O app pediu 20 fotos suas: o modelo que ele treina, e o que sobra depois

Três arquiteturas, e a pergunta que separa as três

Duas páginas de gerador de foto com IA prometem a mesma coisa. Na primeira, você anexa uma selfie, escreve o pedido e a imagem chega em segundos. Na segunda, o formulário pede seis, oito, dez ou vinte arquivos, avisa que vai levar de alguns minutos a algumas horas e devolve dezenas de retratos de uma vez. A diferença de preço entre as duas costuma ser grande, e a explicação que as páginas dão para ela costuma ser nenhuma.

Em 21 de agosto de 2026 eu abri, no mesmo dia, a documentação técnica de um fornecedor de modelo de imagem, o artigo acadêmico que batizou o método por trás da segunda página e as políticas publicadas de seis ferramentas comerciais. O que está escrito nesses documentos não descreve duas rotas. Descreve três.

• Anexo condicionado. De 1 a 5 arquivos entram na mesma requisição que produz a imagem, e orientam aquela geração e só aquela. Nenhum peso muda e nenhum objeto novo nasce do seu rosto: fica guardado o arquivo, pelo prazo que a política declarar.
• Customização por poucas referências. Rota intermediária, documentada por fornecedor: de 1 a 4 imagens de referência, com recomendações publicadas sobre o rosto, guiam a saída. Também aqui os pesos do modelo continuam os mesmos antes e depois do seu pedido.
• Ajuste de modelo. Os seus arquivos ajustam um modelo antes que qualquer imagem seja gerada. O resultado é um artefato derivado: um objeto novo, que passa a saber produzir você. É o que a interface de alguns fornecedores chama de "seu modelo".

A pergunta que separa as três cabe numa linha: o que existe depois que a foto fica pronta, e que não existia antes? Nas duas primeiras rotas, a resposta é "nada além dos arquivos e das imagens". Na terceira, existe um objeto a mais, e ele não é abstração de engenheiro: tem cláusula própria em política de reembolso, prazo próprio de retenção e, em pelo menos um fornecedor que eu abri, botão próprio de exclusão na interface.

Duas fronteiras antes de seguir. Quantas fotos anexar e o que desqualifica um arquivo já estão resolvidos em o artigo que trata do arquivo que você anexa, antes de qualquer treino existir; aqui a conversa começa depois do envio. E a palavra treino tem dois sentidos que não se misturam: o treino que a plataforma faz com a foto de todo mundo é alimentado por milhões de perfis. O desta página é contratado por você, feito só com os seus arquivos e destinado a gerar você.

O teste de 10 segundos numa página de vendas

A regra que circula em português é simples e envelheceu: se pede muitas fotos e demora, treina um modelo; se pede uma e responde rápido, não treina. Em 21/08/2026 eu anotei os números declarados por seis ferramentas da mesma categoria, todas com página no ar naquele dia. A regra não sobrevive à leitura.

• Aragon AI: "Six uploads is all you need, focus on quality over quantity for the best results", com entrega prometida em 30 minutos.
• BetterPic: "We need 8 images for the training" e "Done in less than 1 hour".
• Photo AI: treino declarado "at just 90 seconds" nos planos mais caros, e "Training a model of yourself with Photo AI takes 1-3 minutes".
• PhotoGen, em português: "Faça upload de 10-20 selfies suas de diferentes ângulos", com a quebra por etapa que quase ninguém publica, "o treinamento do modelo de IA leva de 90 segundos a 5 minutos, e cada geração de foto é concluída em 15-20 segundos".
• Secta: "Delivery within 2 hours".
• Um fornecedor internacional da mesma categoria: pede "a few selfies" e promete entrega "in under 30 minutes".

