AI szöveges vízjelek: Rejtett karakterek kontra tokenválasztási jelek
Az AI szöveges vízjelek két formában léteznek, és csak az egyikük áll olyan karakterekből, amelyeket törölni tud.
| Vízjel típusa | Hol található | Látható ennek az eszköznek | Eltávolítható ezzel az eszközzel |
|---|---|---|---|
| Rejtett karakteres jelek | A szöveg bájtjaiban, láthatatlan vagy szokatlan kódpontokként | Igen | Igen |
| Tokenválasztási jelek | Magukban a szóválasztásokban | Nem | Nem |
A rejtett karakteres jelek olyan kódpontok, amelyeket a szövegszerkesztő eltárol, de a képernyő soha nem jelenít meg.
A tokenválasztási jeleket az hordozza, hogy a modell melyik szót választotta az egyes lépésekben, így nem hagynak hátra megtalálható vagy eltávolítható karaktert. Ma minden olyan AI-eszköz ezt a típust használja, amely megjelöli a szöveges kimenetet.
Mitől lesz egy Unicode-karakter láthatatlan?
Egy karakter akkor láthatatlan, ha nem foglal szélességet a képernyőn. A Unicode ezt a viselkedést a Default_Ignorable_Code_Point tulajdonsággal és a formátumot jelölő Cf általános kategóriával tartja nyilván.
A Default_Ignorable_Code_Point egy származtatott tulajdonság, amely a szabvány minden verziójához egyszerű szöveges listaként jelenik meg a DerivedCoreProperties.txt fájlban. Ez a tisztító a 2025. szeptember 9-én megjelent Unicode 17.0 szabványhoz rögzített, amely 4803 új karaktert adott hozzá, és a kódolt karakterek teljes számát 159 801-re növelte.
Lekértem a Unicode 17.0 tulajdonságadatait, és magam számoltam meg őket. 4174 kódpont hordozza a Default_Ignorable_Code_Point tulajdonságot, de ezek közül csak 405 hozzárendelt karakter. A fennmaradó 3769 fenntartott hely, amelyet még semmi sem használ. A 405-ből 256 variációszelektor, 97 a Tags blokkban található, így 52 marad, amely a mindennapi írásban megjelenhet.
A Cf kategória 170 karaktert tartalmaz ugyanebben a verzióban. Ezért van az, hogy egy olyan kerek marketingszám, mint a „104 rejtett karakter”, önmagában semmit sem mond. Ha nincs mellette feltüntetve egy Unicode-verzió, a szám nem ellenőrizhető semmivel szemben.
Miért élik túl a tokenválasztási vízjelek a karaktertisztítást?
A tokenválasztási vízjel, más néven statisztikai vízjel, a modell által választott szavakban van, így a láthatatlan karakterek tisztítása nem változtatja meg a jelet.
Egyetlen karaktertisztító sem éri el a tokenkiválasztáson alapuló vízjelet, mert a jel abban rejlik, hogy a modell mely szavakat választotta, nem valamely karakterben. A módszer lehet nyilvános, ahogy a SynthID Text az, a jel ellenőrzéséhez mégis a szolgáltató saját titkos kulcsa kell.
Eltávolítható a ChatGPT vízjele a szövegből?
A ChatGPT vízjelét egyetlen karaktertisztító sem tudja megváltoztatni, mert a jel a szóválasztásban van, nem rejtett karakterekben. Az EU-ban a ChatGPT-szövegek már hordozzák ezt a vízjelet, amelyet az OpenAI textGrain néven említ. Ez a tisztító nem változtatja meg a szavait, így a textGrain-jel megmarad.
Az OpenAI Help Center származási jelzésekről szóló cikke csak az EU-ban készült ChatGPT-szövegeknél sorol fel textGrain-vízjeleket. Az OpenAI 2026. október 28-án frissítette a cikket, én pedig 2026. november 2-án ellenőriztem. A cikk szerint a textGrain „nem ad hozzá rejtett karaktereket, láthatatlan szóközöket vagy szokatlan írásjeleket”. A jel a modell szóválasztásának véletlenszerűségében okozott láthatatlan változás. Bármely ország API-ügyfelei bekapcsolhatják a szöveges vízjeleket, de az API alapértelmezés szerint kikapcsolva tartja őket. Az OpenAI szövegdetektorát jelenleg csak jóváhagyott kutatási és tudományos szervezetek használhatják.
Egy régebbi ChatGPT-történet rejtett karakterekről szól, nem szóválasztásról. 2025. április 20-án a Rumidocs arról számolt be, hogy az o3 és az o4-mini válaszai U+202F NARROW NO-BREAK SPACE karaktert tartalmaztak. 2025. április 22-én az OpenAI azt közölte a Rumidocsszal, hogy a karakterek „a nagyléptékű megerősítéses tanulás sajátosságai”, nem vízjelek. A Rumidocs 2025. április 23-án frissítette a bejegyzést: a karakterek már nem jelennek meg. Ez a tisztító megtalálja az U+202F-hez hasonló karaktereket, megmutatja, hol van mindegyik, és Ön dönti el, mit tart meg.
Így működik az AI-szövegtisztítónk, lépésről lépésre
A tisztító a böngészőjében olvassa be a szövegét, és minden karaktert több mint 4200 rejtett Unicode-kódponttal vet össze. Mielőtt döntene, megvizsgálja az egyes karakterek környezetét. Eltávolítja azokat az AI-címkéket is, amelyeket a csevegőeszközök a szöveghez fűznek. Végül a saját kimenetét is újra átvizsgálja.
