微软给 Teams 会议加了道检测闸：第三方机器人可扫音视频，11 月中旬上线

视频会议里那张脸，可能并不属于正在说话的人。微软给出的应对办法是把检测环节外包出去：Teams 将允许组织接入经过认证的第三方工具，对会议中的视频与音频做扫描，判断是否存在深度伪造。该能力计划于11月中旬在 Teams 桌面版、Mac 版和网页版分批推送，覆盖面是三个主流客户端，而非单一平台试点。

值得留意的是分工方式。检测本身不由微软完成，外部提供商负责分析信号，Teams 只承担结果呈现，包括弹出警告与给出后续操作入口。这种设计降低了平台自身的合规压力，也把服务条款与数据处理的责任推给了接入方。对管理员而言，启用开关之前先读一遍对方的隐私条款，属于必要动作。

Graph 里已经能查到 reportSyntheticMedia 测试版接口

功能的运作方式并非空口描述。微软 Graph 文档中已列出 reportSyntheticMedia 测试版 API，把调用链路写得比较清楚。检测机器人不能自行闯入会议，必须先获得批准加入通话，然后由组织管理员赋予 Calls.ReportSyntheticMedia.All 权限，才有资格对参会者做标记。

标记结果包含两类信息。一是介于 0.0 到 1.0 之间的置信度评分，二是低、中、高三个等级的深度伪造判断。评分与等级并存，意味着管理员可以按阈值设定处置策略，而不是只能接受一个二元结论。

• 接入前提：机器人获准加入通话
• 权限要求：管理员授予 Calls.ReportSyntheticMedia.All
• 输出内容：0.0 至 1.0 置信度评分，以及低/中/高等级判定

从工程视角看，这套接口把检测能力做成了可编排的一环。会议开始前的准入、会议中的实时标记、会后的记录留存，都能挂在同一套权限模型下，不必为每个供应商单独开一条通道。

为什么现在把检测交给第三方

深度伪造的门槛在过去两年明显下移。公开可用的换脸与声音克隆工具越来越多，几分钟素材就能生成一段足以乱真的发言片段。企业会议恰好是高价值场景：财务指令、人事决定、对外承诺，都可能在一通视频里发出。

平台方自己下场做检测，要面对模型迭代与误判责任两重负担。把检测交给认证过的外部提供商，微软得以保持中立位置，同时用 API 与权限体系控制入口。这套思路与邮件安全网关的演进路径相似：平台提供挂载点，专业厂商提供判断力。

另一面是风险转移。微软在合规性说明中明确提示，第三方服务提供商可能分析会议中的音频和视频信号，管理员启用功能前应审查其服务条款及数据处理方式。会议内容本身往往包含敏感信息，检测意味着又多了一方接触这些数据。

落地时最容易被忽略的两个环节

第一是准入流程。机器人需要被批准才能进入通话，这个动作在大型组织里通常由会议策略统一管理，而不是参会者临时点确认。策略配置不当，会出现该检测的会议没检测、不该进的机器人进了会场两种情况。

第二是告警之后的处置。弹窗只能提示风险，是否中断会议、是否要求二次身份验证、是否留存证据，取决于组织自己的响应预案。置信度评分给的是概率而非定论，0.0 到 1.0 之间如何划线，需要结合业务敏感度来定。

对经常与外部方开会的团队，这项能力的价值更直接。内部会议里彼此熟悉，异常容易察觉；跨组织通话中，对方身份往往只能靠会前约定来确认。检测机器人提供的是一层额外信号，不能替代身份核验流程。

11月中旬推送之后，实际效果取决于认证提供商的数量与质量，以及管理员愿不愿意把权限开出去。功能上线只是起点，真正决定成败的是策略配置与响应机制能否跟上。