Обработка товарных фото для Wildberries: пошаговый гайд с пакетной обработкой

Wildberries — крупнейший маркетплейс России с долей рынка более 35% по итогам 2025 года. Для селлера, который заводит 100, 500 или 5000 SKU, узким горлом давно стала не логистика и не реклама, а именно подготовка фото. Карточка без качественной фотографии не получает кликов в выдаче, не выходит в топ и не продаёт — каким бы хорошим ни был сам товар.

В 2026 году требования к фото товара ужесточились: автоматическая модерация WB отклоняет всё, что не попадает в коридор RGB 245–255 на фоне, что не имеет правильных пропорций 3×4, что весит больше 10 МБ или меньше 900×1200. По данным аналитического сервиса WB-stat за первый квартал 2026, средняя карточка проходит модерацию с 3-й попытки — это в среднем 4–6 часов потерянного времени селлера, который правит фон, ракурс и поля каждый раз вручную.

Этот гайд решает проблему пакетной обработки 1000 товарных фото за один прогон. Разберём: точные требования WB к 2026 году, как использовать пакетную обработку через Panda AI с сохранением оригинальных имён файлов, расчёт стоимости (200 ₽ за 1000 удалений фона), интеграцию через API для автоматизации выгрузки из 1С или Excel, и три реальных кейса селлеров — одежда, аксессуары, электроника.

Требования Wildberries к фото товара в 2026 году

Стандарт WB для главного фото — это не просто рекомендация, а жёсткие технические рамки, которые проверяет автомодератор за 15–30 минут после загрузки. Если хотя бы одно требование не соблюдено — карточка отправляется в карантин с пометкой «Не соответствует требованиям».

• Разрешение: минимум 900×1200 пикселей. Рекомендуется 1500×2000 (соотношение 3×4), оптимум для мобильных карточек 2000×2667.
• Формат файла: JPG или PNG. WebP, HEIC, AVIF не принимаются. PNG с прозрачностью при загрузке конвертируется в JPG с белым фоном.
• Цветовой профиль: sRGB. CMYK-файлы отклоняются на этапе валидации.
• Размер файла: до 10 МБ. На практике оптимально 800 КБ — 2 МБ для главного фото.
• Фон главного фото: белый, RGB не ниже 245,245,245. Допускается мягкая контактная тень шириной до 30% от объекта.
• Поля: 5–10% свободного пространства по периметру вокруг товара. Объект не должен «упираться» в края.
• Запрещено в кадре: водяные знаки, контактные данные, телефоны, ссылки на сайты, скидочные плашки, чужие логотипы.
• Количество фото: до 30 штук на карточку. Главное (первое) обязательно на белом фоне, дополнительные 2–29 могут быть lifestyle, инфографикой, on-model.

За три нарушения в течение 14 дней WB понижает карточку в выдаче на 30%, а после пяти — может скрыть полностью до устранения. Поэтому стандартизация фото на этапе подготовки — не косметика, а прямая защита оборота.

Почему ручная подготовка не масштабируется

Магазин с ассортиментом 500 SKU делает в среднем 3–5 фото на товар: главное на белом, lifestyle, деталь, размерная сетка для одежды. Итого 1500–2500 кадров. Если ретушёр обрабатывает один кадр за 8 минут (вырезание фона, кадрирование, цветокоррекция, экспорт), общий объём — 200–333 часа работы. При ставке 600 ₽/час это 120–200 тысяч рублей фонда оплаты только за подготовку фото к первому запуску.

Это даже без учёта сезонных пересъёмок: к 8 марта одежда меняется на весеннюю, к ноябрю — на зимнюю. Каждая ротация — снова та же сумма. Поэтому крупные селлеры либо нанимают своего фотографа в штат, либо переходят на автоматизированную обработку через нейросеть. Второй вариант стал стандартом индустрии: затраты на 1000 фото снижаются с 24 000 ₽ ручного труда до 200 ₽ нейросетевой обработки — в 120 раз дешевле.

Качество при этом не страдает. На пилотном тесте крупного бренда детской одежды (около 1200 SKU) автомодерация WB пропустила 98.4% фото, обработанных через Panda AI, с первой попытки. Оставшиеся 1.6% — это сложные случаи (одежда из тонкого полупрозрачного шифона, акцесcyары с зеркальными поверхностями), где требовалось ручное доведение.

Пакетная обработка 1000 фото — пошаговый гайд

Главная фишка пакетной обработки в Panda AI — сохранение оригинальных имён файлов. Когда селлер заливает архив SKU-12345_main.jpg, на выходе получает SKU-12345_main.png с прозрачным фоном или белым, в зависимости от настройки. Это критично: имена файлов используются в системах автозагрузки на WB через CSV или 1С.

Шаг 1. Подготовка исходников

Соберите все фото в одну папку, проверьте, что имена файлов не дублируются. WB-приложения часто работают через шаблон {артикул}_{номер_фото}.jpg — например, BR-2026-001_01.jpg, BR-2026-001_02.jpg. Сохраняйте этот шаблон при подготовке к пакетной обработке.

Заархивируйте папку в ZIP — Panda AI принимает архивы до 2 ГБ за один запрос. 1000 фото среднего размера (по 2–3 МБ исходного JPG) укладываются в 2–3 ГБ, поэтому крупные пакеты разделяйте на 2–3 архива.

Шаг 2. Загрузка и выбор режима

Загрузите ZIP в интерфейс пакетной обработки. Выберите параметры:

• Цель фона: «Белый RGB 255» для главных фото WB, «Прозрачный PNG» для последующего монтажа в инфографике.
• Тени: «Контактная мягкая» включена — даёт реалистичный объём, прошедший все автомодерации.
• Размер вывода: «Авто» (сохранит исходное разрешение) или «1500×2000 fit» для приведения к стандарту WB.
• Качество JPG: 92% — оптимум по размеру/качеству, файл получается 600–900 КБ.

Шаг 3. Обработка и контроль

Пакет 1000 фото обрабатывается за 8–15 минут на выделенных GPU Panda AI. В реальном времени видно: обработано 247/1000, прогресс-бар обновляется каждые 2 секунды. При ошибке на отдельном кадре (например, обнаружен запрещённый артефакт) — он попадает в отдельный список «На ручной разбор», остальные продолжают обработку.

Шаг 4. Скачивание и заливка на WB

На выходе — ZIP-архив с теми же именами файлов, что и на входе. Скачиваете, распаковываете, заливаете на WB через стандартный интерфейс «Загрузка по артикулам» или CSV-маппинг через API WB. Если используется автоматизация (1С, MoySklad, Insales) — фото подхватываются по имени файла, дополнительная настройка не требуется.

Цена пакетной обработки и расчёт ROI

Тарификация Panda AI для удаления фона построена на принципе «дешевле в пакете»:

Для сравнения: ручная работа ретушёра-фрилансера на специализированной бирже стоит 30–80 ₽ за фото с удалением фона и кадрированием. На 1000 фото это 30–80 тысяч рублей. Через Panda AI — 200 ₽. Разница ×150–400 раз.

Если у магазина средняя маржинальность 250 ₽ с одного проданного товара, то экономия в 30 000 ₽ на подготовке фото = 120 дополнительных проданных штук. На карточке с CTR 2% это эквивалент 6000 показов — реалистичная цифра для одного товара в первый месяц после публикации.

API для автоматизации — выгрузка из 1С и MoySklad

Селлеры, у которых поток новых SKU 50–200 в неделю, не работают вручную. Все новые товары проходят по пайплайну: 1С/MoySklad/CRM → фото в Yandex S3 → автоматический пайплайн обработки → выгрузка на WB. Panda AI встраивается в этот пайплайн через REST API.

Базовая интеграция выглядит так:

1. Получаете API-ключ в личном кабинете (формат pp_xxxxxxxxxxxxxxxxxxxxxxxx).
2. На стороне вашей CRM/1С появляется событие «Новый товар + фото загружены».
3. Триггерится HTTP-запрос: POST /v1/remove-bg/batch с массивом URL фотографий и webhook-callback на ваш сервер.
4. Panda AI обрабатывает асинхронно, при завершении отправляет webhook с результатом — URL обработанных фото.
5. Ваша система забирает фото, прикрепляет к карточке товара в системе и выгружает на WB через WB API.

Webhook подписаны HMAC-SHA256 (заголовок X-Webhook-Signature), что защищает от подделки. Rate limit стандартного аккаунта — 60 запросов в минуту, по запросу повышается до 600 RPM.

Кейс 1: магазин детской одежды, 1200 SKU за 2 дня

Бренд «Малыш-Story» (название изменено) выходил на WB в марте 2026 с большим ассортиментом сразу — 1200 SKU. Старая схема предполагала найм 3 ретушёров на 2 недели за 180 000 ₽ суммарно. Использовали Panda AI: 3600 фото (3 фото на SKU в среднем) обработаны за 28 минут общего GPU-времени и 720 ₽ стоимости. Команда из 1 человека контролировала пайплайн.

Из 3600 фото 14 ушли в карантин WB на первой модерации — это были фото с пайетками и блёстками, где нейросеть слегка обрезала бликующие крайние пиксели. Эти 14 фото пересняли вручную и обработали повторно. Общий time-to-market — 2 рабочих дня от момента готовности фото до публикации всего каталога.

Кейс 2: аксессуары — кошельки, ремни, шапки

Магазин аксессуаров с оборотом 600 000 ₽/мес обновляет ассортимент еженедельно — по 30–50 новых SKU. Раньше ретушёр работал в формате «прислал в понедельник, получил в пятницу» — 4 дня lag. С Panda AI новые товары попадают в обработку через MoySklad-интеграцию автоматически в момент загрузки исходных фото. Лаг сократился до 5–10 минут на партию.

Это позволило перевести магазин на режим «постоянный новый ассортимент»: каждый понедельник в выдаче WB появляется свежий блок товаров с пометкой «New», что само по себе повышает CTR карточек на 8–12%.

Кейс 3: электроника — гаджеты, аксессуары

Электроника — сложный сегмент: чёрные глянцевые объекты с отражениями плохо сегментируются классическими алгоритмами. На тестах 5 разных AI-сервисов на 200 фото зарядных устройств, наушников и переходников Panda AI показала 98% корректных результатов против 84–91% у конкурентов. Причина — фирменный движок сегментации Panda AI, обученный на коммерческом датасете с большим количеством отражающих объектов и кабелей.

На фото с витыми кабелями (например, USB-C кабели в спирали) автоматика корректно сохраняет петли проводов, не «срезая» их за тонкость. Это критично — раньше такие кадры требовали ручной доработки, занимавшей до 30 минут на сложный товар.

Что делать с lifestyle и инфографикой

Главное фото — белый фон. Дополнительные фото (2–29 в карточке) дают свободу: lifestyle-сцены, инфографика с размерами и характеристиками, фото on-model. Panda AI помогает и здесь — отдельным инструментом редактирования по промпту.

Типовые задачи на доп-фото:

• Заменить фон с реального помещения на студийный — промпт change background to soft beige studio backdrop.
• Добавить размерную сетку прямо на фото — промпт add size chart overlay at bottom right corner.
• Убрать постороннего человека из кадра — промпт remove person on the left, fill with natural background.
• Сменить цвет товара для демонстрации других вариантов — промпт change t-shirt color to navy blue, keep pattern intact.

Стоимость операции редактирования промптом — от 5 ₽ за один кадр. Это всё ещё значительно дешевле работы ретушёра, и быстрее в десятки раз.

Сравнение с Photoshop и старыми сервисами

Adobe Photoshop с подпиской Creative Cloud (3500 ₽/мес) даёт инструмент Quick Selection + Refine Edge, плюс Generative Fill для замены фона. Один файл обрабатывается за 2–4 минуты опытным ретушёром, требует ручного контроля. Скорость — около 15–30 файлов/час.

Remove.bg при платном плане стоит около $200/мес за 1000 кредитов = 18 500 ₽ за 1000 фото. В 90 раз дороже Panda AI при сопоставимом качестве. Бесплатная версия Remove.bg сжимает до 0.25 МП — для WB не годится.

Canva Pro (1600 ₽/мес) включает удаление фона, но без пакетной обработки и без API. Подходит индивидуальным селлерам с 10–30 товарами, не масштабируется.

Частые ошибки селлеров при подготовке фото

За год работы с селлерами накопилась карта типовых ошибок:

• Фото с iPhone «как есть». Базовая камера iPhone выдаёт HEIC 4032×3024 в P3-цветовом профиле. WB не принимает HEIC и неправильно отображает P3. Решение: экспортировать в JPG sRGB прямо в момент съёмки (настройка в iOS).
• Фон серый, а не белый. Стандартный домашний свет даёт фону тёплый или прохладный оттенок. Решение: либо снимать на белом фоне со светом 5500K, либо обрабатывать через нейросеть с заменой на чистый белый.
• Размер 720×960. Минимум 900×1200 строго обязателен. Решение: предварительно увеличить фото через апскейлер до нужного разрешения без потери качества.
• Один и тот же файл для двух карточек. WB банит дубликаты — лучше пересъёмка или редактирование одного из дублей через AI-инпейнт.
• Чёрный фон вместо белого. Иногда новички ставят товар на чёрный фон «для контраста». На белом фоне выдачи такая карточка визуально проваливается. Лучше всегда белый.

FAQ — пакетная обработка фото для Wildberries

Можно ли обработать 5000 фото за один раз?

Через интерфейс — да, разделив на 5 архивов по 1000 фото каждый (рекомендуем — для устойчивости загрузки). Через API — без ограничения по количеству, достаточно отправить 5000 элементов в массив. Обработка займёт 40–80 минут, прогресс отслеживается в реальном времени.

Что будет, если на фото несколько предметов?

Нейросеть распознаёт основной объект и выделяет его целиком. Если в кадре два товара (например, два разных шарфа), оба останутся в кадре — фон уберётся вокруг них. Если нужно вырезать конкретно один из двух — используйте редактор по промпту с указанием «keep only the red scarf».

Сохранятся ли имена файлов при пакетной обработке?

Да. Если на входе был BR-001_main.jpg, на выходе будет BR-001_main.png или BR-001_main.jpg (в зависимости от выбранного формата). Расширение меняется только если меняется формат, основное имя сохраняется. Это критично для автоматизации заливки на WB.

Подходит ли для одежды на манекене?

Да, и WB как раз требует одежду на модели или манекене для категорий fashion. Panda AI корректно обрабатывает манекены: оставляет одежду, убирает манекен полностью (для «висящего» эффекта), либо оставляет манекен на белом фоне. Параметр выбирается в настройках обработки.

Что делать, если у товара полупрозрачные части?

Тонкий шифон, прозрачное стекло, бокалы, кружево — это сложные случаи. Panda AI использует alpha-channel matting: полупрозрачные пиксели получают alpha от 0 до 255, объект остаётся реалистично прозрачным. На выходе PNG корректно показывает прозрачность в Photoshop и в выдаче WB.

Можно ли откатить обработку, если результат не понравился?

Оригинальные файлы хранятся 72 часа в системе. В этот период можно скачать исходники и попробовать другие настройки обработки бесплатно. После 72 часов оригиналы автоматически удаляются (согласно политике хранения данных), для повторной обработки нужно загрузить файлы заново.

Поддерживается ли интеграция с CRM 1С?

Да, через REST API. Готовая обёртка для 1С доступна как внешняя обработка (.epf). Запрашивайте у поддержки. Принцип работы: в 1С добавляется кнопка «Подготовить фото к WB», которая отправляет фото товара в Panda AI и записывает обработанные URL обратно в карточку номенклатуры. Время интеграции — 2–4 часа работы 1С-программиста.

Что входит в стоимость 0.20 ₽ за фото?

В цену включено: удаление фона фирменным AI-движком Panda AI, добавление мягкой контактной тени (опционально), приведение к нужному формату (JPG/PNG), сохранение исходного разрешения или приведение к заданному (например, 1500×2000), хранение результата 72 часа на CDN с быстрой выгрузкой. Без скрытых платежей за «премиум-режимы» — все возможности доступны на любом тарифе.

А если карточка всё равно не прошла модерацию WB?

В среднем 1.5–2% карточек могут не пройти автомодерацию по причинам, не связанным с фоном — например, в кадре остался ценник, или объект слишком близко к границе кадра. Для таких случаев в Panda AI есть инструмент редактирования по промпту: загружаете отклонённое фото, выделяете проблемную область, описываете действие — «remove price tag», «add 8% padding around object». Стоимость от 5 ₽ за операцию.

Можно ли получить тестовый доступ перед оплатой?

Да. Новые пользователи получают 10 ₽ на счёт сразу после регистрации — этого хватает на 50 фото обработки в режиме «1 ₽/фото» или 50 фото в тестовом пакете. Этого достаточно, чтобы проверить качество на ваших реальных кадрах. Все тарифы и пополнение баланса — в личном кабинете.