Ez a szakasz bemutatja, mi történik a szöveg beillesztésétől az eredmény kimásolásáig. Minden lépés az Ön eszközén, az oldal egy háttérfolyamatában fut. Az oldal nem küldi el a szövegét szerverre.
- Beolvasás. A tisztító akkor olvassa be a szöveget, amikor Ön beilleszti, vagy amikor megnyit egy fájlt. Az UTF-8 kódolású fájlokat közvetlenül megnyitja, az UTF-16 kódolású fájlokat és a legtöbb Windows-1252 kódolású fájlt pedig átalakítja. Minden letöltés UTF-8 kódolású.
- Feltérképezés. A tisztító megkeresi a szöveg azon részeit, amelyekre külön szabályok vonatkoznak: a kódblokkokat, a soron belüli kódot, a linkeket és a Markdown-fájl elején lévő beállításblokkot. Markdown módban a Szabványos és a Haladó előbeállítás automatikusan bekapcsolja a kódvédelmet.
- Átvizsgálás. A tisztító minden karaktert a Unicode 17.0 több mint 4200 rejtett és szokatlan kódpontjával vet össze. Ezek közé tartoznak a nulla szélességű karakterek, a szokatlan szóközök, a vezérlőkarakterek, a címkekarakterek és a hasonló betűk.
- A környezet vizsgálata. A tisztító megvizsgálja az egyes találatok környezetét. Megtartja a kötőkaraktert egy emojiban vagy egy perzsa, illetve hindi szóban. Ugyanezt a kötőkaraktert viszont eltávolítja, ha két angol betű között áll. A jobbról balra irányjeleket bekezdésenként vizsgálja.
- AI-címkék keresése. A tisztító háromféle olyan AI-lábnyomot is megtalál, amely közönséges szövegből áll. Ezek: az AI-eszközök nevei a Markdown- vagy HTML-metaadatokban, a ChatGPT-hivatkozócímkék a linkekben, valamint a kimásolt csevegőválaszokból származó hivatkozási kódok.
- Tisztítás és újbóli ellenőrzés. Amikor megnyomja a Szöveg megtisztítása gombot, a tisztító újra átvizsgálja az eredményt, és jelez minden rejtett karaktert, amely megmaradt. Ha egy eltávolított karakter választott el két szót, a tisztító normál szóközt tesz a helyére. A szavai így nem olvadnak össze.
- Mintajelentés. Angol szövegnél az Írási minták lap megszámolja a gyakori AI-írási mintákat, és mindegyiknél idézi, hol fordul elő. A lap nem változtat a szavain.
A tisztító nem módosítja a beviteli mezőben lévő eredeti szöveget. A változások listája minden módosításnál megmutatja a hivatalos Unicode-nevet és a módosítás helyét. Tisztítás előtt megtarthat egy-egy találatot, vagy másik előbeállítást választhat.
Milyen AI-lábnyomokat távolít el a tisztító a rejtett karaktereken kívül?
A tisztító háromféle AI-lábnyomot távolít el: az AI-eszközök nevét a dokumentum metaadataiban, az AI-hivatkozócímkéket a linkekben és a kimásolt csevegőválaszok hivatkozási kódjait. Mindhárom egyszerű szöveg. Az a vizsgálat, amely csak rejtett karaktereket keres, nem találja meg őket.
| AI-lábnyom | Példa | Szabványos | Haladó és Szigorú |
|---|---|---|---|
| AI-eszközök nevei Markdown- vagy HTML-metaadatokban | generator: ChatGPT | Átnézésre megtartva | Eltávolítva |
| AI-hivatkozócímkék a linkekben | ?utm_source=chatgpt.com | Eltávolítva. A link többi része nem változik. | Eltávolítva. A link többi része nem változik. |
| Csevegésmásolási jelölők | :contentReference[oaicite:0]{index=0} | Eltávolítva, kivéve a kódban | Eltávolítva, kivéve a kódban |
A metaadatokban szereplő AI-eszköznév olyan közlés lehet, amelyet meg kell őriznie. Ezért a Szabványos előbeállítás ezeket a neveket csak átnézésre mutatja meg. Ha egy AI-eszköz neve címben vagy leírásban szerepel, minden előbeállítás megmutatja, de nem módosítja.
A ChatGPT ezt a hivatkozócímkét fűzi az Önnek adott linkekhez. A címke rajta marad a linken, amikor a választ beilleszti egy dokumentumba. A tisztító csak a címkét távolítja el, a link többi része nem változik. A kódban lévő linkeket a tisztító nem módosítja.
Hogyan dönti el a tisztító, hogy mely karaktereket tartsa meg?
A tisztító a környezet alapján dönt. Ugyanaz a láthatatlan karakter az egyik mondatban felesleges, egy másikban viszont a helyes írásmódhoz szükséges lehet. Ezért a tisztító döntés előtt megvizsgálja az egyes karakterek körüli betűket, írásrendszert és emojikat.
A tisztító megtartja a nulla szélességű összekötőket az emojikban és azokban az írásrendszerekben, amelyeknek szükségük van rájuk, például a perzsában, a hindiben és a bengáliban. Megtartja azokat a változatválasztókat, amelyek egy ismert sorozat részei. Megtartja a nem törhető szóközöket ott, ahol az elrendezés igényli, például egy szám és a mértékegysége között. A Szabványos előbeállítás átnézésre mutatja meg a hasonló betűket, például egy cirill а betűt egy angol szóban. A Haladó és a Szigorú ezeket latin betűre cseréli. A tisztító nem módosítja azokat a szavakat, amelyek csak cirill vagy görög betűkből állnak.
