¿La revisión de tu miniprogram está bloqueada por una infracción de derechos de imagen de figuras públicas? 5 soluciones de API para reconocer figuras públicas y una estrategia práctica de bloqueo técnico en 4 capas

Recientemente, un desarrollador de un miniprograma de IA para imágenes pidió ayuda en un grupo: la revisión de su miniprograma de WeChat estaba bloqueada por un problema de infracción de derechos de imagen de personajes públicos, y WeChat le exigía «añadir bloqueos técnicos». Ya había integrado la revisión de seguridad de imágenes de WeChat, pero esta API no identificaba a celebridades ni a influencers. Alibaba Cloud ofrece una API lista para reconocer celebridades, pero exige verificar una cuenta de empresa, y ellos son un negocio individual.

Este tipo de problema es muy habitual en miniprogramas de fotos con IA, intercambio de rostros, generación de avatares y diseño de carteles. A los revisores no les preocupa si «has integrado una API de seguridad de contenidos», sino si los usuarios pueden generar o difundir imágenes de personajes públicos con tu producto. Basta con que falte un paso en la cadena de bloqueo para que la solicitud pueda ser rechazada una y otra vez.

Este artículo se centra en las API de reconocimiento de personajes públicos: primero aclara los límites de la API de seguridad de contenidos de WeChat, luego compara los requisitos de acceso de cinco API populares de reconocimiento de personajes públicos y, por último, propone una solución técnica de bloqueo en cuatro capas que también pueden implementar los negocios individuales.

Qué aprenderás: al terminar el artículo, sabrás qué API de reconocimiento de personajes públicos elegir, cómo combinar los mecanismos de bloqueo y cómo explicar claramente la solución técnica al presentar la solicitud de revisión.

Por qué las API de reconocimiento de personajes públicos se han convertido en un requisito clave para la revisión de miniprogramas

WeChat está aplicando criterios cada vez más estrictos a la revisión de miniprogramas de generación con IA y edición de imágenes, con una base regulatoria clara. El Reglamento sobre la administración de los servicios de síntesis profunda de información en Internet, en vigor desde el 10 de enero de 2023, exige que los proveedores de servicios con funciones de edición de datos biométricos, como rostros y voces, indiquen a los usuarios que deben informar a la persona editada y obtener su consentimiento específico. Además, las Medidas para el etiquetado de contenidos generados y sintetizados por inteligencia artificial, en vigor desde el 1 de septiembre de 2025, exigen que el contenido generado por IA lleve etiquetas explícitas e implícitas.

En este contexto, lo que más preocupa a las plataformas es el uso indebido de «rostros de famosos»: que un usuario suba una foto fija de un actor para crear fotos con IA, cambie el rostro de alguien por el de un influencer o escriba el nombre de una celebridad para generar imágenes «a su estilo». Estas acciones pueden constituir una infracción de los derechos de imagen, y el miniprograma, como proveedor del servicio, debe cumplir con la obligación de aplicar «bloqueos técnicos». Por eso, cuando los comentarios de la revisión dicen «añadir bloqueos técnicos», en esencia exigen que el sistema pueda identificar a personajes públicos tanto cuando el usuario sube contenido como cuando genera imágenes.

Límites de la API de seguridad de contenidos de WeChat

La primera reacción de muchos desarrolladores es integrar la API oficial de seguridad de contenidos de WeChat, pero esta resuelve otro tipo de problemas. La siguiente tabla compara lo que cubre la API de WeChat con las capacidades que realmente se necesitan para bloquear infracciones de derechos de imagen.

WeChat msgSecCheck se utiliza para analizar texto, mientras que mediaCheckAsync sirve para revisar imágenes y audio de forma asíncrona. Estas API detectan principalmente pornografía, contenido político sensible, violencia, insultos y otras infracciones, pero no te dicen «quién es la celebridad que aparece en esta imagen». Así que, desde el punto de vista de los revisores, integrar solo la API de WeChat cubre la «seguridad general de contenidos», pero no resuelve el «bloqueo del uso de imágenes de personajes públicos».

