Turnitout-Humanizer

随着合规要求的推进，主流大语言模型开始在输出中嵌入多层追踪机制。这些机制包括不可见的零宽 Unicode 字符、隐藏的 C2PA 元数据以及密码学文本水印（如 Google SynthID）。传统的 LLM 文本改写工具在尝试移除这些痕迹时，往往会引入新的 AI 生成模式或导致事实幻觉。Turnitout 提供了一种不同的技术路径。

Turnitout 是一款 100% 程序化、基于规则的引擎，不依赖任何生成式 AI 模型。它通过数学方式打乱连续的 n-gram 序列来规避 Turnitin、GPTZero 等检测器。这种确定性处理方式确保了在清除追踪足迹的同时，文档中的事实数据、公式、代码逻辑以及复杂的排版布局保持完全不变。

核心功能模块

追踪器与元数据清除

引擎能够深度清理 AI 模型注入的隐藏追踪 Unicode（如 U+200B、U+200C、U+200D、U+2060），防止代码因隐藏字符崩溃或触发检测器。同时，它会剥离 .docx 等文件导出时的 C2PA 内容凭证元数据，并打乱密码学水印的 token 选择链，清除标准 AI 触发词。

格式与代码安全

该工具支持就地重写 .docx、.tex 和 .md 文件。在处理过程中，XML 样式、字体、表格、矩阵、方程和 \cite{} 标签均受到严格保护。对于源代码，引擎仅重写自然语言注释（如 #、//、/*、”””），从底层逻辑保证代码语法、变量名和执行逻辑不被修改。

多语言与角色适配

代码注释的处理支持 Python、C/C++、Java、JS/TS、Go、Rust、SQL 等多种语言。用户可设定开发者角色语气，从初学者的随意表达，到高级专家的技术术语，均可精准匹配，确保注释风格与项目整体一致。

学术引用生成

内置参考文献生成器可根据用户指定的专业领域（涵盖计算机、工程、数学、金融和医学等分类）生成匹配的引用。支持直接输出 BibTeX (.bib)、LaTeX (\cite{key}) 和结构化 JSON 格式，满足学术写作规范。

工作流与隐私保护

Turnitout 在浏览器内存中临时运行，不保留日志，不上传数据，确保处理过程完全私密。它支持批量处理及整个 .zip 仓库的导入，处理后会保持原有的文件夹层级结构并输出打包文件。

此外，内置的 ZipPy 困惑度评分功能允许用户在本地检查文本的数学随机性，以评估规避检测器的有效性。该引擎没有字数限制，通过确定性的规则执行，为需要处理学术论文、多语言源代码和复杂文档的用户提供了一个可控的清理方案。