偽のPDF検出器はファイルを検査しません。PDF内のテキストを読み取り、その文章がどれだけ機械的に作られたものに見えるかを文単位で採点します。自分の文章がフラグを立てられて返ってくるなら、解決策はよりクリーンなPDFエクスポートではありません。シグナルを担っている文を編集することです。
主なポイント
- 偽のPDF検出器が採点するのは文章であり、メタデータ、フォント、ファイル構造ではありません。
- 高い数値は著者性を証明しません。それはテキスト内のパターンを記述しているだけです。
- 文単位のスコアは、どの行を修正すべきかを教えてくれます。文書全体のスコアだけでは不十分です。
- 私たち自身の2026-10-04の実行では、1504件の参照箇所が平均27%、12件の未編集のモデル箇所が平均52%と採点されました。
- 自分の草稿でフラグが立った文を修正し、再確認してください。文書全体を書き直さないでください。
偽のPDF検出器は実際に何をチェックするのか？
人々が偽のPDF検出器を検索するとき、通常は3つのうちのいずれかを意味しています。PDFがAIツールによって生成されたかどうかを知りたいのです。PDF内のテキストがモデルによって書かれたかどうかを知りたいのです。あるいは、自分のPDFが機械製のように見えると言われ、それが何を意味するのかを知りたいのです。
最初の2つの質問は同じではありません。PDFファイルはメタデータを持っています。作成ツール、著者フィールド、タイムスタンプ、時には埋め込まれたプロデューサー文字列です。これらのフィールドは編集が簡単で、削除も簡単です。まともな検出器はそれらを何かの証拠として扱いません。メタデータだけでPDFが偽物だと分かると言う人がいれば、それは弱いシグナルを説明しているのであって、発見を述べているのではありません。
3つ目の問いが、書き手にとって重要なものである。検出器はテキストを読む。パターンを見る。各単語がその前の単語を踏まえてどれだけ予測可能か、文の長さがどれだけ変化するか、下書きが同じ接続詞にどれだけ頼っているか。そこが、機械製の下書きが際立つ層である。ファイル形式はそれには無関係だ。
あなたのPDFテキストが機械製に読める理由
機械製の文章には癖がある。平均化される。文の長さが固まる。つなぎ言葉が繰り返される。どの段落もトピックセンテンスで始まり、それ自体の要約で終わる。語彙は狭い範囲にとどまる。モデルが最も具体的な次の単語ではなく、最もありそうな次の単語を選ぶからだ。
2026-10-04の私たち自身の測定が、その差を可視化している。未編集のモデル出力12件のパッセージを、DeAIze検出器（ローカルアンサンブル、liteティア）で30%のフラグ閾値で採点した。平均スコア52%、中央値49%、範囲11-91%。同じ実行で、私たち自身のガイドから1504件の参照パッセージを採点し、平均27%、中央値20%だった。どちらのコーパスも独立した文書ではなくパッセージであり、参照サンプルの人間の著作性は独立に検証されていない。これは偽陽性率ではなく、2つのテキスト集団の記述として読んでほしい。
その差が教えてくれるのは、シグナルがどこに宿るかだ。トピックにあるのではない。リズムにある。あなたの下書きが機械製に読めるなら、修正は語彙レベルではなくリズムレベルである。
どの特定の文がシグナルを担っているかを見たいなら、まず下書きをDeAIze AI検出器に通してほしい。文書全体を採点し、各文をAI確率でハイライトするので、推測するのではなく、フラグが立った行を編集できる。
偽ID検出の混乱
ここで絡み合う第二のクエリがあります。一部の人は偽ID検出を求めてたどり着きます。なぜなら「偽」と「検出器」が両方のトピックを同じ検索結果に引き寄せるからです。これらは別の問題です。偽ID検出は身分証明書の検証に関するものです。文章作成の意味での偽PDF検出器は文体パターンに関するものです。前者を求めてここに来たなら、このページはそれではありません。
誰かがあなたの文書にフラグを立てたためにここに来たなら、有用な問いはもっと狭いものです。どの文が機械製のように読めるのか、そしてそれは自分が書いたのか？ その問いには行動に移せる答えがあります。
スコアが証明しないこと
これはほとんどのガイドが飛ばす部分です。検出器のスコアは著者性の証拠ではありません。それは一節がモデルが生成しがちなパターンにどれだけ似ているかの測定です。人間の文章もそれらのパターンに似ることがあります。特に形式的、翻訳的、または第二言語で書く人による場合です。モデル出力も低くスコアすることがあります。特に測定するのに十分なテキストがない短い一節では。
私たちの参照サンプルはその重なりを直接示しました。1504の参照一節のうち、487が30%の閾値以上にスコアしました。それは一節の数であり、独立した文書の数ではなく、それらの一節のうち何が人間によって書かれたかを教えてくれません。それは閾値がきれいな線ではないことを教えてくれます。
| 見えるもの | 意味すること | 意味しないこと |
|---|---|---|
| 文書レベルのスコア | テキスト全体がどれだけ機械的に読めるか | モデルが書いたということ |
| 文のハイライト | どの行がシグナルを担っているか | それらの行があなたのものではないということ |
| フォーマルな文章で高い数値 | 密度が高く、均一で、予測可能な散文 | 不正行為 |
| 短い抜粋で低い数値 | 測定するのに十分なテキストがない | そのテキストが人間によるものだということ |
