Качество + стоимость + C2PA + раскрытие по статье 50 EU AI Act

Кратко

Когда ваш продукт генерирует видео с помощью ИИ, между моделью и пользователем стоят три вещи, и большинство команд не строит ни одной: контроль качества, который отбраковывает плохой результат до того, как его кто-то увидит; контроль стоимости, который останавливает неуправляемый счёт; и слой раскрытия, который помечает видео как сделанное ИИ, чтобы вы остались на правильной стороне закона. С 2 августа 2026 года статья 50 EU AI Act требует, чтобы ИИ-сгенерированное и ИИ-изменённое видео было помечено в машиночитаемом формате, а дипфейки – раскрыты, под штраф до 15 миллионов евро или 3% мирового оборота. Механизм, на который указывает Code of Practice Еврокомиссии, – это C2PA Content Credentials, подписанный манифест внутри файла, подкреплённый невидимым водяным знаком (например, SynthID от Google) и серверным логом. Этот урок показывает, как построить все три контроля как реальные станции вашего конвейера генерации, с цифрами, которые задают каждый порог.

Почему это важно

Если ваш продукт превращает промпт в видеоклип, вы получаете мини-фабрику, способную за одно нажатие кнопки выпускать что угодно – от постыдного до дорогостоящего или незаконного, а иногда и всё сразу. Выживают те команды, которые запускают генеративные видеофункции, не благодаря лучшей модели, а благодаря лучшим системам контроля вокруг средней модели. Этот урок предназначен для продакт-менеджера, основателя или техлида, который внедрил генеративный видео-API в продукт и теперь должен обеспечить его безопасную работу в масштабах. Это контрольный спутник к ландшафту генеративного видео, где описаны модели, и к уроку про ИИ-редакторы видео, где разобран конвейер монтажа, вокруг которого строятся эти системы контроля. Расчёт стоимости основан на уроке про реальную стоимость ИИ в видео.

Три контроля вокруг одной модели

Начнём с модели в голове, которая упорядочивает всё ниже. Генеративная видео-функция – это не просто «модель на входе, видео на выходе». Это модель, обёрнутая в три контрольных пункта, каждый из которых может заблокировать клип для пользователя. Представьте аэропорт: самолёт (клип) не доберётся до выхода (пользователя), если не пройдёт досмотр (качество), проверку билета (стоимость) и таможню (раскрытие). Пропустите хоть один – и проблема уже ждёт своего часа.

Первый пункт – контроль качества. После того как модель сгенерировала клип, кто-то должен оценить, достаточно ли он хорош для показа. Лицо целое или «поплыло»? Текст на экране читаемый или превратился в кашу? Движение плавное или видео мерцает? Контроль качества – это автоматический судья, который отвечает на эти вопросы и либо пропускает клип, либо отправляет его на повторную генерацию, либо передаёт на проверку человеку.

Второй пункт – контроль стоимости. Генеративное видео – это счётчик, и он крутится быстро. Контроль стоимости – это страж бюджета, который не даёт одному запросу, одному пользователю или одному дню потратить больше, чем вы разрешили. Без него один цикл повторов или один злоупотребляющий пользователь выдаст счёт, который придёт раньше, чем ваше оповещение.

Третий пункт – контроль раскрытия. Прежде чем клип покинет вашу систему, он должен быть помечен как ИИ-генерируемый – с встроенной подписанной меткой о его происхождении, невидимым водяным знаком и записью на вашем сервере. Именно этот пункт сейчас важен с точки зрения закона, и именно о нём команды забывают, пока не спросят регулятор или журналист.

Держите в голове эту схему из трёх элементов. Далее урок рассматривает каждый из них по отдельности, а затем показывает, как они объединяются в станции одного конвейера.

Нажмите, чтобы увеличить

Контроль первый: качество – автоматический судья

Контроль качества отвечает на один вопрос: достаточно ли хорош этот клип, чтобы показать пользователю без участия человека? Он нужен потому, что генеративное видео ломается так, как очевидно человеку и невидимо модели, которая его сделала. Модель думает, что справилась; у нарисованного ею лица три глаза.

Почему нельзя просто доверять модели

Генеративная модель выдаёт клип и тихо предполагает, что всё в порядке. Но она не знает, действительно ли это так. Она не замечает, что у персонажей по шесть пальцев, что логотип бренда стал почти полной копией реального товарного знака или что запрошенное «спокойное демо продукта» получилось суматошным. Без контроля такие сбои доходят до пользователей, а на публикующей платформе – и до широкой аудитории.