🎯 Recomendación técnica: las API de reconocimiento de personajes públicos son solo una parte de la cadena de bloqueo. El control de las indicaciones de texto suele ser aún más importante y económico. Recomendamos usar la plataforma APIYI apiyi.com para invocar un Modelo de Lenguaje Grande y revisar semánticamente las indicaciones. Es compatible con el formato de la API de OpenAI y los desarrolladores independientes pueden registrarse directamente, lo que facilita cubrir esta capa rápidamente.

Comparativa de 5 API para reconocer a personajes públicos

Para evitar imprecisiones, las opciones que se presentan a continuación se han recopilado a partir de la documentación oficial en inglés de cada proveedor. Conviene tener en cuenta que el reconocimiento de personajes públicos forma parte del reconocimiento facial y que casi todos los grandes proveedores imponen requisitos de acceso. Esta es precisamente la razón por la que los negocios individuales sienten que «no tienen salida».

Requisitos y capacidades de las API de reconocimiento de personajes públicos

Como muestra la tabla, AWS Rekognition es la opción con menos barreras de acceso, pero su base de celebridades se centra sobre todo en figuras internacionales del cine, el deporte, la política y los negocios. Su cobertura de influencers y streamers chinos es limitada. Además, los datos faciales son información personal sensible según la Ley de Protección de Información Personal. Enviar al extranjero fotos subidas por usuarios también puede plantear cuestiones de cumplimiento normativo sobre transferencias de datos transfronterizas, algo que conviene tener en cuenta al preparar la documentación para una revisión.

Opciones reales para negocios individuales

Aclaremos primero una cuestión que suele dar lugar a confusiones: en los sistemas de verificación de identidad de los principales proveedores de nube de China, los negocios individuales con licencia comercial normalmente pueden solicitar la «verificación empresarial». Sin embargo, algunas API especialmente sensibles también exigen una revisión adicional de las credenciales. Por eso, no es del todo correcto afirmar que «un negocio individual no es una empresa». Lo recomendable es contactar primero con el servicio de atención al cliente de Alibaba Cloud o Tencent Cloud para confirmar los requisitos de acceso a la API concreta.

Si se confirma que no es posible habilitarla, hay que cambiar de enfoque: no hacer que todo dependa de «identificar quién aparece en la imagen», sino combinar varias capas de control para impedir que los retratos de personajes públicos lleguen a la generación. Quienes revisan la solicitud se fijan en la eficacia de los controles y en que el mecanismo esté completo, no en qué proveedor de API de reconocimiento de personajes públicos se ha utilizado.

Arquitectura técnica de 4 capas para bloquear imágenes de personajes públicos

El principio de diseño de esta arquitectura es «bloquear antes y aplicar controles cada vez más estrictos». Las capas iniciales son más rápidas y económicas; las posteriores, más precisas y costosas. La mayoría de las solicitudes de riesgo se pueden detener en las dos primeras capas.

Función de cada una de las 4 capas de control

La capa 1 ofrece la mejor relación entre costo y eficacia. En las miniprogramas de generación de IA, muchas solicitudes que infringen derechos parten de las indicaciones: por ejemplo, escribir directamente el nombre de una celebridad o pedir «una cara como la de X». Una lista de palabras clave por sí sola es fácil de eludir con homófonos, pinyin o abreviaturas; el análisis semántico con un Modelo de Lenguaje Grande puede mejorar notablemente la tasa de detección.

La idea de la capa 2 es «no identificar quién es, sino qué tipo de imagen es». Los Modelos de Lenguaje Grandes visuales suelen negarse a revelar la identidad de personas reales en las fotos. OpenAI también limita expresamente la capacidad de GPT-4o para identificar a personas reales. Sin embargo, determinar si una imagen es «un fotograma de una serie, un cartel de una celebridad, una portada de revista o una captura de una transmisión en directo con el logotipo de un canal» está perfectamente a su alcance. Este tipo de imágenes ya constituye una señal de alto riesgo, por lo que se puede bloquear directamente o derivar a la capa 3.