Ha a helyes döntés nem egyértelmű, a Szabványos előbeállítás megtartja a karaktert, és átnézésre mutatja meg. Az összes szabály az alábbi előbeállítás-táblázatban látható.
Mit mutat az Írási minták lap?
Az Írási minták lap külön-külön megszámolja azokat az írási mintákat, amelyeket az olvasók gyakran AI-szövegben vesznek észre. Minden mintánál idézi, hol fordul elő. Ez nem pontszám, és nem változtat a szavain.
A lap hat mintát vizsgál: az egyforma hosszú mondatokat, a túlhasznált szavakat és kifejezéseket, a csevegőasszisztens-kifejezéseket, a csevegésmásolási jelölőket, a sablonos szerkezetet és a kevés szóváltozatosságot. Minden ellenőrzést emberek által írt szövegeken teszteltünk, és a lap megmutatja, hogy az egyes ellenőrzések ezek közül hány szöveget jelöltek meg. Ha egy ellenőrzés túl sok szöveget jelölt meg, a lap nem jeleníti meg ezt az ellenőrzést. A szóalapú ellenőrzések egyelőre csak angol szöveget vizsgálnak. A csevegésmásolási jelölőket a tisztító minden nyelven vizsgálja.
Használja a lapot ellenőrzőlistaként a szerkesztéshez, ne ítéletként arról, ki írta a szöveget. Azoknál, akiknek nem az angol az első nyelvük, több téves riasztás fordulhat elő. Emberi szerzők is használják mindegyik mintát.
A ChatGPT és a Claude kimenetében található láthatatlan karaktertípusok
A tisztító által észlelt karakterek öt csoportba sorolhatók: nulla szélességű karakterek, szokatlan szóközök, vezérlőkarakterek, hasonló írásjelek, valamint címke- vagy magánhasználatú karakterek. A közönséges szövegből álló AI-címkékről, például a metaadatokban szereplő eszköznevekről, a fenti, működést bemutató szakaszban olvashat.
| Csoport | Példák | Hatása | Standard előbeállítás |
|---|---|---|---|
| Nulla szélességű karakterek | U+200B, U+200C, U+200D, U+2060, U+FEFF | Nem foglal szélességet, mégis tárolva van a fájlban | Eltávolítja az U+200B, U+2060 és U+FEFF kódpontokat, a két összekötőt pedig csak emojikban és az őket igénylő írásokban tartja meg |
| Szokatlan szóközök | U+00A0, U+2009, U+202F, U+3000 | Szóköznek tűnik, de eltérő karakterként rendezi és keresi a rendszer | A nem törhető szóközöket átalakítja, kivéve ha az elrendezésnek szüksége van rájuk, minden más szokatlan szóközt megtart |
| Vezérlőkarakterek | C0 és C1 tartományok, kétirányú vezérlők | Irányítja a megjelenítést vagy megzavarja az értelmezőket, sosem jelenik meg kinyomtatva | Eltávolít mindent a tabulátor és az új sor kivételével |
| Hasonló írásjelek | Tipográfiai idézőjelek, en- és em-gondolatjelek, U+00AD | Megjelenik, de nem olyan karakterként, mint amit begépelt | Változatlanul hagyja |
| Címke- és magánhasználatú | U+E0000 – U+E007F, magánhasználatú terület | Olvasható szöveget hordoz, amelyet ember nem lát | Eltávolítja |
Íme az az állandó példa, amelyet az ezen az oldalon található minden méréshez használtam. A „The meeting starts at 9:30 am on 12 May.” mondat közvetlenül egy egyszerű szövegszerkesztőbe beírva 40 karakter és 40 bájt. Miután megjárt egy szövegszerkesztő programot és visszatért, már 42 karakter és 49 bájt lett. Belül a legelején egy bájtsorrend-jelölő, az „am” után egy nulla szélességű szóköz, valamint két közönséges szóköz lapult, amelyeket észrevétlenül U+202F és U+00A0 kódra cseréltek. Kilenc plusz bájt. Láthatóan semmi sem változott.
The meeting starts at 9:30 am on 12 May.Nulla szélességű karakterek: U+200B, U+200C, U+200D, U+2060 és U+FEFF
A nulla szélességű karakterek nem foglalnak helyet a képernyőn, de továbbra is jelen vannak a fájlban, ezért a beillesztett szöveg olyan jeleket hordozhat, amelyeket senki sem láthat.
| Kódpont | Hivatalos Unicode-név | Valódi feladata |
|---|---|---|
| U+200B | ZERO WIDTH SPACE | Lehetséges sortörési pontot jelöl, többnyire webszerkesztők illesztik be |
| U+200C | ZERO WIDTH NON-JOINER | Elválasztva tartja a betűket a perzsa és arab szavakban |
| U+200D | ZERO WIDTH JOINER | Egyetlen képpé egyesíti az emojikat, és ligatúrákat képez az indiai írásrendszerekben |
| U+2060 | WORD JOINER | Megakadályozza a sortörést az adott ponton |
| U+FEFF | ZERO WIDTH NO-BREAK SPACE | A bájtsorrend-jelölő, amelyet általában egy szövegszerkesztő hagy hátra, és nem egy AI |
Ebből az ötből kettő valódi funkcióval bíró karakter, nem felesleges szemét. Az U+200C és az U+200D jelentést hordoz valódi nyelvekben, ezért a Standard előbeállítás megtartja őket az emojikban és az őket igénylő írásokban.