Поэтому между моделью и пользователем ставят судью. Судья сам является моделью – обычно vision-language model, та, что умеет смотреть на кадры и отвечать на вопросы о них; мы разбираем её в уроке про закрытый фронтир VLM. Вы показываете ему сгенерированный клип и задаёте конкретные вопросы: соответствует ли это промпту, целы ли лица и руки, есть ли читаемый текст и верен ли он, стабильно ли движение. Этот приём часто называют «LLM-as-judge», и для видео он означает подачу выборки кадров мультимодальной модели и чтение структурированного вердикта.

Три слоя проверки – от дешёвого к дорогому

Хороший контроль качества – это не одна проверка, а цепочка, построенная по принципу «сначала дешёвое», чтобы тратить дорогостоящие методы только на клипы, прошедшие простые проверки.

Первый слой – техническая валидация – бесплатные проверки. Декодируется ли файл? Соответствуют ли длина, разрешение и частота кадров ожидаемым значениям? Находится ли средняя яркость в разумных пределах, чтобы выявить полностью чёрные или белые рендеры? Это арифметика по пикселям и метаданным – она почти ничего не стоит и ловит самые грубые сбои.

Второй слой – автоматическая перцептивная оценка – это недорогие модельные проверки. Запустите небольшую модель, чтобы обнаружить лица и посчитать пальцы, или рассчитайте no-reference оценку качества, которая оценивает «естественность» видео без сравнения с оригиналом. Такой подход выявляет типичные сбои, например, «поплывшее лицо».

Третий слой – судья VLM – это дорогая проверка. Возьмите выборку кадров, отправьте их мультимодальной модели вместе с промптом и критериями, а затем получите ответ «прошёл / не прошёл» с пояснениями. До этого этапа доходят только те клипы, которые прошли две предыдущие, более дешёвые проверки, так что «умного судью» вы используете редко.

Арифметика бюджета повторов

Вот математика, которая делает контроль качества безопасным, а не разорительным. Допустим, клип стоит 0,50 доллара на генерацию, а ваша модель проходит проверку с первого раза в 70% случаев. Если продолжать попытки до успешного прохождения, среднее число попыток будет равно единице, делённой на вероятность успеха:

среднее число попыток = 1 / 0.70 = 1.43 попытки
средняя стоимость     = 1.43 × $0.50 = $0.71 за выданный клип

Это нормально. Теперь представьте, что промпт сложный, и доля прохождения снижается до 20%:

среднее число попыток = 1 / 0.20 = 5.0 попыток
средняя стоимость     = 5.0 × $0.50 = $2.50 за выданный клип

Та же функция теперь стоит в три с половиной раза дороже, а небольшая доля патологических промптов способна поднять среднее значение значительно выше. Это задокументированная реальность 2026 года: команды сообщают, что клип, который ожидался за 1,50 доллара, после пяти повторов раздувается до 5 долларов. Лекарство – жёсткий лимит: не больше N попыток, потом стоп – к человеку или с понятным отказом. Контроль качества и контроль стоимости неразрывно связаны: цикл повторов – это как раз то место, где безлимитный контроль качества превращается в безлимитный счёт.

«Частая ошибка: бесконечный цикл повторов без участия человека. Самый дорогой баг в генеративном видео – это цикл «если клип не прошёл проверку качества, генерируй заново» без ограничения числа попыток и без альтернативного варианта с участием человека. Несколько промптов, которые модель принципиально не может выполнить, будут генерироваться бесконечно, и каждая попытка будет списывать деньги, пока не сработает бюджетное оповещение или пользователь не сдастся. Всегда ограничивайте количество повторов небольшим числом – чаще всего используют три попытки – и при достижении лимита явно фиксируйте ошибку или передавайте задачу человеку. Если клип требует пяти попыток, это сигнал: либо промпт сформулирован неверно, либо модель – не тот инструмент. Новые деньги эту проблему не решат.»

Контроль второй: стоимость – страж бюджета

Контроль стоимости существует потому, что генеративное видео – самый дорогой элемент вашего продукта на единицу результата, и его стоимость переменная, а не фиксированная. Вы не платите по фиксированной подписке – оплата идёт за каждую секунду видео, за каждую генерацию, за каждый повтор. «Страж бюджета» превращает открытый счётчик в ограниченный.

Три лимита на трёх уровнях

Полный контроль над стоимостью обеспечивает ограничение на трёх уровнях, поскольку расходы могут быстро вырасти на любом из них.