Capa 1: ejemplo de código para el control semántico de indicaciones

A continuación se muestra un ejemplo mínimo que utiliza un Modelo de Lenguaje Grande para determinar si una indicación hace referencia a una persona pública real. El modelo devuelve un JSON estructurado y el backend decide, a partir del resultado, si permite o bloquea la solicitud.

import json
from openai import OpenAI

client = OpenAI(api_key="YOUR_API_KEY", base_url="https://api.apiyi.com/v1")  # Interfaz unificada de APIYI

def check_prompt(prompt: str) -> dict:
    resp = client.chat.completions.create(
        model="gpt-4o-mini",
        response_format={"type": "json_object"},
        messages=[
            {"role": "system", "content": "判断用户提示词是否要求生成、模仿或替换真实公众人物（明星、网红、主播、政治人物、运动员）的肖像。"
             "只输出 JSON：{\"risk\": true/false, \"names\": [], \"reason\": \"\"}"},
            {"role": "user", "content": prompt},
        ],
    )
    return json.loads(resp.choices[0].message.content)

print(check_prompt("帮我生成一张和那个唱《青花瓷》的歌手同款的写真"))

En este ejemplo, la indicación no incluye el nombre de la persona, así que una lista de palabras clave no la detectaría. Sin embargo, el Modelo de Lenguaje Grande puede inferir por el contexto a qué cantante se refiere y clasificarla como de alto riesgo.

import base64, json
import boto3
from openai import OpenAI

llm = OpenAI(api_key="YOUR_API_KEY", base_url="https://api.apiyi.com/v1")  # Interfaz unificada de APIYI
rek = boto3.client("rekognition", region_name="ap-southeast-1")

BLOCK_NAMES = {"示例明星A", "示例网红B"}  # Lista local; si hay coincidencia, se bloquea directamente

def llm_json(messages):
    resp = llm.chat.completions.create(
        model="gpt-4o-mini",
        response_format={"type": "json_object"},
        messages=messages,
    )
    return json.loads(resp.choices[0].message.content)

def layer1_prompt(prompt: str) -> bool:
    if any(n in prompt for n in BLOCK_NAMES):
        return True
    r = llm_json([
        {"role": "system", "content": "判断提示词是否涉及真实公众人物肖像，只输出 JSON：{\"risk\": bool}"},
        {"role": "user", "content": prompt},
    ])
    return r.get("risk", False)

def layer2_image(img_bytes: bytes) -> str:
    """No identifica a la persona; solo clasifica el tipo de imagen y devuelve block / suspect / pass"""
    b64 = base64.b64encode(img_bytes).decode()
    r = llm_json([
        {"role": "system", "content": "不要识别人物身份。只判断图片类型，输出 JSON："
         "{\"type\": \"selfie|film_still|poster|magazine|live_screenshot|non_human|other\", \"real_person\": bool}"},
        {"role": "user", "content": [
            {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{b64}"}},
        ]},
    ])
    if r.get("type") in {"film_still", "poster", "magazine", "live_screenshot"}:
        return "block"
    return "suspect" if r.get("real_person") else "pass"

def layer3_celebrity(img_bytes: bytes, threshold: float = 90.0) -> bool:
    res = rek.recognize_celebrities(Image={"Bytes": img_bytes})
    return any(c["MatchConfidence"] >= threshold for c in res["CelebrityFaces"])

def moderate(prompt: str, img_bytes: bytes | None) -> str:
    if layer1_prompt(prompt):
        return "blocked: prompt"
    if img_bytes:
        verdict = layer2_image(img_bytes)
        if verdict == "block":
            return "blocked: image_type"
        if verdict == "suspect" and layer3_celebrity(img_bytes):
            return "blocked: public_figure"
    return "pass"

En la versión completa, la capa 3 solo se activa para las imágenes que la capa 2 clasifica como «fotos de personas reales». Así se reduce el costo de la API de reconocimiento de personajes públicos y la cantidad de datos faciales que hay que enviar a servicios externos. Si ya tienes acceso a la API de Alibaba Cloud o Tencent Cloud, solo tienes que sustituir layer3_celebrity por la llamada al SDK correspondiente.

