Humanize Chinese AI Text v3.0
Cadeia de ferramentas completa para detectar e reescrever texto chinês gerado por IA. Pode ser executada de forma independente (CLI unificada ou scripts autônomos) ou usada como guia de prompt para LLMs.
Destaques v3.0: Acurácia HC3 de 51% → 73% (+22 pts); CV do comprimento das sentenças com Cohen's d = 1.22 (característica estatística mais forte); 40 templates de paráfrase + 122 substituições acadêmicas; CLI unificada + --quick com velocidade 18×.
Ferramentas CLI
CLI Unificada (recomendado)
./humanize detect documento.txt -v # Detecção + detalhes
./humanize rewrite documento.txt -o alterado.txt --quick # Reescrita rápida (18× velocidade)
./humanize academic artigo.txt -o alterado.txt --compare # Redução acadêmica + comparação dupla
./humanize style documento.txt --style xiaohongshu # Transformação de estilo
./humanize compare documento.txt -a # Comparação antes/depois
Scripts Autônomos (equivalentes)
Todos os scripts estão no diretório scripts/, são Python puro e sem dependências.
# Detecção de padrões de IA (20+ regras dimensionais + 8 características estatísticas, pontuação 0-100)
python scripts/detect_cn.py texto.txt
python scripts/detect_cn.py texto.txt -v # Detalhado + sentença mais suspeita
python scripts/detect_cn.py texto.txt -s # Apenas pontuação
python scripts/detect_cn.py texto.txt -j # Saída JSON
# Reescrita (três níveis adaptáveis: conservative/moderate/full)
python scripts/humanize_cn.py texto.txt -o limpo.txt
python scripts/humanize_cn.py texto.txt --scene social -a # Social + agressiva
python scripts/humanize_cn.py texto.txt --quick # Velocidade 18×, apenas substituição
python scripts/humanize_cn.py texto.txt --cilin # Ativa expansão de sinônimos CiLin
# Transformação de estilo (primeiro humaniza automaticamente, depois aplica estilo)
python scripts/style_cn.py texto.txt --style zhihu -o saida.txt
# Comparação antes/depois
python scripts/compare_cn.py texto.txt --scene tech -a
# Redução AIGC acadêmica (11 dimensões + difusão + dupla pontuação)
python scripts/academic_cn.py artigo.txt -o limpo.txt --compare
python scripts/academic_cn.py artigo.txt -o limpo.txt -a --compare # Agressiva
python scripts/academic_cn.py artigo.txt -o limpo.txt --quick # Modo rápido
Padrão de Pontuação
| Pontuação | Nível | Significado |
|---|---|---|
| 0-24 | BAIXO | Basicamente parece humano |
| 25-49 | MÉDIO | Algumas marcas de IA |
| 50-74 | ALTO | Provável geração por IA |
| 75-100 | MUITO ALTO | Quase certeza de que é IA |
Referência Rápida de Parâmetros
| Parâmetro | Descrição |
|---|---|
-v | Modo detalhado, mostra sentenças suspeitas |
-s | Apenas pontuação |
-j | Saída JSON |
-o | Arquivo de saída |
-a | Modo agressivo |
--seed N | Semente aleatória fixa |
--scene | general / social / tech / formal / chat |
--style | casual / zhihu / xiaohongshu / wechat / academic / literary / weibo |
--compare | Comparação antes/depois (dupla pontuação acadêmica) |
--quick | Modo rápido (pula otimização estatística, velocidade 18×) |
--cilin | Ativa expansão de sinônimos CiLin (humanize, 38873 palavras) |
--no-humanize | Não remove palavras de IA antes da transformação de estilo |
Fluxo de Trabalho
# 1. Detectar
./humanize detect documento.txt -v
# 2. Reescrever + comparar
./humanize compare documento.txt -a -o limpo.txt
# 3. Verificar
./humanize detect limpo.txt -s
# 4. Opcional: transformar estilo
./humanize style limpo.txt --style zhihu -o final.txt
Benchmark HC3-Chinese
v3.0 Todos os limiares são calibrados com Cohen's d a partir de 300+300 amostras humano/IA do HC3-Chinese:
- Coeficiente de variação (CV) do comprimento da sentença: d = 1.22 (sinal único mais forte)
- Proporção de sentenças curtas (< 10 caracteres): d = 1.21
- Perplexidade: d = 0.47
- Balde top-10 GLTR: d = 0.44
- DivEye skew/kurt: d = 0.41 / 0.29
- Densidade de vírgulas: d = -0.47
Teste de regressão com 100 amostras: 73% de taxa de separação correta / diferença de 9.9 pontos / redução média de 4.2 pontos.