Лимит на запрос ограничивает одну генерацию: максимальную длину клипа, максимальное разрешение и лимит повторов из соображений контроля качества. Это не позволяет одному запросу стать неожиданно большим.

Лимит на пользователя ограничивает то, что один аккаунт может потратить за окно – дневной или месячный баланс кредитов. Именно он защищает вас от одного тяжёлого пользователя или одного злоупотребляющего, опустошающего маржу. Это и причина, по которой почти каждый потребительский генеративный инструмент мерит вас «кредитами», а не плоской ценой: кредиты – это контроль стоимости на пользователя, вынесенный наружу.

Лимит на систему ограничивает суммарные траты по всем пользователям за окно, с оповещением и автоматическим троттлингом при приближении к нему. Это предохранитель, не дающий вирусному всплеску или багу выдать пятизначный сюрприз на облачном счёте за ночь.

Пример бюджета, защищающего маржу

Разберём конкретный случай. Ваш продукт берёт с пользователей плоские $20 в месяц и даёт генерировать видеоклипы. Каждый клип после повторов контроля качества стоит вам $0.50. Чтобы держать здоровую маржу, вы решаете, что затраты на генерацию у одного пользователя не должны превышать $8 в месяц – оставляя $12 на всё остальное и прибыль.

месячный бюджет затрат на пользователя = $8.00
стоимость одного выданного клипа        = $0.50
клипов на пользователя                  = $8.00 / $0.50 = 16 клипов в месяц

Так вы выдаёте каждому пользователю 16 кредитов в месяц. Лимит на пользователя – не произвольное число; это ваша целевая маржа, делённая на удельную стоимость. Когда удельная стоимость растёт – рост цены модели, более трудный средний промпт, худшая доля прохождения – та же формула велит снизить выдачу кредитов или поднять цену. Контроль стоимости – это место, где ваша юнит-экономика становится правилом, которое система соблюдает, а не числом, которое вы обнаруживаете в конце месяца. Подробно эту калькуляцию мы разбираем в уроке про стоимость.

Нажмите, чтобы увеличить

Контроль третий: раскрытие – закон выходит на ваш конвейер

Третий контроль – тот, что из хорошей практики превратился в юридическую обязанность. С 2 августа 2026 года статья 50 EU AI Act устанавливает правила прозрачности для контента, созданного с помощью ИИ, и две её нормы напрямую касаются любого продукта, генерирующего или изменяющего видео.

Что на самом деле говорит статья 50

Статья 50 короткая, и две её части, важные для вас, стоит прочитать простыми словами.

Пункт 2 – обязанность маркировки лежит на провайдерах. Тот, кто предоставляет ИИ-систему, генерирующую синтетический звук, изображение, видео или текст, должен обеспечить, чтобы выходные данные были «помечены в машиночитаемом формате и определялись как искусственно сгенерированные или изменённые». Маркировка должна быть эффективной, совместимой, надёжной и достоверной «насколько это технически осуществимо». Есть оговорка: обязанность не распространяется, если ИИ выполняет лишь вспомогательную функцию при стандартном редактировании или не вносит существенных изменений во входные данные. Так что инструмент, слегка корректирующий баланс цвета, освобождается от этой обязанности; инструмент, генерирующий новую сцену, – нет.

Пункт 4 – обязанность раскрытия для деплойеров. Тот, кто разворачивает ИИ-систему, генерирующую или изменяющую видео, являющееся «дипфейком», обязан раскрыть, что контент был искусственно создан или изменён. Закон определяет дипфейк как контент, имитирующий реальных людей, места или события, который может быть воспринят как подлинный. Для явно художественной или сатирической работы требования смягчаются: раскрытие всё равно необходимо, но должно быть выполнено так, чтобы не испортить восприятие произведения.

Прочтите это применительно к реальному продукту. Если ваше приложение создаёт говорящую голову-ведущего по сценарию – аватары и синхронизацию губ, которые мы разбираем в уроке про Tavus, HeyGen и Synthesia, – применяется пункт 4, потому что это дипфейк, и вы обязаны его раскрывать. Если платформа предлагает «создай видео по этому промпту», применяется пункт 2 – вы обязаны помечать каждый результат машиночитаемо как созданный ИИ. Разница между «провайдером» и «деплойером» может касаться вас одновременно, если вы используете модель и предоставляете её конечным пользователям.

