Модерация в нейросетях: почему блокируют генерацию и что с этим делать

Самое обидное в генеративных сервисах выглядит так: вы ждали полторы минуты, прогресс дошёл до конца, а вместо ролика пришла ошибка. Модель отработала, кадры существовали — их зарубил фильтр уже на выходе. Деньги за такую попытку обычно не берут, но время и рабочий ритм уходят.

Ниже — механика того, как устроена модерация у Seedance, Kling, Veo, Sora и Flux, где она ловит нормальную работу вместо нарушений, и что конкретно писать вместо забракованных формулировок. Материал для тех, кому надо сдать задачу: монтажёров, маркетологов, селлеров, преподавателей.

У серьёзных сервисов проверка разбита на независимые слои, и сработать может любой. Это ключевая вещь, которую нужно понять до всех переформулировок: отказ на первом слое и отказ на третьем лечатся по-разному.

Третий слой и объясняет парадокс «сгенерировалось, но не отдали». У Sora 2 готовое видео дополнительно разбирается покадрово: промпт прошёл, а второй скан нашёл что-то в отдельных кадрах. У Seedance звуковая дорожка проверяется отдельно — для неё есть самостоятельный код OutputAudioSensitiveContentDetected.

Массовое заблуждение — что внутри лежит таблица запрещённых слов, и достаточно её обойти. Современные фильтры разбирают смысл. Seedance гоняет запрос по многоступенчатому конвейеру: сначала анализ изображения на лица, затем разбор промпта, классификация намерения, оценка контекста — и только потом решение.

Поэтому замена одного слова синонимом обычно не помогает, а смена всей рамки — помогает. «Драка в баре» и «постановочный трюк с каскадёрами, репетиция боевой сцены, широкий план» — для классификатора намерения это два разных запроса, хотя картинка на выходе может быть похожей.

Midjourney по той же причине не публикует полный список запретов: фильтр динамический и дополняется по мере того, как пользователи находят обходы. Отказ там звучит как «Our AI moderators feel your prompt might be against our community standards», и рядом есть кнопка Appeal — запрос уходит на более крупную модель для повторной оценки. Число апелляций ограничено, по открытым описаниям — порядка пяти в сутки, с поправкой на нагрузку.

Отдельно про Kling: его строгость во многом продиктована требованиями китайского регулятора — платформа обязана блокировать незаконный и политически чувствительный контент, поэтому предпочитает перестраховаться и молча отказать. Ждать от неё внятной категории отказа бесполезно, там придётся действовать перебором.

У Veo логика другая: параметр personGeneration прямо управляет тем, можно ли показывать людей, и в части регионов и режимов он ограничен. Фильтры намеренно перекалиброваны в сторону строгости — Google предпочитает ложное срабатывание пропуску. На всё сгенерированное дополнительно наносится невидимый водяной знак SynthID.

Это ядро проблемы. Фильтры перестраховываются, и под раздачу попадает совершенно легальная задача: учебный ролик для медсестёр, промо спортзала, съёмка для меню ресторана. Ниже — сводка того, что чаще всего ломается, и что писать вместо.

Детская тематика заслуживает отдельного предупреждения: строгость поднимается от одного упоминания ребёнка рядом с любым нейтральным словом. Это не сбой, а сознательно выставленный порог, и спорить с ним бесполезно — проще перестроить кадр так, чтобы дети были на общем плане или не в фокусе. С портретами похожая история: фильтр входных изображений целится в фотореализм, поэтому чем дальше кадр от живой фотографии по стилю, тем надёжнее он проходит, а фотореалистичное лицо ловит InputImageSensitiveContentDetected.PrivacyInformation независимо от того, вымышленный это человек или нет.

Пункт про повтор — прагматика, а не издевательство: выходной фильтр смотрит на конкретную реализацию, и следующая будет другой. Работает он только с ложными срабатываниями. Если запрос действительно из запрещённой категории, повтор не поможет, а упорный перебор фиксируется на стороне сервиса. И имейте в виду цену времени: запрос может провисеть больше десяти минут и вернуться отказом, поэтому переписанную версию лучше готовить параллельно.

Фильтр реагирует на аффект. «Жестокий», «кровавый», «безжалостный», «жуткий», «шокирующий» — это слова про ваше впечатление, а не про кадр. Замените их описанием того, что физически происходит: свет, движение, положение тел, фактура. Кадр останется тем же, флаг снимется.

Классификатору намерения нужно понять, что перед ним съёмка, а не документальная фиксация происшествия. Слова «постановочный», «репетиция», «учебный ролик», «манекен», «реконструкция», «каскадёры», «защитная экипировка», «по правилам» работают лучше любых синонимов запрещённого слова.

Обучающий медицинский ролик для курса первой помощи. Учебный манекен-рука на столе в процедурном кабинете, руки в нитриловых перчатках демонстрируют технику наложения стерильной повязки, аккуратные витки бинта. Крупный план кистей, статичная камера на штативе, ровный дневной свет из окна, документальная манера съёмки, спокойный темп. Реальных пациентов и лиц в кадре нет.