Szokatlan szóközök: U+00A0, U+2009, U+202F és U+3000
A szokatlan szóközök közönséges szóköznek tűnnek, de eltérő kódpontot hordoznak, ami megzavarja a keresést, a rendezést és a programkódot.
A Unicode 17.0 17 karaktert határoz meg a Zs kategóriában (szóközelválasztó), és ezek közül csak egy a billentyűzetén található szóköz. Mind a 17-et kigyűjtöttem a karakteradatbázisból az UTF-8 bájtszélességükkel együtt, mert a bájtméret az, ami költségessé teszi őket.
| Kódpont | Hivatalos Unicode-név | UTF-8 bájtok |
|---|---|---|
| U+0020 | SPACE | 1 |
| U+00A0 | NO-BREAK SPACE | 2 |
| U+1680 | OGHAM SPACE MARK | 3 |
| U+2000 to U+200A | EN QUAD-tól HAIR SPACE-ig, 11 karakter | Egyenként 3 |
| U+202F | NARROW NO-BREAK SPACE | 3 |
| U+205F | MEDIUM MATHEMATICAL SPACE | 3 |
| U+3000 | IDEOGRAPHIC SPACE | 3 |
Egyetlen U+202F három bájtot foglal, míg egy normál szóköz egyet, és a „9:30 am” kifejezésre való keresés nem fog egyezni a „9:30 am” szöveggel, ha a térköz U+202F. Ez az eltérés az oka annak, hogy a Haladó és a Szigorú előbeállításban átalakítom a szokatlan szóközöket, de megtartom azokat, amelyekre az elrendezésnek szüksége van; a Normál előbeállítás csak a nem törhető szóközöket alakítja át, ugyanezekkel a kivételekkel.
9:30 am
9:30 amMásolja ki a mintaszöveget, és illessze be a fenti beviteli mezőbe az eredmény megtekintéséhez.
Gondolatjelek, tipográfiai idézőjelek és lágy elválasztójelek, amelyeket a szerkesztők szúrnak be
A tipográfiai idézőjelek, a hosszú gondolatjelek és az U+00AD lágy elválasztójel általában egy szövegszerkesztő automatikus javítási beállításából származnak, nem pedig nyelvi modellből.
A Unicode 17.0 a Dash tulajdonságot 31 karakternek adja meg, a billentyűzetén lévő egyszerű U+002D karaktertől kezdve az U+2014 EM DASH és U+2E3A TWO-EM DASH karakterekig. Ezek közül csak egy felel meg egy billentyűleütésnek. A többi akkor jelenik meg, amikor a szoftver úgy dönt, mit szeretett volna írni. Az U+00AD a kivétel, mert csak akkor jelenik meg kötőjelként, ha ott törik meg a sor, mindenhol máshol pedig láthatatlan marad.
A gondolatjelek jelentik azt a kérdést, amely a legtöbb embert egy ilyen oldalra hozza, a rövid válasz pedig az, hogy semmit sem bizonyítanak. A részletes levezetés lejjebb található, a hosszú gondolatjelekről (em dash) szóló szakaszban.
Címke- és magánhasználatú karakterek, amelyek utasításokat rejtenek el a szövegben
A Unicode Tags blokkban található karakterek (U+E0000 – U+E007F) egy teljes mondatot is hordozhatnak, amelyet emberi olvasó soha nem fog látni. A támadók így csempésznek rejtett utasításokat olyan szövegbe, amelyet később egy AI-asszisztens fog elolvasni.
Az AWS Security Blog 2025. szeptember 30-án foglalkozott a Unicode-karaktercsempészettel. Olyan címkekaraktereket ír le, amelyeket „eredetileg láthatatlan jelölőként terveztek a szövegen belüli nyelv jelzésére”, és amelyek „a prompt injection lehetséges támadási vektoraként jelentek meg”. A Cloud Security Alliance 2026. március 10-i kutatási feljegyzése ugyanezt a trükköt követte nyomon AI-ágens-készségekben, eszközleírásokban és MCP-szerverekben. Ez a munka a Tags blokkot az U+200B, U+200C, U+200D és U+FEFF karakterek mellett említi meg.
Összeállítottam egy példát, hogy lássam a méretét. A látható „Great work on the report.” mondat 25 karakter és 25 bájt. Hozzáfűztem egy 42 karakteres, címkekarakterekbe kódolt utasítást. A fájl 67 karakterre és 193 bájtra nőtt. A képernyőn még mindig öt szóként és egy pontként olvasható, egy parancsfájl pedig hiánytalanul kinyerte az utasítást a szövegből. Minden címkekarakter négy bájtot és nulla képpontot jelent.
Great work on the report.Ez a legerősebb indok a szöveg megtisztítására, aminek semmi köze az AI-észleléshez. Ha egy weboldalról másol be szöveget egy csevegőasszisztensbe, előfordulhat, hogy olyan utasításokat ad át neki, amelyeket soha nem írt le.
Láthatatlan karakterek eltávolítása a böngészőben: A vizsgálat és tisztítás folyamata
Ez a tisztító a beillesztés pillanatában átvizsgálja a szöveget, felsorol minden találatot a hivatalos Unicode-nevével és pozíciójával, és semmin sem változtat, amíg meg nem nyomja a Szöveg tisztítása gombot.
A folyamat négy lépésből áll:
- Illessze be a szöveget, vagy húzzon be egy .txt vagy .md fájlt.