Цена ошибки

Статья 50 – не рекомендация. Согласно статье 99, регулирующей штрафы, нарушение обязанностей по прозрачности, установленных статьёй 50, влечёт санкции до 15 миллионов евро или 3% совокупного мирового годового оборота – в зависимости от того, что больше. Для небольших компаний лимит составляет 15 миллионов евро; для крупных – процент от оборота. Для стартапов и малого бизнеса применяется меньшая из двух сумм, но «меньшая» здесь – это сумма, которая может закрыть взлётную полосу. Относитесь к раскрытию информации как к функции со сроком действия, а не к опции «когда-нибудь».

Механизм: C2PA, водяной знак, лог

Закон говорит «помечайте», не уточняя, как именно это делать, но Еврокомиссия дорабатывает Code of Practice по маркировке и разметке ИИ-генеративного контента, чтобы закрыть этот пробел. Разработка документа стартовала в ноябре 2025 года, прошла через первый черновик 17 декабря 2025 года и второй – 3 марта 2026 года, с финальной версией, ожидаемой к середине 2026 года. Хотя Code of Practice носит добровольный характер, он станет ориентиром для регуляторов и судов, поэтому механизмы, на которых он сосредоточен, – те самые, которые стоит внедрять.

Эти механизмы – три слоя, и надёжный контроль раскрытия опирается на все три, поскольку каждый компенсирует слабость остальных.

Первый слой – C2PA Content Credentials – это подписанный манифест. C2PA, инициатива Coalition for Content Provenance and Authenticity, определяет стандартный «манифест», который перемещается вместе с файлом. Манифест содержит информацию: какая ИИ-система создала или отредактировала контент, когда это произошло, и какая организация криптографически подписала данное утверждение. Любой может открыть файл и проверить подпись – так же, как вы проверяете сертификат сайта. Актуальная техническая спецификация – версия 2.4. Манифест привязан к файлу с помощью «жёсткой привязки» (hard binding) – хешем SHA-256 по байтам файла, поэтому любое вмешательство нарушает печать и становится заметным.

Второй слой – невидимый водяной знак – служит надёжным резервным вариантом. Жёсткая привязка точна, но хрупка: достаточно переэнкодировать видео, обрезать его или сделать скриншот – и встроенный манифест становится недоступен. Поэтому C2PA вводит понятие «мягкой привязки» (soft binding) – незаметный водяной знак или перцептивный отпечаток, вплетённый в пиксели, который сохраняется при сжатии, обрезке и смене формата. SynthID от Google – самый известный пример для видео: покадровый водяной знак, добавляемый на этапе генерации и распознаваемый специальной нейросетью-детектором; к 2026 году им помечено более десяти миллиардов единиц контента, и он включён по умолчанию в генеративных продуктах Google. Даже если манифеста нет, водяной знак всё равно подтверждает: «сделано ИИ» и может указывать на манифест, хранящийся в облаке.

Третий слой – серверный лог – служит резервным вариантом для протокола. Независимо от того, что происходит с файлом, у вас остаётся собственная неизменяемая запись: этот клип создан этой моделью, для этого пользователя, в указанное время, по данному промпту и раскрыт определённым образом. Когда регулятор спросит: «Можете ли вы подтвердить, что раскрыли информацию?» – лог станет вашим доказательством. Здесь же хранится запись о согласии – подтверждение того, что человек, чьё лицо или голос были использованы, дал на это согласие.

Нажмите, чтобы увеличить

Половина для пользователя: метка и запись согласия

Машиночитаемая маркировка соответствует пункту 2, но пункт 4 требует, чтобы человек понимал: он смотрит синтетику. Поэтому раскрытие должно включать и видимую часть – чёткую метку на видео или рядом с ним: «сгенерировано ИИ». Она должна появляться, как того требует закон, «не позднее момента первого взаимодействия или контакта».

Если речь идёт о дипфейке реального человека, дополнительно требуется согласие, сделающее создание законным с самого начала – оно должно быть получено и сохранено до генерации, а не после. Инженерное правило простое: собирайте согласие в самом начале процесса, добавляйте метку и фиксируйте всё в логах в конце, а при каждом воспроизведении клипа обязательно показывайте эту метку.

Та же дисциплина в отношении согласия и биометрических данных возникает везде, где продукт работает с лицом реального человека – об этом мы подробно говорим в уроке про распознавание лиц под EU AI Act.

Складываем три контроля вместе

Три контроля – не отдельные продукты, прикрученные в конце. Это станции одного конвейера, расположенные в строгой последовательности, и порядок здесь имеет значение.