🚀 Para empezar rápidamente: las capas 1 y 2 dependen de Modelos de Lenguaje Grandes. Te recomendamos probar primero con APIYI apiyi.com para obtener crédito de prueba. Usa 100 indicaciones e imágenes reales de usuarios, calcula la tasa de bloqueo y la tasa de falsos positivos, y después ponlo en producción. Con el mismo código puedes cambiar entre GPT, Gemini, Claude y otros modelos para comparar resultados.

Umbrales y estrategias de actuación para identificar figuras públicas

Los resultados de identificación no son simplemente un «sí» o un «no»: el umbral de confianza determina directamente la tasa de falsos positivos y falsos negativos. La documentación oficial de Hive recomienda un umbral de 0,85 para fotos reales y de 0,9 para contenido generado por IA. MatchConfidence, que devuelve AWS Rekognition, se expresa en un intervalo de 0 a 100, así que puedes aplicar el mismo criterio.

En productos de fotografía con IA, una opción más segura es añadir una verificación de identidad: primero se pide al usuario que suba una selfie como referencia y, después, solo se permite generar imágenes con las fotos que alcancen la similitud requerida con ese rostro. Así, aunque la API de identificación de figuras públicas no incluya a algún influencer poco conocido, el mecanismo evita que alguien use el rostro de otra persona.

💡 Recomendación: si los principales riesgos de tu negocio son influencers y streamers de China, la cobertura de cualquier API extranjera de identificación de figuras públicas será insuficiente. Conviene centrarse en el bloqueo de indicaciones de la capa 1 y en el mecanismo de verificación de identidad. Puedes integrar el Modelo de Lenguaje Grande de la capa 1 a través de APIYI apiyi.com; su costo suele ser una fracción del de la identificación de imágenes.

Cómo describir el bloqueo de figuras públicas al presentar la solicitud de revisión

No basta con implementar la solución técnica: también hay que explicarla de forma comprensible para quienes revisan la solicitud. En las observaciones o los materiales complementarios, recomendamos describirla con esta estructura:

1. Flujo de bloqueo: explica qué capacidades de detección se aplican a las indicaciones, la carga de imágenes y los resultados generados.
2. Capacidad para identificar figuras públicas: especifica qué API de identificación de figuras públicas o qué alternativa utilizas, y qué medidas se toman cuando se detecta una coincidencia.
3. Mecanismos del producto: incluye las cláusulas de autorización de imagen en las condiciones de uso, la casilla de confirmación «Solo fotos propias» antes de subir imágenes, el canal para denunciar contenido y el plazo para retirarlo.
4. Etiquetado de contenido generado por IA: añade la etiqueta visible «Generado por IA» a las imágenes y una marca no visible en los metadatos del archivo.
5. Evidencias de las pruebas: adjunta capturas de pantalla o grabaciones que muestren cómo se bloquean las fotos de famosos y las indicaciones con nombres de famosos.

El punto 5 es el más convincente. Quienes revisan la solicitud suelen probar el sistema directamente con fotos de famosos. Si la grabación muestra «subir una foto de una escena de una película con un famoso → bloqueada» e «introducir el nombre de un famoso → bloqueado», las probabilidades de aprobación aumentarán de forma notable.

Preguntas frecuentes sobre las API de identificación de figuras públicas

P1: ¿Un Modelo de Lenguaje Grande puede sustituir por completo a una API de identificación de figuras públicas?

No por completo. Por lo general, los principales modelos de visión rechazan identificar a personas reales en una foto por motivos de privacidad. Además, incluso cuando pueden hacerlo, los resultados no son estables, así que no son adecuados para determinar identidades de forma concluyente. Los modelos de lenguaje son más útiles para bloquear indicaciones según su significado y clasificar imágenes. Para identificar personas, recomendamos usar una API especializada en figuras públicas. Puedes probar distintos modelos con el mismo conjunto de muestras a través de APIYI apiyi.com y decidir cómo repartir las tareas.