- Tekintse át a találatok listáját. A lista minden karakter nevét és helyét megmutatja. Angol szövegnél nézze meg az Írási minták lapot is.
- Válasszon egy előbeállítást, vagy tartsa meg azokat az egyedi találatokat, amelyeket meg szeretne védeni.
- Tisztítsa meg a szöveget, majd másolja ki vagy töltse le az eredményt.
Ez a tisztító a szöveg egyetlen szavát sem írja át, fogalmazza újra vagy teszi emberibbé. Angol szövegnél az Írási minták lap megszámolja a gyakori MI-írási mintákat, és idézi, hol fordul elő mindegyik, hogy Ön döntse el, mit változtat.
A Normál, Haladó és Szigorú előbeállítások összehasonlítása
A Normál előbeállítás eltávolítja a mindennapi szövegekben problémát okozó karaktereket, a Haladó szélesebb kört fed le, a Szigorú pedig a legtöbb elemet szűri ki.
| Karaktercsoport | Normál | Haladó | Szigorú |
|---|---|---|---|
| Nulla szélességű szóköz, szóösszekötő, bájtsorrend-jelölő (BOM) | Eltávolítva | Eltávolítva | Eltávolítva |
| Kétirányú vezérlők | Eltávolítva, hacsak nem jobbról balra írt szöveget formálnak; a bizonytalan esetek átnézésre megmaradnak | Eltávolítva, hacsak nem jobbról balra írt szöveget formálnak; a bizonytalan esetek átnézésre megmaradnak | Mindenhol eltávolítva |
| C0 és C1 vezérlőkarakterek, a tabulátor és a sortörések kivételével | Eltávolítva; néhány sortöréssé válik vagy átnézésre megmarad | Eltávolítva; néhány sortöréssé válik vagy átnézésre megmarad | Eltávolítva; néhány sortöréssé válik vagy átnézésre megmarad |
| Címkeblokk és magánhasználatú karakterek | Eltávolítva | Eltávolítva | Eltávolítva |
| Lágy elválasztójel U+00AD | Eltávolítva, kivéve egy szó két betűje között, ahol átnézésre megmarad | Eltávolítva | Eltávolítva |
| Szokatlan szóközök a Zs kategóriában | A nem törhető szóközök U+0020-ra alakítva, kivéve ha az elrendezésnek szüksége van rájuk; a többi megtartva | U+0020-ra alakítva, kivéve ha az elrendezésnek vagy CJK szövegnek szüksége van rájuk | U+0020-ra alakítva, kivéve ha az elrendezésnek vagy CJK szövegnek szüksége van rájuk |
| U+200C és U+200D összekötő karakterek | Eltávolítva, kivéve az emojisorozatokban és ahol egy írásnak szüksége van rájuk | Eltávolítva, kivéve az emojisorozatokban és ahol egy írásnak szüksége van rájuk | Mindenhol eltávolítva |
| Variációs szelektorok | Eltávolítva, kivéve ha egy felismert sorozat része; kínai, japán és koreai karaktereken ellenőrzésre megtartva | Eltávolítva, kivéve ha egy felismert sorozat része | Mindenhol eltávolítva |
| Tipográfiai idézőjelek és gondolatjelek | Megtartva | Megtartva | Egyenes idézőjelekké és sima kötőjellé alakítva |
| AI-eszközök nevei Markdown- vagy HTML-metaadatokban | Átnézésre megtartva | Eltávolítva | Eltávolítva |
| AI-hivatkozócímkék a linkekben | Eltávolítva | Eltávolítva | Eltávolítva |
| Csevegésmásolási jelölők | Eltávolítva | Eltávolítva | Eltávolítva |
| Hasonló és díszített betűk | Átnézésre megtartva | Egyszerű betűkre cserélve, kivéve a matematikai képletekben, a kínai, japán és koreai szövegben, valamint a csak cirill vagy görög betűs szavakban | Egyszerű betűkre cserélve, kivéve a matematikai képletekben, a kínai, japán és koreai szövegben, valamint a csak cirill vagy görög betűs szavakban |
Az előbeállítások mellett három gyorsszűrő áll: láthatatlanok törlése, hosszú gondolatjelek cseréje és emojik eltávolítása. A gondolatjel-szűrőnél egy módosítást kell választania a hosszú és a nagykötőjelekhez: eltávolítás, normál kötőjel vagy vessző. A billentyűzet kötőjelét (-) sosem módosítja, a számtartományok és a két szót összekötő nagykötőjelek pedig mindig normál kötőjelet kapnak. A szabályok közzététele szándékos. Mivel minden szabály ezen az oldalon olvasható, a Szöveg megtisztítása gomb megnyomása előtt látható, mit módosít egy-egy előbeállítás. Utána a megtisztított szöveg szabályról szabályra összevethető az előbeállítás-táblázattal.
Hogyan tartja épségben a kódblokkokat a Markdown kódvédelem?
Markdown módban a tisztító nem módosítja a körülhatárolt és a soron belüli kódot. Ha egy kódpélda egy bizonyos karaktert igényel, az a karakter megmarad. A Szabványos és a Haladó előbeállítás automatikusan bekapcsolja a kódvédelmet. A Szigorú előbeállításban Önnek kell bekapcsolnia.
A programkód az egyetlen olyan terület, ahol egy folyószövegben szemétnek tekintett karakter tartóelem lehet. Egy reguláris kifejezés vagy egy tesztsztring függhet attól, hogy a bájtsorrend-jelölő pontosan a helyén maradjon.
