# simple-aigc-detect

**Repository Path**: lettfc/simple-aigc-detect

## Basic Information

- **Project Name**: simple-aigc-detect
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-03-29
- **Last Updated**: 2026-03-29

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Simple AIGC Detect

一个简单易用的AI生成内容检测工具，可以帮助您识别文档中可能由AI生成的内容。

![AI内容检测示例](./example.jpg)

## 环境管理

本项目使用 [uv](https://github.com/astral-sh/uv) 作为Python包管理和运行工具。uv是一个快速的Python包安装器和解析器，由Rust编写，可大幅提升依赖项安装速度。

### 安装uv

如果您还没有安装uv，可以通过以下命令安装：

```bash
curl -sSf https://install.ultraviolet.rs | sh
```

或在Windows上使用PowerShell：

```powershell
iwr https://install.ultraviolet.rs/ps1 | iex
```

### 使用uv安装项目依赖

克隆仓库后，使用uv安装依赖：

```bash
uv pip install -e .
```

## 功能特点

- 支持中文和英文内容的AIGC检测
- 多模型融合检测，提高准确率
- 支持多种文件格式（.txt和.docx）
- 自动语言检测，针对不同语言选择最佳模型
- 支持长文本分块处理
- 提供友好的命令行界面和彩色输出
- 支持多种预训练模型选择
- 可自定义AI内容判定阈值
- 优化的多模型结果融合算法，对不同语言优化处理

## 使用方法

### 使用uv运行

```bash
uv run .\src\main.py 文件路径 [选项]
```

### 选项参数

- `-m, --model`: 选择检测模型类型，可选值：
  - `multi`（默认）：使用多模型组合检测
  - `chinese`：仅使用中文AIGC检测模型
  - `english`：仅使用英文AIGC检测模型
  - `desklib`：仅使用Desklib通用检测模型
- `-t, --threshold`: AI内容判定阈值，默认为0.7（大于此值则判定为AI生成）

### 使用示例

检测单个文件（使用多模型检测）：

```bash
uv run .\src\main.py .\example.txt
```

检测多个文件：

```bash
uv run .\src\main.py file1.txt file2.docx
```

使用英文检测模型：

```bash
uv run .\src\main.py .\example.txt --model english
```

自定义判定阈值：

```bash
uv run .\src\main.py .\example.txt --threshold 0.8
```

## 支持的模型

- `multi`: 多模型组合检测（推荐），综合多个模型结果提高准确率
- `chinese`: 中文AIGC检测模型
- `english`: 英文AIGC检测模型
- `desklib`: Desklib通用检测模型

## 模型原理

本工具使用了多种预训练模型进行AI生成内容检测：

1. **AIGC中文模型**：基于BERT的中文AI内容检测模型
2. **AIGC英文模型**：基于RoBERTa的英文AI内容检测模型
3. **Desklib模型**：通用AI文本检测模型

多模型检测模式下，工具会同时使用多个模型进行评估，并通过加权投票算法综合各模型的检测结果，提高检测的准确性和鲁棒性。对于不同语言类型的内容，系统会自动调整不同模型的权重，优先考虑针对该语言优化的模型结果。

## 依赖项

- Python 3.8+
- transformers
- torch
- python-docx
- typer
- rich
- huggingface-hub
- numpy

## 首次运行

首次运行时，工具会自动从Hugging Face下载预训练模型，并缓存到本地。这可能需要一些时间，请耐心等待。后续运行将使用本地缓存的模型，启动更快。

## 许可证

MIT

## 贡献指南

欢迎提交问题和合并请求，共同改进这个项目！