P2: ¿AWS Rekognition puede identificar a famosos de China?

Puede identificar a algunos actores y deportistas chinos de gran popularidad, pero su cobertura de influencers, streamers y creadores de videos cortos del país es claramente limitada. Además, es un servicio extranjero. El tratamiento de datos biométricos sensibles, como los rostros, requiere evaluar el cumplimiento de las normas sobre transferencias internacionales de datos. Recomendamos usarlo solo con las imágenes sospechosas detectadas en la capa 2 e informar de ello con claridad en la política de privacidad.

P3: ¿Es imposible que un negocio individual active la identificación de famosos de Alibaba Cloud?

No necesariamente. Por lo general, un negocio individual puede completar la verificación empresarial de un proveedor de servicios en la nube con su licencia comercial, aunque algunos servicios requieren una revisión adicional de la documentación. Te recomendamos enviar una consulta sobre los requisitos para activar la API concreta y tener Tencent Cloud como alternativa.

P4: ¿Cuesta mucho usar un Modelo de Lenguaje Grande para bloquear indicaciones?

Muy poco. Una revisión de indicaciones suele consumir solo unos cientos de tokens y, con un modelo ligero, el costo por consulta es muy inferior al de una identificación de imágenes. Además, puedes pagar según el uso a través de APIYI apiyi.com, una opción adecuada para miniprogramas cuyo volumen de revisiones varía mucho.

P5: ¿Qué hago si, pese a implementar el bloqueo, me rechazan la solicitud?

Comprueba primero si el motivo del rechazo tiene que ver con contenido ya existente. Por ejemplo, revisa si las imágenes de muestra o las plantillas del miniprograma usan fotos de famosos. A muchos desarrolladores les rechazan la solicitud de nuevo porque, aunque ya implementaron el bloqueo técnico, la página de inicio seguía mostrando imágenes de ejemplo con figuras famosas. En ese caso, hay que sustituirlas todas por retratos virtuales generados por IA o imágenes con derechos propios.

Resumen

Si a un miniprograma le exigen «añadir filtros técnicos» por infringir los derechos de imagen de una figura pública, la solución no consiste en encontrar una API universal que identifique a todas las figuras públicas, sino en crear un sistema completo de bloqueo. La API de seguridad de contenidos de WeChat solo cubre infracciones generales y no identifica a celebridades ni a influencers. Las capacidades de reconocimiento de figuras públicas de Alibaba Cloud y Tencent Cloud se adaptan mejor al mercado chino, pero requieren verificar la identidad de la empresa. AWS Rekognition tiene menos barreras de acceso, aunque su cobertura de influencers chinos es limitada y, además, implica transferir datos al extranjero. Azure y Google, por su parte, prácticamente no ofrecen este servicio a desarrolladores individuales.

Para los negocios individuales, la opción más práctica es confirmar primero si pueden completar la verificación empresarial de un proveedor de servicios en la nube con su licencia comercial. Mientras tanto, conviene implementar cuanto antes dos capas: el filtrado semántico de indicaciones y la clasificación preliminar de imágenes por tipo. Después, se pueden añadir la verificación de identidad de la persona que aparece, una declaración de autorización y una revisión manual. Por último, hay que presentar una grabación de prueba a los revisores para demostrar que el sistema de bloqueo funciona.

Recomendamos usar APIYI apiyi.com para implementar rápidamente las capacidades de revisión de contenido de un Modelo de Lenguaje Grande en las capas 1 y 2. Tras comprobar la tasa de bloqueo con muestras reales, podrás presentar el sistema a revisión.

Autor: APIYI Team, especializado en la implementación práctica de aplicaciones basadas en API de Modelos de Lenguaje Grande. Puedes consultar más soluciones técnicas y obtener crédito de prueba en APIYI apiyi.com.