Приходит запрос. Сначала его проверяют лимиты контроля стоимости на запрос и на пользователя – в бюджете ли этот пользователь, в пределах ли размеров запрос? Если нет – стоп здесь, до того как потрачен хоть цент на генерацию. Потом генерирует модель. Потом судит контроль качества – прошёл, или повтор в пределах ограниченного бюджета, или эскалация человеку. Дальше движется только клип, прошедший качество. Потом контроль раскрытия помечает его – встраивает манифест C2PA, накладывает водяной знак, пишет лог, прикрепляет видимую метку. И только тогда клип доходит до пользователя. Клип, не прошедший любой контроль, никогда не станет проблемой, потому что никогда не доберётся до аудитории.

Здесь есть принцип, который стоит обозначить. Каждый контроль работает по принципу закрыто при сбое (fail closed), а не открыто. Если судья качества недоступен, безопасный вариант по умолчанию – задержать клип для проверки человеком, а не отправлять его без проверки. Если сервис раскрытия не работает, безопасный вариант по умолчанию – не выпускать клип вообще, а не публиковать его без пометки. Контроль, который при сбое переходит в режим «открыто», – это уже не контроль.

Нажмите, чтобы увеличить

Построить, купить или унаследовать каждый контроль

Вам не нужно создавать все три контроля с нуля, и не следует полагать, что ваш поставщик модели уже сделал это за вас.

Часть вы наследуете от провайдера модели. Если вы генерируете видео через Veo от Google, водяной знак SynthID накладывается на этапе создания – вы наследуете этот слой. Многие фронтир-провайдеры теперь автоматически выдают манифесты C2PA. Ваша задача – проверить, что вендор выдаёт нужное, и не удалять его ниже по конвейеру.

Часть вы покупаете. Инструменты проверки подлинности контента, сервисы обнаружения водяных знаков и API оценки качества уже существуют как готовые продукты. Для небольшой команды проще приобрести решения по распознаванию слоёв и оценке качества, чем разрабатывать их с нуля.

Часть вы строите – всегда. Контроль над стоимостью остаётся за вами: только вы знаете свою маржу и паттерны злоупотребления. Серверный лог – ваш: это ваше доказательство и запись согласия. Логика, которая заставляет три контроля падать закрыто в правильном порядке, – ваша. Решение, где ставить каждый порог – лимит повторов, выдача кредитов, планка качества, – это продуктовое решение, которое ни один вендор не примет.

Частая ошибка – предполагать, что вендор модели обеспечил сквозное раскрытие информации. Он отвечает за свой слой: видимую метку, запись согласия, логирование и запрет на удаление пометок – всё это лежит на вас как на деплойере. Статья 50 возлагает обязанности как на провайдера, так и на деплойера, а поставку конечным пользователям обычно осуществляет именно вы.

Где здесь Фора Софт

Мы создаём видеопродукты, которые защищаются этими контролями: видеоконференции, OTT- и интернет-телевидение, платформы e-learning, телемедицинские приложения и софт для видеонаблюдения. Когда клиент внедряет генеративную функцию – например, ИИ-ведущего в e-learning-курсе, генератор синтетического b-roll для OTT-библиотеки или аватара в инструменте для конференций – модель оказывается лишь небольшой частью работы. Основная работа – это три контроля: судья качества, настроенный под контент клиента, контроль стоимости, защищающий его юнит-экономику, и слой раскрытия, который интегрирует C2PA, накладывает водяной знак, логирует согласие и применяет правильную метку в зависимости от вертикали и юрисдикции. Мы рассматриваем раскрытие как станцию конвейера, спроектированную с самого начала, потому что в регулируемых сферах, таких как телемедицина, дорабатывать её после запуска – слишком дорого.

Главное

• Между генеративной моделью и пользователем стоят три контроля: качество, стоимость, раскрытие.
• Контроль качества – стек от дешёвого к дорогому, заканчивающийся судьёй VLM с жёстким лимитом повторов.
• Контроль стоимости лимитирует траты на запрос, на пользователя и на систему; кредиты = маржа / удельная стоимость.
• С 2 авг. 2026 статья 50 EU AI Act требует помечать ИИ-видео и раскрывать дипфейки.
• Штраф за нарушение статьи 50 доходит до 15 млн евро или 3% мирового оборота.
• Раскрытие использует три слоя: манифест C2PA, невидимый водяной знак и серверный лог.

Что почитать дальше

• Ландшафт генеративного видео 2026 – Sora, Runway, Kling, Pika, Veo
• ИИ-редакторы видео – Opus Clip, Descript, Submagic, Captions, DaVinci
• Реальная стоимость ИИ в видеопродуктах – цены Gemini и OpenAI