自己チェックではなく告発に直面しているなら、役立つ次のステップは書き直しではなく記録です。AI検出器は間違うことがあります、フラグへの対処法は下書きの履歴とメモを保存することです。審査委員会が目にする前に係争中の文書を編集すると、あなたの立場は良くなるどころか悪くなります。
実例：フラグが立った一文を修正する
以下の例は方法を示すために作られたものです。測定されたビフォーアフターではありません。
修正前（機械が作ったように読める）： 「自動検出システムの導入は学術環境においてますます一般的になってきており、機関がこれらの技術の影響を考慮することは不可欠である。」
修正後（人間のように読める）： 「大学は2023年に検出ソフトウェアを導入し始めた。ほとんどの大学は、それが間違ったときに何が起こるかを問わなかった。」
事実は何も変わっていない。2番目のバージョンは短く、主題を明示し、立場を取っている。また、「ますます一般的になっている」や「考慮することが不可欠である」といった、文章を予測可能にする類の表現に頼るのをやめている。
自分のフラグが付いた行でそのテストを実行してみよう。ある文が、同じトピックの他のどんな文書に差し替えても誰も気づかないようなものなら、それはシグナルを運んでいる。自分にしか書けない何かに置き換えよう。
文単位の編集ルーティン
- 検出器を実行し、文書スコアだけでなく文のハイライトを読む。 ハイライトが有用な出力である。
- フラグが付いた文を3つのバケツに分類する： 自分が書いた文、モデルから貼り付けた文、確信が持てない文。
- 自分が書いた文については、意味はそのままにしてリズムを変える。 長い文を1つ分割する。接続詞を1つ削る。抽象名詞を具体的な名詞に置き換える。
- 貼り付けた文については、文言に触れる前に主張を検証する。 数量、引用、否定、限定詞は、書き直すと壊れる4つの要素である。
- チェックを再実行する。 いくつかの行は消える。消えないものもあり、それは普通のことだ。
特定の行の代替案を生成するのに助けが必要なら、ドラフトエディターが自分のテキストに対する修正案を提案してくれる。受け入れる前に、すべての提案を元の文と比較しよう。意味的類似性はレビューの補助であり、意味が保たれた証拠ではない。
自分が書いていない場合の対処法
ドキュメント内の一節がモデルから生成されたもので、それを自分のものとして提示しているなら、どれだけ編集してもそれは解決しません。解決策は開示であり、そのルールはあなたの状況によって異なります。課題、ジャーナル投稿、クライアントワークでは、それぞれ扱いが異なります。AI検出の仕組みではシグナルについて説明していますが、ポリシーの問題は別であり、重要なのはそちらです。
本当に自分自身で書いた下書きであれば、編集作業は正当です。自分の文章をより明確で、より一般的でないものにしているのです。それは編集者が昔から行ってきたことです。線引きは著者性であり、語彙ではありません。
ファイル形式がなぜ人々を悩ませ続けるのか
PDFは配布形式であり、執筆形式ではありません。Word文書をPDFにエクスポートすると、テキストレイヤーは保持され、検出器は.docxを読むのと同じようにそれを読み取ります。フォント、スタイル、表はスコアを変えません。再保存、圧縮、PDFへの印刷も同様です。
スコアを変えるのはテキストそのものです。Word文書から作業していて、編集しながら書式を保ちたい場合、DeAIze は.docxのアップロードに対応し、リライトを通じてフォント、スタイル、表を保持します。検出器とエディターの両方が.txt、.docx、.pdfを受け付けます。
正直な限界はどこにあるのか
検出は英語優先です。DeAIzeは検出とリライトの両方で英語と他の9言語をカバーし、インターフェースは10言語で提供されています。あなたの文書が翻訳されている、または第二言語で書かれている場合、検出器が機械生成と読み取るパターンは単なる翻訳の痕跡である可能性があります。これはフラグの実際の原因であり、リライトを始める前に知っておく価値があります。
スコアはツールによっても異なります。モデルスコア、基準を満たす文章の割合、類似度のパーセンテージは同じものではなく、いずれも著者を証明するものではありません。あるツールである読み取り結果が出て、別のツールで異なる読み取り結果が出ても、それは想定内であり、バグではありません。問題は、どちらがあなたが行動に移せる文単位の出力をくれるかです。
どの文が機械生成のように読めるか確認する準備はできましたか？
PDFをAI検出器にかけて、文のハイライトを読んでください。それが文単位スコアリングの要点です。使えない数字を、修正できる行のリストに変えてくれます。
これらの行の修正に助けが必要なら、ドラフトエディターがあなた自身のテキストに対する言い換えを提案します。.txt、.docx、.pdfに対応しており、Word文書をリライトしてもフォント、スタイル、表が保持されます。すべての提案を元の文と比較し、受け入れる前に主張、数量、引用、否定、限定詞を確認してください。
リライトのトライアルでは、メール確認後に200語分が利用でき、クレジットカードは不要です。検出には現在のインターフェースに表示される別の制限があります。トライアル後も続けたい場合、料金は従量課金制で、クレジットは失効せず、サブスクリプションはありません。アカウントを作成して、サンプルではなく自分のドラフトから始めることもできます。
あなたのテキストは現在のタスクのみで処理されます。トレーニングに使用されることも、再販されることもありません。