Реализация AI-генерации аватаров по фотографии в мобильном приложении

Реализация AI-генерации аватаров по фотографии в мобильном приложении

Задача звучит просто: пользователь загружает селфи — приложение возвращает набор стилизованных аватаров. На деле это несколько связанных проблем: выбор модели (Stable Diffusion + LoRA против специализированных API), управление очередями генерации, приемлемое время ожидания и работа с фото-разрешениями.

Архитектура: почему не стоит генерировать on-device

Stable Diffusion 1.5 в FLOAT16 весит ~2.5 GB. Apple ML Stable Diffusion Swift package позволяет запустить его на iPhone 14 Pro (Neural Engine + 6 GB RAM). 20 шагов DDIM на 512×512 — около 8 секунд. Это на топовом устройстве. На iPhone 12 или любом среднебюджетном Android — нереально.

Для генерации аватаров в продакшен-приложении разумный выбор — серверная генерация через специализированный сервис. Варианты:

Для аватаров «похожих на пользователя» лучший результат даёт IP-Adapter или InstantID — они сохраняют черты лица без полноценного fine-tune LoRA. Если нужна максимальная точность (как в Lensa App) — Dreambooth LoRA с 10–20 фото пользователя, но это займёт 10–20 минут обработки.

Мобильный клиент: флоу загрузки и ожидания

Генерация занимает время — пользователю нужен понятный feedback. Архитектура асинхронного флоу:

// iOS: запуск генерации и polling статуса
class AvatarGenerationService {
    private let apiClient: APIClient

    func generateAvatar(photo: UIImage, style: AvatarStyle) async throws -> [UIImage] {
        // 1. Compress + upload photo
        let photoData = photo.jpegData(compressionQuality: 0.85)!
        let uploadURL = try await apiClient.uploadPhoto(data: photoData)

        // 2. Start generation job
        let jobId = try await apiClient.startGeneration(
            photoURL: uploadURL,
            style: style.rawValue,
            count: 6
        )

        // 3. Poll with exponential backoff
        return try await pollJobResult(jobId: jobId)
    }

    private func pollJobResult(jobId: String) async throws -> [UIImage] {
        var delay: TimeInterval = 2.0
        for _ in 0..<30 {
            try await Task.sleep(nanoseconds: UInt64(delay * 1_000_000_000))
            let status = try await apiClient.checkJob(id: jobId)
            switch status.state {
            case .completed: return try await downloadResults(urls: status.resultURLs)
            case .failed: throw AvatarError.generationFailed(status.error)
            case .pending, .processing: delay = min(delay * 1.5, 8.0)
            }
        }
        throw AvatarError.timeout
    }
}

На Android аналогично через Kotlin Coroutines + kotlinx.coroutines.delay.

Подготовка фото на клиенте

Качество аватара напрямую зависит от входного фото. Нужно валидировать перед отправкой:

• Лицо детектировано (iOS: VNDetectFaceRectanglesRequest, Android: ML Kit FaceDetector)
• Освещение приемлемое — проверяем среднее значение яркости через CIAreaAverage
• Разрешение минимум 512×512
• Одно лицо в кадре (если несколько — показываем предупреждение)

Фото компрессируем до 1024×1024 JPEG 85% перед отправкой — избыточное разрешение не улучшает результат, но увеличивает время загрузки и стоимость.

Кеширование и галерея результатов

Сгенерированные аватары нужно хранить. Не надо генерировать повторно при каждом открытии — это дорого. На iOS: сохраняем в FileManager с метаданными в Core Data (стиль, дата, jobId для traceability). На Android — Room + FileProvider.

Важный момент: если приложение уходит в бэкграунд во время генерации — polling прерывается. Решение: сохранить jobId в UserDefaults / SharedPreferences, при следующем открытии приложения проверить статус незавершённых задач.

Push-уведомление о готовности

Ждать 20–40 секунд с открытым приложением — неплохо. Но если пользователь свернул приложение — нужен push. Сервер отправляет FCM/APNs-уведомление после завершения генерации. На клиенте — UNNotificationAction с deep link в галерею аватаров.

Права и конфиденциальность

Privacy Nutrition Labels в App Store требуют декларировать сбор фотографий. Если фото уходит на сервер — это Photos data type, usage: App Functionality. Обязательно: явное согласие пользователя, политика хранения (удалять исходное фото после генерации), не передавать третьим сторонам для обучения без согласия.

На Android с targetSdk 33+ запрашиваем READ_MEDIA_IMAGES вместо устаревшего READ_EXTERNAL_STORAGE.

Сроки

Базовый флоу (загрузка фото, API вызов, polling, показ результатов) — 3–5 дней. С валидацией лица, галереей, push-уведомлениями и поддержкой нескольких стилей — 2–3 недели. Стоимость зависит от платформы (iOS/Android/оба) и выбранного AI-провайдера.