Это самое недооценённое движение. Когда вы говорите «средний план, камера с плеча, контровой свет, гастрономический ролик», вы не просто улучшаете картинку — вы сообщаете системе, к какому типу контента относится запрос. Промпт из трёх слов оставляет модели свободу дорисовать то, что потом зарубит выходной фильтр.

Постановочная тренировочная сцена для промо-ролика спортивного клуба. Двое спортсменов в шлемах и перчатках отрабатывают связку ударов по лапам в боксёрском зале, работа ног, качание каната, пот на плечах. Средний план, камера с плеча, контровой свет из высоких окон, замедленная съёмка 60 кадров в секунду, приглушённая палитра. Спарринг по правилам, контакта в голову нет, травм и крови в кадре нет.

Гастрономический ролик для меню ресторана. Шеф-нож ровными ломтями нарезает охлаждённую говяжью вырезку на деревянной разделочной доске, рядом ветка розмарина и морская соль в керамической миске. Макро-план лезвия и среза мяса, мягкий боковой свет, тёплая палитра, плавный проезд камеры слева направо. Спокойный кулинарный жанр, профессиональная кухня, людей крупным планом в кадре нет.

Переписывать промпт до бесконечности — плохая стратегия. Если две-три осмысленные переформулировки не сработали, значит вы упёрлись в порог конкретной модели, а не в свою формулировку. Дальше дешевле перенести задачу.

Пересобирать задачу под другую модель проще, когда все они лежат в одном интерфейсе. В MediaLab собраны те самые семейства, о которых идёт речь: Kling v3, Seedance 2.0 и 2.5, Sora 2, Flux-3, Seedream, Nano Banana, GPT-Image-2, Qwen Image 3 и другие — больше 250 моделей генерации изображений, видео и звука. Если задача попроще, часть из этого доступна прямо в диалоге: видео в чате и остальные возможности разобраны в материале про то, что умеет чат.

Фильтр входных изображений целится в фотореалистичные человеческие лица и защищённые правами объекты. Это не каприз: он стоит ровно затем, чтобы нельзя было оживить чужое лицо без спроса. И он не умеет отличать вашу собственную фотографию от фотографии постороннего человека — поэтому режет обе.

Фотореалистичный портрет вымышленного персонажа для корпоративного ролика: мужчина около сорока лет, короткая борода с проседью, глубоко посаженные серые глаза, широкая переносица, родинка над левой бровью, тёмно-зелёный свитер крупной вязки. Студийный портрет, объектив 85 мм, мягкий свет от одного источника слева, нейтральный серый фон, лёгкая виньетка. Персонаж полностью вымышленный, сходство с любыми публичными людьми исключено.

По сети ходят рецепты, как сломать детектор лиц на входной фотографии. Приём существует, но мы его не описываем, и причина простая: этот фильтр стоит именно для того, чтобы чужое лицо нельзя было оживить без согласия, а сам приём не отличает ваш собственный снимок от фотографии постороннего человека. По той же причине здесь нет способов протащить через фильтр сексуальный контент, жестокость или изображения реальных людей без прав и нет готовых джейлбрейк-промптов. Законный маршрут выше в разделе про права — он работает и не стоит вам аккаунта.

Честная часть: есть категории, где ни один порядок слов, ни одна смена модели и ни один постановочный контекст не сработают. Это не перестраховка фильтра, а жёсткий запрет, зашитый на нескольких уровнях сразу.

Если ваша задача попадает сюда — отказ надо принять и искать другое решение, а не другую формулировку. Это тот случай, когда упорство стоит аккаунта.

Нисколько — если платформа считает провал своей стороной сделки. На СуперИнтеллекте нейроны не списываются, когда запрос не прошёл по вине модели, и отказ модерации — ровно этот случай. Для сравнения масштаба: запуск видео стоит 14–67 нейронов, озвучка 8–24, 3D-генерация 29–131, при курсе примерно 3 ₽ за нейрон. Три забракованные попытки подряд — это не сожжённая сотня рублей, а только потраченное время.

На бесплатном тарифе даётся 100 нейронов при регистрации, карта не нужна — этого хватит, чтобы прогнать пару экспериментов и понять, где у вашей задачи порог. Дальше выбор простой: Старт 890 ₽, Стандартный 2 690 ₽ (здесь открывается видео прямо в чате), PRO 4 990 ₽, Ultra 9 990 ₽ и командные Team от 12 250 ₽ в месяц — подробности в тарифах и в разборе, какой тариф выбрать. Платформа работает из России без VPN, оплата в рублях, для юрлиц выставляется счёт. Если перебор моделей затянулся, посмотрите заодно, как тратить меньше нейронов.

Общая механика у всех похожа, а вот коды ошибок, пороги и способы обойти ложное срабатывание — свои. Ниже разборы по каждому семейству: что именно проверяет фильтр, как звучит отказ и что переписать.