к нейросети.
Отдельный механизм очищает метаданные файлов. Watermarks Remover умеет удалять C2PA-манифесты, XMP, EXIF, свойства документов и другие сведения, по которым можно определить происхождение файла или использовавшееся ПО. Поддерживаются PNG, JPEG, WebP, BMP, GIF, TIFF, SVG, PDF, DOCX, EPUB, ODT, HTML и Markdown. Для PDF разработчик рекомендует использовать qpdf, поскольку простого удаления метаданных через ExifTool недостаточно. Старые данные при таком способе могут физически остаться внутри файла.
Сложнее обстоит дело со статистическими водяными знаками вроде SynthID-Text от Google. Такие метки не прячутся в метаданных или специальных символах. SynthID меняет вероятности выбора токенов во время генерации и распределяет статистический сигнал по всему тексту. Поэтому удалить отдельный символ или поле файла невозможно.
Watermarks Remover решает проблему радикальнее и предлагает переписать текст другой моделью. Встроенный скрипт поддерживает локальную Ollama, а также OpenAI-совместимые API. Разработчик советует использовать модель, отличную от той, которая создала исходный текст, чтобы при переписывании не получить новую аналогичную метку. Для локального варианта в документации приведён пример с Llama 3.2.
Гарантированным «ластиком для SynthID» такой подход назвать нельзя. Автор прямо описывает удаление статистических водяных знаков как best effort. Чтобы заметно разрушить сигнал, приходится переписывать значительную часть текста, причём вместе с водяным знаком могут измениться стиль, точность формулировок и авторская манера. Без официального детектора и ключей конкретного поставщика программа также не может гарантировать, что обработанный текст перестанет определяться как сгенерированный ИИ.
С изображениями ситуация похожая. Сам Watermarks Remover очищает метаданные, а для более сложных пиксельных меток может подключать внешние исследовательские инструменты. В частности, проект умеет проверять изображения на признаки SynthID через reverse-SynthID, а в новых версиях появились экспериментальные варианты удаления пиксельных водяных знаков через CtrlRegen и DiffusionPurification. Такие функции требуют дополнительных моделей и зависимостей и не дают универсальной гарантии против всех вариантов SynthID.
Проект распространяется с открытым исходным кодом по лицензии MIT. Автор позиционирует Watermarks Remover как инструмент для очистки собственного контента или файлов, на обработку которых пользователь имеет разрешение. Фактически разработчики получили универсальный конвейер, который пытается удалить сразу несколько уровней машинной маркировки, от банальных метаданных и невидимых символов до статистических следов генеративных моделей.