Elhagyja a szövege az eszközét?
Nem. Mind a vizsgálat, mind a tisztítás a böngészőjében fut, és az oldal soha nem tölti fel vagy tárolja a szövegét.
A teljes őszinteséghez hozzátartozik a dolog másik fele is. Ez az oldal ingyenes, így hirdetéseket jeleníthet meg és webanalitikát használhat. Az opcionális JSON-jelentés rögzíti a módosításokat, de a szövegéből semmit sem tartalmaz.
Szöveg- és fájlkorlátok: 10 000 szó és 128 KB
A tisztító legfeljebb 10 000 szót és 128 KB szöveget fogad el, begépelve, beillesztve vagy egyetlen .txt vagy .md fájlból. A fájlokat UTF-8 kódolással mentse; egyes UTF-16 és Windows-1252 fájlok is megnyílnak, és minden letöltés UTF-8.
Más fájltípusokat nem támogatunk: a HTML-, DOCX-, PDF-, JSON- és CSV-fájlok nem nyílnak meg. A beillesztés csak egyszerű szöveget ad át. A tisztító a beillesztett Markdown- vagy HTML-forrást úgy olvassa be, ahogyan megírták, és AI-címkéket keres benne. A használathoz JavaScript szükséges. Nincs fiók és nincs fizetés. A felület 26 nyelven érhető el. A hivatalos Unicode-nevek minden nyelven angolul maradnak, mert egy lefordított karakternévre már nem lehet pontosan hivatkozni.
Ha szöveg helyett fotókat szeretne kezelni, lehetősége van eltávolítani az AI-információkat a képről vagy szerkeszteni a kép metaadatait.
AI-szövegjelölés szolgáltatónként: a ChatGPT, a Claude, a Gemini és a Grok összehasonlítása
A ChatGPT, a Claude és a Gemini szövegeik egy részét a szóválasztással jelölik meg, a Grok API szövegei pedig 2026. november 7-től ugyanilyen jelet kapnak. Egyetlen szolgáltató sem jelöl szöveget rejtett karakterekkel.
| Szolgáltató | Jelöli a szöveget | Módszer | Felismeri ez a tisztító | Forrás és dátum |
|---|---|---|---|---|
| Anthropic, Claude | Igen | Szóválasztási vízjel, a SynthID Text egy változata | Nem | Anthropic, 2026. augusztus 11-i bejelentés, 2026. augusztus 14-i technikai feljegyzés, frissítve: 2026. szeptember 1. |
| Google, Gemini | Igen | SynthID Text, tokenvalószínűség-moduláció | Nem | Google DeepMind, 2024. május 14., még abban az évben nyílt forráskódúvá téve |
| OpenAI, ChatGPT | Igen, ChatGPT-szöveg az EU-ban; API-szöveg, ha be van kapcsolva | textGrain, szóválasztási vízjel rejtett karakterek nélkül | Nem | OpenAI, súgócikk a származásról, frissítve: 2026. október 28. |
| SpaceXSI (xAI), Grok | Igen, API-szöveg 2026. november 7-től, alapértelmezés szerint bekapcsolva | Szóválasztási vízjel, amely nem ad hozzá karaktert vagy rejtett szöveget | Nem | SpaceXSI (xAI) API-dokumentáció, Output Watermarking, frissítve: 2026. október 31. |
A City AM 2026. augusztus 12-én arról számolt be, hogy az xAI nem írta alá az AI által generált tartalmak átláthatóságáról szóló uniós gyakorlati kódexet. Az xAI-nak, amelynek mai neve SpaceXSI, ettől még meg kell felelnie az uniós MI-rendeletnek. A SpaceXSI 2026. október 31-én frissített API-dokumentációja szerint a Grok API válaszai 2026. november 7-től vízjelet tartalmaznak. A jel azt befolyásolja, mely tokeneket választja a modell, ezért nem ad hozzá karaktert vagy rejtett szöveget. A jel alapértelmezés szerint be van kapcsolva, és a csapatadminisztrátorok modellenként kikapcsolhatják, de néhány modellnél nem kapcsolható ki. A dokumentáció nem írja le, hogy a Grok alkalmazás vagy a Grok az X-en hordozza-e a jelet.
Létezik Claude-vízjeldetektor?
2026. november 2-án nincs nyilvános Claude-vízjeldetektor. Az Anthropic a vízjelek felismerését csak zártkörű előzetes verzióként kínálja a jogosult szervezeteknek, ahogy az uniós jog előírja. Ez a tisztító nem tudja felismerni a Claude vízjelét, mert a jel a szóválasztásban van, nem a karakterekben.
Az Anthropic közlése szerint a 2026. augusztus 2-án vagy azt követően indított modellek már a megjelenéskor tartalmazzák a jelölést. Folyamatban van a jelölés hozzáadása az ezen időpont előtt kiadott modellekhez is. A szöveges vízjelek észlelése nem nyilvános ellenőrző eszköz. Az Anthropic kijelenti, hogy az észlelés „jelenleg privát előnézetben érhető el a jogosult szervezetek számára, az uniós jogszabályoknak megfelelően”. A jogosultak körébe szabályozó hatóságok, bűnüldöző szervek, médiaorgánumok, tényellenőrök, kutatók, oktatási intézmények és uniós civil szervezetek tartoznak. Az Anthropic által szintén kínált ingyenes Claude Content Checker a generált fájlokban lévő C2PA Content Credentials adatokat olvassa be, ami teljesen más dolog, mint a szöveges vízjel.