Guia de Uso Direto com LLM
Quando um usuário solicitar "remover cheiro de IA", "reduzir AIGC", "humanizar texto" ou "transformar em linguagem humana", e você não puder executar ferramentas CLI, siga o fluxo abaixo manualmente.
Primeiro Passo: Detectar Padrões de Escrita de IA
Examine o texto em busca dos seguintes padrões, classificados por gravidade:
🔴 Padrões de Alto Risco (IA óbvia à primeira vista)
Estrutura tripartida:
- Primeiramente... Em segundo lugar... Finalmente
- Por um lado... Por outro lado
- Primeiro... Segundo... Terceiro
Conectivos mecânicos: Vale ressaltar, em suma, não é difícil encontrar, em suma, ao mesmo tempo, disso se vê, não apenas isso, em outras palavras, mais importante, inegável, evidente, desnecessário dizer, no fundo
Palavras grandiosas e vazias: Capacitar, ciclo fechado, transformação digital, sinergia eficiente, redução de custos e aumento de eficiência, integração profunda, abrangente, multidimensional, sistêmico, desenvolvimento de alta qualidade, novas forças produtivas
🟠 Padrões de Médio Risco
Palavras de alta frequência em IA: Ajudar, destacar, realçar, lógica subjacente, alavanca, alcançar, sedimentar, revisar, iterar, quebrar o ciclo, disruptivo
Enchimentos: Vale mencionar, como todos sabem, sem dúvida, especificamente, em suma
Fórmulas de modelo:
- Com o contínuo desenvolvimento de...
- Na era atual de...
- No contexto de...
- Como parte importante de...
- Isso não apenas... mas também...
Fórmulas de argumentação balanceada: Embora... mas... ao mesmo tempo, tanto... quanto... e ainda mais
🟡 Padrões de Baixo Risco
- Excesso de hesitação ("até certo ponto", "de certa forma" aparece >5 vezes)
- Vício em enumerações (①②③④⑤ com frequência)
- Abuso de pontuação (muitos pontos e vírgulas, travessões)
- Acúmulo retórico (paralelismo e antítese em excesso)
⚪ Sinais de Estilo
- Comprimento dos parágrafos altamente uniforme
- Comprimento das sentenças monótono
- Expressão emocional plana
- Inícios de sentença repetitivos
- Baixa entropia de informação (palavras previsíveis)
Segundo Passo: Estratégia de Reescrita
Processe na seguinte ordem:
1. Eliminar estruturas tripartidas Desmonte "primeiramente... em segundo lugar... finalmente" e substitua por transições naturais. Nem todo argumento precisa ser numerado.
2. Substituir jargões de IA
- Em suma → Resumindo / No final das contas / (remover diretamente)
- Vale ressaltar → (remover diretamente, a frase seguinte se explica)
- Capacitar → Ajudar / Apoiar / Melhorar
- Transformação digital → Modernização de TI / Atualização tecnológica
- Não é difícil encontrar → Pode-se ver / (remover)
- Ajudar → Apoiar / Impulsionar
3. Reorganizar a estrutura das sentenças
- Combinar sentenças curtas ("Ele estava cansado. Ele decidiu descansar." → "Ele estava cansado, então decidiu descansar um pouco.")
- Dividir sentenças longas (em pontos de virada como "mas", "no entanto", "ao mesmo tempo")
- Quebrar o ritmo uniforme (alternar sentenças longas e curtas, sem que todas tenham o mesmo comprimento)
4. Reduzir repetição de palavras Se uma palavra aparece mais de 3 vezes, substitua por sinônimos. Por exemplo, "realizar" pode ser substituído por "fazer", "executar", "conduzir", "iniciar".
5. Injetar toque humano
- Adicionar uma ou duas expressões coloquiais (se o contexto permitir)
- Usar exemplos concretos em vez de generalizações abstratas
- Ocasionalmente adicionar uma pergunta retórica ou exclamação
- Não usar estrutura tópico-comentário em todos os parágrafos
6. Ritmo dos parágrafos Quebre a uniformidade do comprimento dos parágrafos. Alguns parágrafos com 2 sentenças, outros com 5, como a variação natural na escrita humana.
Terceiro Passo: Tratamento Especial para Artigos Acadêmicos
Quando o texto for um artigo acadêmico, as regras de reescrita são diferentes — não pode ser coloquial, deve manter o rigor acadêmico:
Dimensões de Detecção Acadêmica Específicas:
- Fraseologia acadêmica de IA ("Este artigo visa", "tem grande significado", "realizou uma análise aprofundada")
- Excesso de voz passiva ("amplamente utilizado", "é considerado")
- Estrutura de parágrafos muito uniforme (cada parágrafo com tópico-desenvolvimento-conclusão)
- Densidade anormal de conectivos
- Pobreza de expressões sinônimas ("estudo" aparece 8 vezes)
- Baixa integração de citações (cada citação é "XX (2020) aponta que...")
- Modelo de discussão de dados ("Pode-se ver na tabela")
- Enumeração excessiva (①②③④ aparecem com frequência)
- Conclusões muito perfeitas (apenas pontos positivos, sem limitações)
- Tom muito assertivo ("certamente", "sem dúvida")
Estratégia de Reescrita Acadêmica:
-
Substituir jargões acadêmicos de IA (mantendo o tom acadêmico):
- Este artigo visa → Este artigo tenta / Este estudo foca em
- Tem grande significado → É digno de nota / Tem certo valor de referência
- Estudos mostram → Pesquisas anteriores indicam / A literatura existente mostra / O autor observou
- Realizou uma análise aprofundada → Fez uma discussão preliminar / Conduziu uma análise
- Obteve resultados significativos → Produziu certo efeito / Primeiros resultados visíveis
-
Reduzir voz passiva:
- Amplamente utilizado → Tem uso considerável / É aplicado em várias áreas
- É considerado → Geralmente visto como / Comumente aceito
-
Injetar hesitação acadêmica (hedging): Adicione "possivelmente", "até certo ponto", "no estado atual", "a princípio" antes de julgamentos muito absolutos
-
Fortalecer a subjetividade do autor:
- Estudos mostram → O autor acredita / Esta pesquisa descobriu
- Pode-se considerar → O autor tende a acreditar
-
Adicionar limitações: Se a seção de conclusão não mencionar limitações, adicione uma frase como "Claro, este estudo também tem certas limitações..."
-
Quebrar uniformidade estrutural: Ajuste o comprimento dos parágrafos para evitar que todos sejam iguais. Combine parágrafos muito curtos e divida os muito longos.
Quarto Passo: Verificação
Após reescrever, use a ferramenta CLI para verificar o efeito:
./humanize detect saida.txt -s
Objetivo (com base no detector aprimorado v3.0):
- Texto geral: reduzir para abaixo de 50 pontos (faixa MÉDIO)
- Artigo acadêmico: reduzir para abaixo de 40 pontos (específico acadêmico), e para abaixo de 35 pontos na pontuação geral
- A saída real do ChatGPT geralmente está entre 5-25 pontos; uma redução de 3-10 pontos após reescrita já é considerada sucesso
- Textos modelo de IA padronizados (modelos de artigo/redação) podem ver reduções de mais de 50 pontos
Nota: O v3.0 detect_cn adicionou três indicadores fortes (CV do comprimento das sentenças, proporção de sentenças curtas e densidade de vírgulas). Para o mesmo texto, a pontuação pode ser ligeiramente maior que no v2.x (mais precisa); isso é normal.
Configuração
Todos os padrões de detecção e regras de substituição estão em scripts/patterns_cn.json. Podem ser personalizados:
- Adicionar novas palavras de IA
- Ajustar pesos
- Adicionar regras de substituição
- Modificar correspondências regex
Campos de Configuração Externa
critical_patterns — Padrões de alta ponderação (estruturas tripartidas, conectivos, palavras vazias)
high_signal_patterns — Padrões de ponderação média (palavras de alta frequência em IA, fórmulas de modelo)
replacements — Banco de substituições (regex + texto simples)
academic_patterns — Padrões e substituições acadêmicas específicas
scoring — Configuração de pesos e limiares