Leia a lista de novo com uma pergunta na cabeça: quais desses ajustam um modelo com as suas fotos? Todos os seis. Entre eles, a entrada vai de 6 a 20 arquivos e o relógio vai de 90 segundos a 2 horas. Um deles pede 8 arquivos, número da mesma ordem do que uma geração por anexo aceita sem treinar nada (a documentação do Gemini recomenda até 3 imagens de entrada no 2.5 Flash Image e descreve mistura de até 14 imagens no 3 Pro Image). Quantidade e espera pararam de servir como prova.

Sobraram três sinais, e eles valem em ordem de força:

1. O vocabulário de posse. Procure um possessivo grudado na palavra modelo: "seu modelo", "criar o seu modelo de IA", "selecionar modelo". Quando o fornecedor precisa dar nome e dono ao objeto, é porque o objeto existe e o cliente vai interagir com ele. É o sinal mais barato e mais confiável dos três.
2. A cláusula de reembolso. Se o direito ao dinheiro de volta acaba quando o modelo é treinado, existe um modelo. A próxima seção transcreve as duas cláusulas que eu li.
3. Quantidade e tempo. Continuam dizendo alguma coisa: vinte arquivos e duas horas de espera raramente descrevem uma geração por anexo. Mas oito arquivos e noventa segundos também descrevem um treino, e por isso esse sinal virou o mais fraco dos três.

O documento que responde é a política de reembolso, não a de privacidade

Quando você quer saber se existe um modelo do seu rosto, o instinto manda abrir a política de privacidade. É o documento errado. A política de privacidade fala de dado pessoal, de base legal e de prazo. Quem escreve sobre o artefato derivado com todas as letras, por interesse próprio e sem eufemismo, é a área comercial, na cláusula que diz quando o dinheiro volta.

A FAQ publicada na home da BetterPic, lida em 21/08/2026, diz: "Refunds are available for purchases made within the last 7 days, provided that the AI has not been trained with your input. If the model has been trained using your photos or the 7-day period has elapsed, refunds cannot be granted." Em português: o reembolso existe dentro de 7 dias, desde que a IA ainda não tenha sido treinada com o que você enviou. Se o modelo já foi treinado, acabou.

Um segundo fornecedor, sem relação com o primeiro, usa exatamente o mesmo marco. A FAQ "Can I get a refund?" do Photo AI, na mesma data: "You're only eligible for a refund if you've not created a model yet, have generated fewer than 20 photos over the lifetime of your account and did not sign up with someone's referral link." E a mesma página publica a razão econômica, que é o pedaço mais útil do achado: "our upstream providers do not let us ask for refunds for the GPU processing time used to create your AI models and generate your photos and videos".

Junte as duas cláusulas e você tem o mapa do custo. O que a rota cara compra não é armazenamento nem atendimento: é tempo de processamento dedicado, gasto de uma vez, antes de a primeira imagem existir. Por isso o marco comercial é o treino e não a entrega. Duas consequências saem daí. O ponto sem retorno acontece antes de você ver qualquer resultado, e não depois de avaliar o pacote. E a janela real para desistir é bem menor do que os 7 dias sugerem, porque o treino costuma começar minutos depois do upload.

Nada disso é armadilha, e nenhuma das duas empresas esconde a cláusula: as duas frases estão publicadas, em página aberta, sem login. O que chama atenção é que a resposta estava no documento que ninguém abre.

"Não treinamos IA com as suas fotos": a mesma frase, três objetos

Na home de um fornecedor internacional da categoria, lida em 21/08/2026, está escrito "We never train AI on your photos" e "Your inputs are never used to train models". Na home da BetterPic, no mesmo dia, aparecem duas frases: "We never sell your data or use your images to train AI models" e, na FAQ sobre propriedade das imagens, "Your photos are used solely to train our AI model".

A leitura preguiçosa aqui é acusar alguém de se contradizer. A leitura correta é outra, e serve para o resto da sua vida de leitor de política: o verbo treinar não significa nada sozinho, porque ele aceita três objetos diferentes. Os três são estes.

1. O modelo geral do fornecedor, alimentado com dados de muita gente e usado para atender todo mundo. É o alvo da promessa "we never train AI on your photos", e é o mesmo assunto de o treino coletivo, feito com o acervo inteiro de uma rede.
2. O modelo do seu pedido, ajustado só com os seus arquivos e usado só para gerar você. É o objeto de "your photos are used solely to train our AI model". Ele é o assunto deste artigo.
3. Os arquivos em si, que são o objeto de quase toda cláusula de retenção que eu li: "input photos automatically delete 30 days after generation", "all images are stored for a maximum of 30 days after delivery or approval", "suas fotos são automaticamente deletadas após 30 dias".

As duas frases da mesma página falam de objetos diferentes, e as duas podem ser verdadeiras ao mesmo tempo. O mercado brasileiro escreve a mesma distinção em português: uma página da PhotoGen afirma que "o treinamento do modelo começa quando você faz upload de 10 a 20 selfies de diferentes ângulos" e, alguns parágrafos depois, que fornecedores confiáveis "não usam suas imagens para treinar modelos de outros usuários". Os dois trechos convivem sem problema: o objeto muda de um para o outro.

Daí sai a regra de leitura que este artigo entrega, e ela cabe num bilhete: toda frase sobre treino precisa nomear o objeto. Se a frase disser apenas "não treinamos IA com as suas fotos", ela respondeu sobre o objeto 1 e, de quebra, sobre o objeto 3. E ficou em silêncio sobre o objeto 2. Isso não quer dizer que o objeto 2 exista naquele fornecedor, nem que ele esteja escondido: quer dizer que a resposta sobre ele ainda não foi dada, e que você vai ter que pedir essa resposta usando o nome certo.

O mínimo publicado do método: 3 a 5 imagens, e nenhum rosto humano no teste

O método que batizou essa arquitetura tem nome, data e artigo aberto. Chama-se DreamBooth, foi publicado por pesquisadores do Google em agosto de 2022, revisado em março de 2023, e está no arXiv sob o identificador 2208.12242. É de lá que sai o número que nenhuma página de venda cita: "With just a few images (typically 3-5) of a subject".

O experimento de ablação dos próprios autores foi mais preciso do que o resumo: "For both subjects we see that the optimal amount of input images for subject and prompt is 4. This number can vary depending on the subject and we settle on 3-5 images for model personalization." Quatro imagens como ótimo medido, e uma faixa recomendada de 3 a 5.

O que esse número autoriza dizer é limitado. Ele autoriza dizer que, quando um produto de 2026 pede 10 ou 20 arquivos, isso é decisão de produto e não exigência publicada do método: margem de qualidade, variedade de ângulo, tolerância a arquivo ruim, volume de saída. Ele não autoriza dizer que 20 arquivos sejam desnecessários, porque nenhum produto comercial roda o pipeline de 2022 sem alteração.

O mesmo artigo publica o custo do treino: cerca de 1.000 iterações e "about 5 minutes on one TPUv4 for Imagen, and 5 minutes on a NVIDIA A100 for Stable Diffusion". Isso explica por que um fornecedor declara treino de 90 segundos em 2026 sem milagre nenhum, e por que a espera de 2 horas de outro não é tempo de treino: é fila, lote de saída e pós-processamento somados no mesmo relógio.

E aqui vem o limite que ninguém escreve, e que muda o peso de tudo que se cita desse artigo. O conjunto de avaliação do DreamBooth tinha 30 sujeitos, e os autores contam a composição: "21 of the 30 subjects are objects, and 9 are live subjects/pets". Mochilas, bichos de pelúcia, cães, gatos, óculos de sol. Na seção de impacto social, eles dizem que o projeto quer entregar uma ferramenta para sintetizar "personal subjects (animals, objects)". A validação publicada do método não mediu rosto humano. Isso não significa que ele funcione mal com rosto: significa que ninguém pode citar o artigo como prova de semelhança do seu, e que o que ele descreve é o mecanismo, com todas as letras: "we fine-tune a pretrained text-to-image model such that it learns to bind a unique identifier with that specific subject". Ajuste de pesos. Objeto novo, que não existia antes das suas fotos.

É por isso que o conselho mais repetido da internet, "apaga as fotos que você enviou", responde metade da pergunta. Um dos fornecedores que eu li mostra os dois objetos lado a lado na própria interface: a FAQ "Can I delete my data?" do Photo AI descreve a lixeira da galeria e completa "For models it's the same, go to the top left model selector at 'Select model', and hover over a model, in the top right of the model click the trash bin to delete it". Duas coleções, duas lixeiras. É um fornecedor só, não uma regra do mercado, mas é a melhor prova documental de que o derivado é objeto separado com controle separado.

A rota do meio: 1 a 4 referências, sem treino, com recomendação de rosto publicada

Entre anexar uma selfie e ajustar um modelo existe uma rota que a documentação de fornecedor descreve em detalhe e que quase ninguém em português nomeia. Na página de personalização de assunto da Vertex AI, o Google publica que a customização por poucos exemplos "supports the following subjects: product, person, and animal companion": pessoa é uma classe suportada. A tabela de casos declara a faixa de entrada, "Subject image (1-4)" quando não há malha facial, e de 1 a 3 imagens de sujeito mais uma imagem de controle de malha quando há. Uma segunda página, de personalização por instrução, documenta o caso de uma imagem só.

Uma etiqueta obrigatória acompanha as duas citações: as duas páginas documentam o endpoint imagen-3.0-capability-001, que aparece na tabela de endpoints descontinuados da própria documentação, com a recomendação de atualizar os endpoints do modelo antes de 30 de junho de 2026. É documentação de um endpoint em migração: prova que a rota existe especificada por escrito, e não serve como manual do que está no ar hoje.

O que essa documentação tem de mais útil para quem nunca vai tocar numa API é a lista de propriedades que ela recomenda para o rosto na imagem de referência: "Is centered and occupies at least half of the whole image", "Is rotated in frontal view in all directions (roll, pitch, and yaw)" e "Isn't occluded by objects, such as sunglasses or masks". Centrado, ocupando ao menos metade do quadro, frontal nos três eixos, sem óculos escuros nem máscara. Repare no verbo: o texto abre com "we recommend", ou seja, é recomendação de quem construiu o modelo, não validação que rejeita o seu arquivo na entrada. Ainda assim é a régua do próprio fornecedor, e ela confirma pelo lado da engenharia o que o blog já cobra pelo lado da fotografia.

E tem o trecho que uma página de vendas jamais publicaria. A mesma documentação, na versão em português da própria página, abre a seção de casos de uso com um aviso sobre o produto: "a personalização do Imagen 3 oferece comandos de estilo livre, o que pode dar a impressão de que ele pode fazer mais do que foi treinado para fazer". E lista, entre os casos não pretendidos, "colocar duas ou mais pessoas em cenas diferentes, preservando as identidades delas". Entre os pretendidos, "estilizar uma foto de uma pessoa". Uma pessoa por vez é caso previsto; duas, não. Vale para aquele endpoint e não para todo modelo do mercado, mas é o tipo de limite que só aparece quando alguém abre a documentação em vez da página de vendas.

Quando o gerador que treina um modelo compensa, e quando é dinheiro fora

A cláusula do Photo AI já entregou a origem do custo: tempo de GPU gasto para criar o modelo, antes de qualquer foto existir. A pergunta correta, então, não é "qual é melhor", e sim "o que eu vou fazer com o objeto que eu paguei para construir". Um objeto que produz uma foto só é caro; um que produz cinquenta fotos coerentes ao longo de meses é outra conta.

A rota que treina tende a compensar em três situações concretas:

• Você precisa de dezenas de variações que pareçam a mesma sessão: perfil, crachá, site da empresa, capa de apresentação, foto de palestrante, avatar de plataforma interna. Gerar isso uma a uma por anexo custa iteração humana a cada rodada.
• A necessidade se repete no tempo. Se daqui a quatro meses você vai precisar da mesma pessoa com outra roupa e outro fundo, o artefato derivado é reaproveitável e a rodada seguinte começa mais barata.
• É uma série de equipe, com padrão visual único entre pessoas diferentes. Aqui a consistência entre pessoas vale mais do que o acerto de uma foto isolada.

E ela tende a ser dinheiro fora quando o que você quer é uma foto de perfil. Esse é o caso dominante de quem chega neste blog, e ele se resolve pelo caminho do anexo: um arquivo bom, um pedido bem escrito, duas ou três execuções para escolher. Nessa configuração, contratar um artefato derivado é montar uma fábrica para produzir um item, com o agravante de que a fábrica fica de pé depois, com prazo de retenção próprio e uma pergunta a mais para você acompanhar.

Este artigo não classifica ferramenta e não publica preço de terceiro, de propósito: a comparação por qualidade e custo tem casa própria, em a peça que classifica e precifica as ferramentas. E, seja qual for a rota escolhida, a etapa seguinte é a mesma: separar a imagem que presta e, se ela for pequena demais para o destino, entender a etapa de ampliar a imagem depois de escolhida antes de mandar para a gráfica ou para o crachá.

As seis perguntas para colar no suporte antes de pagar

Antes do texto pronto, o achado que o justifica. Eu li duas políticas de privacidade da categoria em 21/08/2026 e contei as palavras dentro delas. A primeira é do mesmo fornecedor internacional cuja home eu citei duas seções acima: a política publicada tem 1.530 palavras e, no texto servido naquele dia, as ocorrências de model, train, image, face e biometric eram zero. O que ela diz é claro e é sobre outra coisa: "All personal identifiable information will be deleted when you inform us you wish to stop using our services", com destruição "within 14 days" e informação pessoal identificável definida como "your name, e-mail address, payment information and more". A ausência é o achado, não uma acusação: a resposta sobre o artefato derivado não está escrita ali naquela data.

A segunda é o contraexemplo bom, e merece o crédito. A política da Aragon AI, com 5.712 palavras, cria uma categoria própria para o que você envia: "Photos uploaded through these features (collectively, 'face data')". Reconhece que "face data may be considered biometric data, biometric information, or Sensitive Personal Information". Proíbe contratualmente que os provedores de IA usem esse dado para "train generalized AI models or create pooled face training datasets". E publica calendário de destruição: 30 dias depois do primeiro entre a entrega do conteúdo, o pedido de exclusão, o encerramento da conta ou um ano da coleta. Mesmo nela, as expressões your model, custom model, personalized model e fine-tun aparecem zero vezes. O objeto definido continua sendo a foto.

O padrão é esse: quem responde bem responde sobre o arquivo. O derivado precisa ser perguntado pelo nome, e o melhor momento é antes do pagamento, quando o suporte ainda está vendendo. Copie o texto abaixo e mande no chat, no e-mail de contato ou no formulário de privacidade do fornecedor:

Assunto: perguntas sobre o modelo derivado, antes da contratação

Olá. Antes de enviar as minhas fotos e efetuar o pagamento, preciso de
resposta por escrito para seis pontos. Podem responder nesta mesma conversa.

1. O processo cria algum modelo, ajuste, embedding ou perfil derivado do
   meu rosto, separado dos arquivos que eu envio? Se sim, como vocês
   chamam esse objeto internamente?

2. Por quanto tempo esse derivado fica retido? O prazo é o mesmo declarado
   para as fotos enviadas ou é diferente?

3. Excluir a minha conta apaga esse derivado, ou apaga somente as fotos e
   as imagens geradas?

4. Um pedido de exclusão de dados feito por mim cobre esse derivado, ou
   cobre apenas os arquivos? Vocês confirmam a destruição por escrito?

5. Em que país fica armazenado esse derivado, e ele é compartilhado com
   algum provedor de infraestrutura de terceiros?

6. Se eu pedir reembolso, o derivado é destruído junto? E em que momento
   exato do processo o reembolso deixa de ser possível?

Obrigado.

O que cada pergunta faz, porque colar sem entender não adianta. A 1 obriga o fornecedor a nomear o objeto, que é onde a ambiguidade do verbo treinar morre. A 2 separa dois prazos que costumam ser apresentados como um só. A 3 e a 4 testam se o botão de excluir conta e o pedido formal de exclusão alcançam o derivado ou param nos arquivos. A 5 costuma vir respondida de primeira, porque já está na política. E a 6 amarra a resposta comercial à de dados: se o reembolso é negado porque o modelo foi treinado, o modelo existe, e a empresa acabou de confirmar isso por escrito.

A lista foi escrita para o momento anterior ao envio e não substitui o procedimento formal de exclusão, que tem regras próprias e vai ganhar artigo próprio neste blog. Ela também não repete o que já está respondido em outro lugar: as declarações que cada ferramenta publica sobre o arquivo enviado estão mapeadas, e por onde a sua foto passa antes de virar imagem gerada também. As seis perguntas cobrem só o que sobra depois disso.

O que este artigo não prova

Um artigo que cobra clareza dos outros precisa declarar os próprios limites. Seis deles, explícitos:

• Ele não classifica, não ranqueia e não recomenda ferramenta nenhuma. Cita cláusula publicada e número declarado, com data, e nada além disso.
• Todas as cláusulas transcritas aqui são leitura de 21 de agosto de 2026. Política muda, home muda, plano muda. Confira na data em que você for pagar.
• Contar palavras dentro de uma política mede o texto daquele dia, e só isso. Não mede prática interna, não mede infraestrutura e não autoriza conclusão sobre conduta.
• O artigo acadêmico citado é de 2022, com revisão de 2023, e o conjunto de avaliação dele era feito de objetos e bichos. Nenhum produto comercial de 2026 é aquele pipeline sem alteração.
• A documentação da Vertex AI aqui citada descreve um endpoint com migração recomendada até 30 de junho de 2026. Ela prova que a rota existe especificada, não que ela esteja disponível para você hoje.
• E o limite maior: nenhuma das três rotas garante semelhança. O que muda entre elas é a probabilidade de acertar, o custo de errar e o que continua existindo depois.

Se o seu problema é o rosto voltando diferente do seu, e não a arquitetura da ferramenta, o caminho é outro: quando o rosto volta diferente no caminho do anexo é assunto resolvido no texto do pedido, e não na escolha entre treinar ou anexar.

Resumo e próximos passos

Três arquiteturas vendem a mesma foto. As duas primeiras, o anexo condicionado e a customização por poucas referências, usam um punhado de arquivos dentro da própria requisição (de 1 a 5 num caso, de 1 a 4 no outro) e não deixam nada derivado de pé. A terceira usa os seus arquivos para construir um objeto novo, que continua existindo depois da entrega.

Para saber em qual você está antes de pagar, o número de fotos e o tempo de espera pararam de servir: em 21/08/2026 a mesma arquitetura aparecia com 6, 8, 10 a 20 arquivos e com relógios de 90 segundos a 2 horas. Sobraram dois sinais bons. O vocabulário de posse na página, quando ela fala em "seu modelo" ou em "selecionar modelo". E a cláusula de reembolso, que é onde dois fornecedores escreveram, por conta própria, que o treino é o marco irreversível.

A regra de leitura que fica para qualquer política futura é uma frase: toda afirmação sobre treino precisa nomear o objeto, porque "treinar" cabe em três coisas diferentes. E o próximo passo prático são as seis perguntas desta página, enviadas ao suporte antes do pagamento, com resposta por escrito.

Se você chegou aqui antes de escolher a ferramenta, o passo anterior está em o guia deste pilar, onde a escolha da rota vem antes do prompt. Se já escolheu e o problema agora é o arquivo que você vai enviar, o critério do arquivo está em o que a sua foto de referência precisa entregar antes de qualquer geração.