Keeper Rate ИИ-фото: почему из 100 снимков пригодны только 20

Что такое Keeper Rate (доля пригодных снимков)

Keeper Rate = снимки, которые вы реально готовы использовать ÷ общее число снимков, выданных инструментом. Именно этой линейкой мы будем мерить все сервисы, включая AIHeadshotNow.

В индустрии ИИ-фото есть занятный феномен: почти все инструменты продают «количество выданных снимков» (100, 120…), но о своей доле пригодных говорить мало кто любит. Причина проста: на маршруте «универсальная модель + дообучение» брак структурен — модель специально не обучали требованиям «каждый снимок обязан быть похож на вас и обязан работать», поэтому разброс естественно велик.

Старожилы Reddit скажут прямо: закладывайтесь на «пригодна примерно треть». Но это не технический потолок, а следствие выбора технического маршрута — смени маршрут, и доля пригодных станет иной. Об этом и поговорим.

Независимые тесты: картина по отрасли

Мы свели открытые независимые тесты и отзывы пользователей в одну таблицу. Два замечания: во-первых, выборки и критерии «пригодности» у всех разные, цифры показывают лишь направление; во-вторых, большинство сервисов не публикует официального keeper rate — всё в таблице из независимых источников.

Два пункта стоит подчеркнуть отдельно. Условия возврата HeadshotPro написаны предельно прямо: большинство снимков не окажутся keeper, и в вашем заказе будут странные фотографии; на странице возвратов сервис честнее, чем на маркетинговой. А заявленные Aragon AI 90–95% — это цифра самой компании без независимой проверки, к ней стоит применять поправку на доверие.

4 типичные причины брака

Понять, откуда берётся брак, — значит понять, почему его можно устранить. Сообщество чаще всего называет четыре класса провалов:

• Дрейф сходства — результат похож на вашу дальнюю родню: пропорции черт на месте, а выражение и костная структура другие. Самая частая причина брака; корень — слишком слабая привязка модели к «вам».
• Переписывание причёски — длинные волосы превращаются в каре, короткие отрастают, лысина обрастает шевелюрой. Больше всего страдают женщины с длинными волосами, это называли несколько тестов.
• Загрязнение черт — на лице из ниоткуда появляется родинка или веснушка, блики в очках ведут себя неверно. На Trustpilot пользователи сообщали, что примерно в 70% снимков родинки оказываются в странных местах.
• Синдром одного лица (same-face syndrome) — из 100 снимков выражения и мимика почти одинаковы, различаются лишь ракурсом, и выбрать живой кадр невозможно.

Заметьте, что общего у всех четырёх причин: это осложнения слабого моделирования личности. Модель по-настоящему не выучила, «кто вы», и потому случайно попадает между «немного похож» и «немного не похож» — в этом и математическая суть низкого keeper rate.

Решение AIHeadshotNow: ограничение личности на уровне архитектуры

AIHeadshotNow не пошёл по старой дороге «дообучить универсальную модель», а под единственный вертикальный сценарий «деловое фото» с нуля обучил специальный движок ProfessionalHeadshot Engine (полные характеристики — в техническом разделе AIHeadshotNow). Ответы на четыре причины брака — один к одному и на уровне архитектуры:

Два уточнения. Первое: IdentityNet достаточно 1–3 селфи. Обычные инструменты требуют 10–25 фото — по сути, компенсируют нехватку объёмом данных; 2048-мерное представление личности спроектировано так, чтобы стабильно вытаскивать «кто вы» из минимальной выборки, — улучшаются и опыт загрузки, и точность. Второе: Cosine > 0.98 — жёсткое ограничение, а не лозунг. Каждый снимок одной генерации обусловлен одним и тем же якорем личности, что напрямую давит и дрейф сходства, и загрязнение черт — два главных источника брака.

Поверх этого — поровое восстановление Texture Refiner и физически корректный пересвет. Формула выдачи AIHeadshotNow умещается в одну фразу: каждый снимок генерируется по стандарту «готов к использованию», а не «навалим сотню — авось выберешь 20». Насколько это работает, лучше проверить самому: 3 бесплатных снимка идут по тому же конвейеру, что и платный заказ, — и долю пригодных вы посчитаете лично.

Репутация основных инструментов

Сводя многолетние отзывы Reddit и Trustpilot, можно так расставить сервисы по вопросу пригодности:

Один взгляд на колонку «нужно загрузить» объясняет разницу маршрутов: чем больше фото требует инструмент, тем яснее, что он добирает данные о вашей внешности объёмом. AIHeadshotNow сжимает загрузку до 1–3 снимков и время до примерно 3 минут, потому что работа по моделированию личности уже сделана на уровне архитектуры.

6 шагов фильтрации, которые поднимают долю пригодных

Какой бы сервис вы ни выбрали, эта процедура поможет поднять долю «взял и используй» на ступень:

1. Настройте ожиданияНа инструментах универсального маршрута закладывайтесь на 20–40% пригодных; с инструментами на специальном движке (как AIHeadshotNow) можно сразу проверять по стандарту «каждый снимок годится».
2. Первый грубый отсевСначала удалите очевидно фальшивые: неверная причёска, сползшие черты, ошибки в теле.
3. Приблизьте зоны рискаЛиния роста волос, очки, зубы, логотип на воротнике — четыре классические зоны брака у обычных инструментов.
4. Разложите по сценариямСгруппируйте кандидатов по выражению и сценарию, в каждой группе оставьте лучшее 1–2 — так вы не выберете десять копий одного лица.
5. Тест живым человекомПокажите близким: «похоже ли на меня с первого взгляда» — надёжнее долгого самосозерцания.
6. Лучше меньше, да лучшеФинально оставьте 3–5 снимков — этого достаточно. Для LinkedIn нужно одно хорошее фото, а не двадцать посредственных.

Считаем реальную цену за пригодный снимок

Сравнивать пакеты по числу выданных снимков — та арифметика, на которую рассчитывает индустрия. Сравнивать надо цену одного пригодного снимка:

Полная линейка AIHeadshotNow: Basic $29/30 снимков, Standard $39/50 снимков, Pro $59/90 снимков — разовая покупка, кредиты действуют 365 дней. Никаких подписок и никакой доплаты за повторную генерацию. Вместе с 3 бесплатными снимками стоимость вашего решения равна нулю: сначала бесплатно измерьте долю пригодных, и только потом платите за результат.

Частые вопросы

Финальная мысль в одну строку: платите не за количество выданных снимков, а за то, что пригоден каждый. Разрыв в keeper rate — это не разрыв в обслуживании, а разрыв технических маршрутов. Сравните лично на 3 бесплатных снимках от AIHeadshotNow — ответ будет очевиден.