Hogyan működik a Claude szöveges vízjelezése?
A Claude egyenértékű szavak közül választ, és egy titkos kulcs dönti el, melyiket használja. A jelölés a döntések sorozata, nem pedig egy karakter a szövegben.
Az Anthropic egyszerűen fogalmazza meg a mechanizmust: „Ahelyett, hogy egy tetszőleges véletlenszám-generátort használna a következő szó kiválasztásához, a vízjelezés a kulcsot és az azt megelőző néhány szót használja fel annak meghatározására, hogy a modell melyik szót válassza.”
A robusztusságot illetően az Anthropic konkrétan fogalmaz: „Az enyhe szerkesztés valószínűleg nem távolítja el teljesen a vízjelet”, míg egy teljes átírás, ahol minden szót kicserélnek, már megszünteti azt.
Az Anthropic szerint a Claude szöveges vízjele a SynthID Text egy változata; ezt a módszert a Google DeepMind egy 2024-es Nature-cikkben tette közzé. A jel csak a Claude által választott szavakra vonatkozik, így abban a szövegben, amelyet a Claude csak lektorál, kevés van belőle.
Mit jelöl meg a SynthID Text a Gemini kimenetében?
A SynthID Text a Gemini szövegalkotása során a tokenvalószínűségekbe ágyazza be a mintáját. A Google DeepMind 2024. május 14-én jelentette be a SynthID szöveges vízjelezést a Gemini alkalmazásban és a webes felületen. A módszer úgy működik, hogy „a generálás pillanatában további információkat visz be a tokeneloszlásba a generált tokenek valószínűségének modulálásával”. A DeepMind még abban az évben nyílt forráskódúvá tette a módszert a Responsible Generative AI Toolkit eszköztárán keresztül.
A közzétett korlátok éppolyan fontosak, mint maga a módszer. A SynthID Text a hosszabb és változatosabb válaszok esetén működik a legjobban. Gyengén teljesít a rövid, tényszerű válaszoknál, ahol a modellnek szinte semmilyen szabadsága sincs a megfogalmazásban. A megbízhatóság akkor is jelentősen lecsökken, ha a szöveget alaposan átírják vagy lefordítják.
Rejtett karakterek és AI-szerzőség: miért nem bizonyítja egyik a másikat?
A rejtett karakter arra bizonyíték, hogy valami feldolgozta a szöveget, nem pedig arra, hogy AI írta azt.
Minden láthatatlan karakterre létezik teljesen hétköznapi magyarázat, amely jóval az AI-alapú szövegírás megjelenése előtt keletkezett. A szövegszerkesztők, tartalomkezelő rendszerek és PDF-exportálók évtizedek óta szúrnak be ilyeneket. A találat mindössze annyit jelez, hogy a szöveg átment valamilyen szoftveren – ami szinte minden közzétett mondatra igaz.
Honnan származnak a láthatatlan karakterek az AI-n kívül?
A szövegszerkesztők, webszerkesztők, PDF-exportálások, fordítóeszközök, csevegőalkalmazások, valamint az egyszerű másolás és beillesztés mind maguktól szúrnak be láthatatlan karaktereket.
| Forrás | Gyakran hozzáadott karakterek | Ok |
|---|---|---|
| Szövegszerkesztők | U+00A0, U+2019, U+2014, U+00AD | Automatikus javítás és automatikus elválasztás |
| Webes és CMS-szerkesztők | U+200B, U+FEFF | Sortörési javaslatok és fájlkódolási jelölők |
| PDF-exportálások | U+2009, U+202F, U+00A0 | A tipográfiai térközök megőrzése a szöveg kimásolásakor |
| Fordító- és lokalizációs eszközök | U+200C, U+200D, U+061C | Az arab, perzsa és indiai írásrendszerek helyes megjelenítése |
| Csevegő- és üzenetküldő alkalmazások | U+200D, U+FE0F | Emojisorozatok, valamint szöveges vagy emoji formátumú megjelenítés |
| Alkalmazások közötti másolás és beillesztés | U+FEFF, vegyes Zs szóközök | Karakterkódolási átalakítás a vágólapon |
A saját 40 bájtos tesztmondatom négy találatot produkált anélkül, hogy valaha is találkozott volna egy nyelvi modellel. Ez az egyetlen mérés összefoglalja az egész érvelést.
Miért nem vízjelek a gondolatjelek (em dash)?
A gondolatjel egy teljesen megszokott írásjel, amelyet az írók, szerkesztők és automatikus javítók évszázadok óta használnak, így semmiféle információt nem hordoz arról, ki írta a mondatot.
A 2025-ös javítás pontot tesz az ügy végére. Az OpenAI 2025. november 14-én közölte, hogy a ChatGPT végre engedelmeskedik a gondolatjelek elhagyását kérő egyéni utasításoknak. Sam Altman aznap világosan fogalmazott: „Ha az egyéni utasításokban megkéri a ChatGPT-t, hogy ne használjon gondolatjeleket, végre azt teszi, amit elvárnak tőle”. Egy olyan szokás, amelyet a felhasználó kikapcsolhat a személyre szabási beállításokban, soha nem volt vízjel. Csupán egy a betanítás során felvett stílusminta volt, a megoldás pedig egy beállítási preferencia.
Ez a tisztító továbbra is felkínálja a gondolatjelek eltávolítását, mégpedig őszinte indokból: ez egy stílusszűrő azoknak, akik egyenes idézőjeleket és sima kötőjeleket szeretnének a szövegükben. Ez nem vízjelszűrő, és semmit sem változtat azon, amit bármelyik detektor mond a szövegéről.
