Cómo sabe la plataforma que tu clip es una copia: la detección de vídeo duplicado explicada
YouTube procesó 2.200 millones de reclamaciones de Content ID en 2024, más del 99% automáticas. Ninguna dependió de que alguien viera el vídeo: las plataformas comparan huellas digitales de imagen y sonido que sobreviven a la compresión, al recorte y a pequeñas ediciones. Explico cómo funciona y por qué espejar, hacer zoom o acelerar no engaña.
Cómo sabe la plataforma que tu clip es una copia: la detección de vídeo duplicado explicada
La plataforma no ve tu vídeo para saber si es una copia. Calcula una huella digital de la imagen y del sonido y la compara con millones de otras, y esa huella está diseñada para sobrevivir a la compresión, al recorte y a pequeñas ediciones. Así es como Content ID de YouTube procesó 2.200 millones de reclamaciones en 2024, más del 99% automáticas (TorrentFreak, a partir del informe de transparencia de YouTube).
Si haces clips, entender esto cambia dos cosas: dejas de perder tiempo con trucos que no funcionan y ves por qué el permiso vale más que cualquier filtro.
Por qué un hash común no sirve
La forma más simple de saber si dos archivos son iguales es un hash criptográfico, como SHA-256. Metes el archivo y sale una cadena fija. Cambias un bit y el hash cambia por completo.
Eso es perfecto para verificar descargas e inútil para encontrar copias de un vídeo. Basta con volver a codificar el archivo, algo que todas las redes hacen al subirlo, para que el hash sea otro. Ninguna plataforma seria lo usa para detectar reposts.
El hash perceptual
La solución es el hash perceptual: una huella que cambia poco cuando la imagen cambia poco. Dos imágenes que una persona ve parecidas generan hashes parecidos.
En 2019, Meta publicó en abierto dos algoritmos de este tipo, PDQ para imágenes y TMK+PDQF para vídeo, pensados para saber si dos archivos son "iguales o parecidos, incluso sin la imagen o el vídeo original" (Meta). La documentación pública de PDQ ayuda a entender la lógica (ThreatExchange, PDQ):
- la "P" es de perceptual: intenta emparejar imágenes que las personas perciben como parecidas;
- convierte la imagen a luminancia (claros y oscuros), la reduce y aplica una transformada de coseno, la misma familia matemática de la compresión JPEG, para guardar la estructura general en un hash de 256 bits (documento técnico de PDQ);
- comparar dos hashes es contar cuántos bits difieren (distancia de Hamming), y la referencia pública sugiere empezar considerando coincidentes los que difieren en 31 o menos;
- y el detalle que importa a quien intenta esquivarlo: PDQ puede generar ocho variantes del hash, una por cada rotación de 90 grados y por cada espejo.
Para vídeo, la idea se extiende. En TMK+PDQF, cada fotograma se convierte en un vector de características, y el vídeo entero en una combinación de esas características ponderada en el tiempo, lo que permite comparar vídeos sin ir fotograma a fotograma. El principio vale para cualquier sistema de este tipo: lo que se compara es cómo se ve el vídeo a lo largo del tiempo, y un clip de 40 segundos tiene el mismo aspecto que el tramo del directo del que salió.
¿Y el sonido?
El audio tiene su propia huella digital, y aguanta todavía más maltrato.
El artículo clásico de Shazam, de 2003, describe la técnica: convertir el audio en un mapa de picos de frecuencia a lo largo del tiempo (una "constelación") y hacer hash de pares de picos (Wang, 2003). El resultado identificaba música captada por el micrófono de un móvil, con voces encima, ruido ambiente y compresión de llamada, en una base de más de un millón de canciones.
Piensa en lo que significa para un clip: poner música encima, cambiar el volumen o comprimir el audio es justo el tipo de ruido que esta familia de técnicas está hecha para atravesar, y ya lo hacía con el micrófono de un móvil de 2003.
Meta dice que usa, además de Rights Manager, el servicio de terceros Audible Magic para frenar vídeos cuando detecta una coincidencia de audio (Meta, transparencia). Contamos cómo eso se convierte en strike en un clip viejo en detección automática de audio.
Quién lo usa y para qué
| Sistema | Quién aporta la referencia | Qué pasa al coincidir | Fuente |
|---|---|---|---|
| Content ID (YouTube) | titulares que cumplen criterios, con material original que se sube con frecuencia | bloquear, monetizar con anuncios o seguir estadísticas | Ayuda de YouTube |
| Rights Manager (Meta) | titulares de derechos participantes | bloquear, reclamar ingresos publicitarios, supervisar o denunciar | Meta |
| Protección de Contenido (Facebook) | creadores monetizados con estándar de originalidad | supervisar, bloquear distribución, liberar, etiqueta de atribución | Facebook para creadores |
| Feed Para ti (TikTok) | norma de la propia plataforma | el contenido reutilizado sin nada nuevo queda fuera del Para ti | TikTok |
Comprobado en las páginas enlazadas el 26/09/2026.
Dos datos del informe de 2024 de YouTube, vía TorrentFreak, ayudan a calibrar: más del 90% de las reclamaciones de Content ID se monetizaron, no se retiraron, y menos del 1% se impugnó. O sea, casi siempre que tu clip coincide, el dueño del material se queda con los ingresos y el vídeo sigue publicado.
El detalle de la Protección de Contenido de Meta que le importa a quien hace clips: está pensada justo para los creadores grandes, que son los que más se recortan, y cubre Facebook e Instagram. Lo conté en Facebook Reels para un canal de clips.
Por qué los trucos no funcionan
Todo grupo de clipadores tiene una lista de trucos para "pasar el algoritmo". Viendo cómo funcionan estos sistemas, se entiende por qué fallan:
Espejar el vídeo. PDQ ya genera un hash para cada espejo. Y el audio no se espeja.
Zoom, recorte, bordes. El hash perceptual captura la estructura general de la imagen. Un borde o un zoom ligero apenas la tocan. Rights Manager y la Protección de Contenido buscan coincidencias, y la tecnología que la propia Meta publicó se hizo para encontrar archivos "iguales o parecidos", no solo idénticos.
Acelerar un 5% o cambiar el tono. La comparación en el tiempo tolera variaciones de ritmo, y la constelación de picos de audio se diseñó para ruido y distorsión mucho peores.
Filtros de color. PDQ descarta el color en el primer paso y trabaja con luminancia.
Y hay un problema que no es técnico: intentar burlar la detección suele ir, por sí solo, contra las normas. Meta menciona "cambiar la velocidad" y los "bordes" como modificaciones de bajo valor en su regla de originalidad, como detallamos en el repost ya no paga. Gastas tiempo en empeorar el vídeo y además dejas constancia de que sabías que era una copia.
Qué cambia para quien hace clips
Si recortas con permiso, la detección trabaja a tu favor. El dueño del material puede elegir supervisar o liberar tus clips, y el sistema empieza a proteger al creador de quien resube tu trabajo. Deja ese acuerdo por escrito.
Si recortas sin permiso, el clip sigue publicado hasta que el dueño decida otra cosa. Content ID y Rights Manager le dejan esa decisión a él, y puede llegar meses después, como mostramos con el clip viejo que se convierte en strike.
Si dos clipadores recortan el mismo momento, los dos clips coinciden con el original, porque salen de él. Lo que los separa es la edición: punto de entrada, encuadre, contexto, lo que añadió cada uno. Por eso el clip con firma aguanta mejor que el crudo.
Si resubes un clip que editó otra persona, no hay discusión: es el duplicado de manual. Mismo corte, mismo encuadre, mismos subtítulos. Cualquier sistema lo encuentra.
¿Y en los campeonatos de cortes?
Un campeonato paga por visualizaciones, así que el duplicado es un problema de justicia: alguien descarga el clip que funcionó, lo resube en su cuenta y compite por el mismo premio con el trabajo ajeno.
En Cut.Pro, los campeonatos detectan vídeos duplicados entre las inscripciones y los participantes pueden denunciarse entre sí. No voy a entrar en cómo se hace por dentro, pero la lógica es la de este post: comparar cómo se ve y cómo suena el vídeo, no el nombre del archivo. Si un clip tuyo no contó, revisa la lista de motivos por los que un vídeo no entró en el ranking.
Lo esencial
- Las plataformas comparan huellas digitales perceptuales de imagen y sonido, no archivos.
- Content ID procesó 2.200 millones de reclamaciones en 2024, más del 99% automáticas, y más del 90% se monetizaron en lugar de retirarse.
- La huella de audio viene de la misma familia que Shazam, hecha para ruido, voces encima y compresión.
- Espejo, zoom, bordes, aceleración y filtros apenas mueven la huella y cuentan en tu contra en las reglas de originalidad.
- El permiso convierte la detección en protección de tu trabajo.
- En campeonatos, resubir el clip de otro participante se detecta y se puede denunciar.
La pregunta útil nunca fue "cómo paso el algoritmo". Es "qué hay en este clip que sea mío". Cuando la respuesta es buena, la detección deja de ser una amenaza.
Fuentes: TorrentFreak, 2.200 millones de reclamaciones de Content ID en 2024 · YouTube, cómo funciona Content ID · Meta, PDQ y TMK+PDQF en abierto · ThreatExchange, documentación de PDQ · Meta, documento técnico de PDQ y TMK+PDQF · Wang, An Industrial-Strength Audio Search Algorithm (2003) · Meta, protección de la propiedad intelectual · Facebook para creadores, Protección de Contenido · TikTok, normas del Para ti