Amikor a tisztítás tönkreteszi a szöveget: perzsa, arab, indiai írásrendszerek és emojik
A nulla szélességű karakterek eltávolítása elronthatja a helyes szöveget, mivel egyes írásrendszerekben elengedhetetlenek a szavak megfelelő leírásához.
Lefuttattam a négy leggyakrabban hibát okozó esetet, és pontosan feljegyeztem a történteket. A perzsa میخواهم szó nyolc karakterből áll, és a közepén található U+200C megakadályozza a két rész összekapcsolódását. Ha törli, a میخواهم alakot kapja: hét karaktert és egy eltérő írásképet. A dévanágari írásban a क्ष egy U+200D-t tartalmaz, amely a helyes ligatúrát alkotja; ennek eltávolítása megváltoztatja a képernyőn látható formát. A család emoji 👨👩👧👦 hét kódpontból áll: négy kép, amelyeket három U+200D összekötő tart össze. Távolítsa el az összekötőket, és négy különálló alakra esik szét: 👨👩👧👦. A piros szív ❤️ az U+FE0F kódpontot hordozza, hogy emojiként jelenjen meg; nélküle ugyanez a kódpont egyszerű szöveges szimbólummá alakul vissza: ❤.
Ezért jeleníti meg az eszköz a találatokat a tisztítás előtt, ezért tarthatók meg az egyedi elemek, és ezért nem a Szigorú az alapértelmezett beállítás. Az egyetlen nyelven dolgozó szerkesztő tiszta eredményt lát; a hat nyelven dolgozó szerkesztő egy hibajelentést.
Végső összegzés az AI-szövegvízjelek tisztításáról
Távolítsa el a láthatatlan karaktereket és az AI-címkéket, hogy tiszta, hordozható és biztonságos szöveget kapjon.
Három ok szól az eszköz használata mellett. Először: a rejtett karakterek észrevétlenül hibákat okoznak a keresési találatokban, a táblázatkezelők keresőfüggvényeiben, a programkódban és az URL-címekben. Másodszor: a címkekarakterek olyan rejtett utasításokat juttathatnak el egy AI-asszisztenshez, amelyeket senki sem gépelt be, és senki sem lát. Harmadszor: az AI-eszközök nevei és a linkcímkék minden olvasónak elárulják, melyik eszközt használta, erről pedig Önnek kell döntenie. Ezért a szövegtisztítás biztonsági eljárás, nem pedig kozmetikai kérdés.
A szolgáltatói vízjel a szóválasztásban van, ez a tisztító viszont a karakterekkel dolgozik, vagyis a szöveg egy másik rétegével. Az újabb Claude-modellek, a Gemini és az EU-ban a ChatGPT már így jelölik a szöveget, a Grok API pedig 2026. november 7-én kezdi. Semennyi karaktertisztítás nem éri el ezeket a jeleket, ezért megmaradnak a szövegben.
Illesszen be egy oldalt a saját szövegéből a fenti beviteli mezőbe, és olvassa el a találatokat a szöveg jobb megértéséhez, vagy egyszerűen másolja ki a kimenetet.
Ha hibát talál ezen az oldalon, vagy változást abban, ahogyan egy szolgáltató a szöveget jelöli, írjon az info@deletefootprints.ai címre.
Források
- Unicode Consortium, Unicode 17.0 release announcement, 2025. szeptember 9., blog.unicode.org
- Unicode Consortium, DerivedCoreProperties.txt, Unicode 17.0.0 Character Database, ellenőrizve: 2026. november 2., unicode.org
- Google DeepMind, Watermarking AI-generated text and video with SynthID, 2024. május 14., deepmind.google
- Rumidocs, New ChatGPT Models Seem to Leave Watermarks on Text, 2025. április 20., frissítve: 2025. április 22. és 23., rumidocs.com
- OpenAI Help Center, Provenance signals in OpenAI-generated content, frissítve: 2026. október 28., ellenőrizve: 2026. november 2., help.openai.com
- OpenAI, Our approach to EU text provenance rules, 2026. október 5., openai.com
- Anthropic Help Center, How Claude marks AI-generated content, ellenőrizve: 2026. november 2., support.claude.com
- Anthropic, How Claude's text watermarking works, 2026. augusztus 14., frissítve: 2026. szeptember 1., anthropic.com
- City AM, ChatGPT to follow Claude's watermark pledge – but Grok to swerve it, 2026. augusztus 12., cityam.com
- SpaceXSI (xAI) API documentation, Output Watermarking, frissítve: 2026. október 31., docs.x.ai
- AWS Security Blog, Defending LLM applications against Unicode character smuggling, 2025. szeptember 30., aws.amazon.com
- Cloud Security Alliance, Hidden Unicode Instruction Injection in AI Agent Skills (kutatási jegyzet), 2026. március 10., labs.cloudsecurityalliance.org
- TechCrunch, OpenAI says it's fixed ChatGPT's em dash problem, 2025. november 14., techcrunch.com
- European Commission, Transparency obligations under Article 50 of the AI Act, frissítve: 2026. július 24., digital-strategy.ec.europa.eu
Az oldalon szereplő bájt- és karakterszámok saját mérések, amelyeket a Unicode 17.0 adatfájljaival végeztem. A fenti forrásokat 2026. november 2-án mind ellenőriztem.
Közzétéve: Frissítve:
