> ## Documentation Index
> Fetch the complete documentation index at: https://docs.didit.me/llms.txt
> Use this file to discover all available pages before exploring further.
# API d'estimació d'edat: verificació d'edat per selfie
> Verifica l'edat amb Didit mitjançant selfie i IA. $0.10 per crida, error mitjà d'1.1 anys als 16-17 anys i alternativa amb verificació d'identitat.
L'Estimació d'edat de Didit prediu l'edat d'una persona a partir d'una selfie, amb prova de vida passiva inclosa, de manera que pots controlar l'accés a serveis amb restricció d'edat sense demanar un document d'identitat a cada usuari. El model és més precís just allà on es pren la decisió sobre el control d'edat: el seu error absolut mitjà és d'1,1 anys per a joves de 16 i 17 anys i d'1,9 anys per a persones de 18 a 20 anys, i classifica correctament el 96% de les selfies com a menors de 18 anys o de 18 anys o més (consulta [Rendiment del model](#rendiment-i-estadístiques-del-model)).
Prompt d'integració d'Estimació d'edat
Copia el prompt al porta-retalls
\
\````# Goal
Integrate Didit Age Estimation (selfie-based age gating, includes passive liveness) into your app. Pick ONE mode.
\# Mode A — Session-based (embedded in Liveness)
In hosted Didit flows, age estimation is **embedded inside the Liveness step** — there is no separate "age_estimation" workflow feature. Enable age estimation on the Liveness node in the Business Console.
1\. Configure the workflow's LIVENESS feature with age estimation enabled and set age_estimation_decline_threshold (default 18).
2\. Create a session — POST /v3/session/ with { workflow_id, vendor_data, callback }. See /sessions-api/create-session.
3\. Open session.url for the user (or mount the Web/Mobile SDK).
4\. Fetch the decision — GET /v3/session/{sessionId}/decision/.
Decision surface: the result lives at `liveness_checks[].age_estimation` on each Liveness entry (not in a top-level age_estimations[] array).
\# Mode B — Standalone API (server-to-server, age + liveness in one call)
Use when you already have a selfie and need a one-shot age gate.
POST https://verification.didit.me/v3/age-estimation/
multipart/form-data — x-api-key: YOUR_API_KEY
curl example:
\```bash
curl -X POST 'https://verification.didit.me/v3/age-estimation/' \
-H 'x-api-key: YOUR_API_KEY' \
-F 'user_image=@./selfie.jpg' \
-F 'age_estimation_decline_threshold=18' \
-F 'save_api_request=true' \
-F 'vendor_data=user-1234'
\```
Returns: { request_id, age_estimation: { status, method: "PASSIVE", age_estimation (float, years), score (passive-liveness 0-100), user_image: {entities}, warnings: [...] } }.
Required: `user_image` (jpg/jpeg/png/tiff/webp, max 5 MB; PDFs not accepted). The largest face wins when multiple are present.
\# Decision logic
status="Declined" when ANY of the following is true:
\- passive-liveness score ≤ face_liveness_score_decline_threshold (default 30)
\- predicted age < age_estimation_decline_threshold (default 18)
\- no face detected
\- liveness model flagged a presentation attack
\# Status enum
"Not Started" | "In Progress" | "Approved" | "In Review" | "Declined" | "Abandoned" | "Kyc Expired"
\# Warnings
warnings[] risk codes include:
AGE_BELOW_MINIMUM, AGE_NOT_DETECTED, LOW_LIVENESS_SCORE, NO_FACE_DETECTED, LIVENESS_FACE_ATTACK, MULTIPLE_FACES_DETECTED.
Full catalogue: /core-technology/age-estimation/warnings-age-estimation.
\# Failure modes to handle
\- HTTP 400 — missing or oversized user_image, unsupported extension.
\- HTTP 403 — out of credits.
\- status="Declined" with AGE_BELOW_MINIMUM — user is below the configured age; reject.
\- status="Declined" with LOW_LIVENESS_SCORE / LIVENESS_FACE_ATTACK — presentation attack suspected; reject.
\- AGE_NOT_DETECTED — the model could not extract age (poor image quality); request a retake.
\# See also
\- Canonical schema: /reference/data-models#age-estimation
\- Per-feature report: /core-technology/age-estimation/report-age-estimation
\- Risk catalogue: /core-technology/age-estimation/warnings-age-estimation
\- Full integration playbook: /integration/integration-prompt````
\
Enganxa a
## Mètodes d'estimació d'edatLa nostra plataforma implementa l'estimació d'edat conjuntament amb diferents tecnologies de prova de vida:
| Mètode |
Descripció |
Nivell de seguretat |
Ideal per a |
| **`3D Action & Flash`** |
• Combina la verificació biomètrica multifactor amb una **seqüència d'accions aleatòria** i **anàlisi de patrons de llum dinàmics**.\
• Al començament, se sol·licita a l'usuari que faci una acció senzilla, com ara **parpellejar** o **assentir amb el cap**, la qual cosa garanteix una interacció en temps real.\
• Simultàniament, el sistema projecta una seqüència de patrons de llum sobre la cara i n'analitza els **reflexos** per confirmar l'estructura tridimensional del rostre.\
• **Algoritmes d'aprenentatge profund** examinen les microexpressions i les respostes de reflexió de la llum per verificar la presència d'una persona viva.\
• Ofereix la **màxima seguretat** integrant indicis conductuals (acció) i físics (profunditat basada en llum), fent que sigui gairebé impossible de suplantar amb imatges estàtiques, vídeos o fins i tot màscares avançades.
|
Màxim |
Banca, sanitat, aplicacions governamentals |
| **`3D Flash`** |
• Utilitza l'**anàlisi de patrons de llum dinàmics** per validar la topologia facial sense necessitat d'interacció per part de l'usuari.\
• Projecta una sèrie de patrons de llum sobre la cara a més de **30 fotogrames per segon**, analitzant els reflexos per crear un **mapa de profunditat**.\
• Aquest mapa de profunditat confirma l'estructura tridimensional del rostre i el distingeix d'imatges planes o suplantacions en 2D.\
• Proporciona una **experiència fluida** alhora que manté una **alta seguretat** davant d'atacs de presentació com ara fotos o pantalles.\
|
Alt |
Serveis financers, accés a comptes, verificació d'identitat |
| **`Passive Liveness`** |
• Es basa en l'**anàlisi d'aprenentatge profund d'un sol fotograma** per detectar indicis de vida.\
• Per privacitat, la cara de l'usuari apareix difuminada a la interfície, garantint-li que la seva imatge només s'analitza per a l'estimació d'edat i no per a la identificació.\
• Examina la imatge per detectar **artefactes**, **patrons de textura** i altres indicadors subtils que diferencien una cara real d'una suplantació.\
• Una **xarxa neuronal convolucional (CNN)** valida els trets facials i identifica anomalies, com les procedents de fotos impreses o pantalles digitals.\
• Ofereix una verificació **ràpida i còmoda**, però proporciona una **seguretat estàndard**, adequada per a casos d'ús de baix risc.\
|
Estàndard |
Escenaris amb poca fricció, aplicacions per a consumidors |
Cada mètode genera una estimació d'edat precisa juntament amb puntuacions de confiança i dades complementàries d'estimació de gènere.### Llindars configurablesPots personalitzar els nivells de seguretat definint diferents llindars per a l'estimació d'edat. Per exemple:> [!NOTE]
>
> Aquests llindars es poden ajustar segons la teva tolerància al risc i els teus requisits de seguretat.### Restriccions d'edat per paísLes restriccions d'edat es poden configurar **per país**, reflectint el fet que la majoria d'edat legal varia segons la jurisdicció. En lloc d'establir una única edat mínima o màxima global, pots definir límits d'edat específics per a cada país, i fins i tot per a estats o regions individuals dins d'un mateix país.#### Com funciona- **Configuració a escala de país**: defineix una edat mínima i/o màxima per a cada país (identificat per l'estat emissor del document). Per exemple, pots exigir una edat mínima de 18 anys als Estats Units, 19 a Corea del Sud i 21 als Emirats Àrabs Units.
- **Configuracions específiques per estat/regió**: en països amb variacions subnacionals (com els Estats Units o Mèxic), pots configurar excepcions per estat. Per exemple, Mississipí pot requerir una edat mínima de 21 anys, mentre que el valor per defecte dels EUA és de 18. El sistema fa coincidir l'estat mitjançant la regió extreta del document per OCR.
- **Valors per defecte de majoria d'edat**: la consola ofereix un botó "Aplica la majoria d'edat" d'un sol clic que emplena automàticament l'edat mínima de cada país a partir de la majoria d'edat legal coneguda arreu del món. Després pots personalitzar països o estats individuals segons convingui.
- **Accions configurables**: quan l'edat d'un usuari se situa per sota del mínim o supera el màxim per al país del seu document, pots triar l'acció a dur a terme: **Rebutjar** o **Revisar**.#### Exemple de configuració| País | Edat mínima | Edat màxima | Configuracions específiques per estat |
| - | - | - | - |
| USA | 18 | -- | Mississippi: 21, Alabama: 19 |
| KOR | 19 | -- | -- |
| GBR | 18 | 65 | -- |
| ARE | 21 | -- | -- |> [!NOTE]
>
> Les restriccions d'edat per país estan disponibles tant en fluxos de treball estàndard de KYC com en fluxos de treball d'Adaptive Age Verification. En els fluxos de treball adaptatius, quan s'activa la verificació d'identitat per a casos límit, la comprovació d'edat utilitza la configuració per país definida al pas de Verificació d'identitat.## Com funciona**1. Captura d'imatge o vídeo**L'usuari proporciona una imatge facial nítida mitjançant una càrrega a través de l'API o completa un procés de prova de vida.| Comprovació | Descripció |
| - | - |
| **Qualitat de la imatge** | Valida la il·luminació, la posició i la nitidesa |
| **Verificació de prova de vida** | Garanteix que el subjecte és present i que no es tracta d'un intent de suplantació |
| **Anàlisi multifotograma** | Selecciona el fotograma òptim per a la màxima precisió |
| **Captura adaptativa** | S'ajusta a les diferents capacitats del dispositiu |**2. Anàlisi de trets facials**Un detector localitza cada cara i cada persona a la imatge, i s'analitza la cara més gran.- **Retall de la cara**: la cara exactament tal com s'ha detectat, analitzada segons la morfologia facial, les proporcions i la textura de la pell
- **Context corporal**: la resta de la imatge, amb la cara emmascarada, afina l'estimació
- Es detecten diverses cares en una imatge i se n'informa perquè la sessió es pugui gestionar en conseqüència**3. Processament mitjançant xarxes neuronals**Dues xarxes neuronals profundes complementàries estimen l'edat de manera independent, i l'estimació final és la seva mitjana.- Un transformer llegeix conjuntament els retalls de la cara i del cos; una xarxa convolucional llegeix la cara
- Cada xarxa executa cinc models entrenats amb diferents divisions de les dades i en fa la mitjana de les estimacions, cosa que estabilitza el resultat
- Entrenats amb edats confirmades per documents d'identitat, amb una bona representació d'adolescents, adults joves i tots els grups de to de pell
- Avaluats únicament amb selfies i amb persones que els models no havien vist mai durant l'entrenament**4. Decisió i anàlisi complementària**El sistema genera un resultat complet:| Sortida | Descripció |
| - | - |
| **Estimació d'edat** | Estimació principal amb puntuació de confiança |
| **Estimació de gènere** | Context demogràfic complementari (opcional) |
| **Mètriques de confiança** | Avaluació global de la fiabilitat |
| **Factors ambientals** | Avaluació de l'impacte en la qualitat de l'estimació |**5. Aplicació de regles**Les teves regles de negoci configurades s'apliquen als resultats de l'estimació.- L'estimació d'edat es compara amb els teus **llindars configurats** (mínim/màxim per país)
- Es comprova que les puntuacions de confiança compleixin els teus requisits mínims
- Els **casos límit** poden activar el recurs a la verificació d'identitat (mode adaptatiu)
- Resultats documentats amb un **registre d'auditoria** detallat per al compliment## Estimació d'edat adaptativaPer a escenaris on la verificació precisa de l'edat és crítica, la nostra plataforma ofereix estimació d'edat adaptativa amb verificació d'identitat com a alternativa. Aquest enfocament proporciona un equilibri entre la comoditat de l'usuari i el compliment normatiu.### Com funciona l'estimació d'edat adaptativa**1. Estimació inicial de l'edat**El sistema intenta primer estimar l'edat de l'usuari mitjançant anàlisi facial. Es genera una puntuació de confiança juntament amb l'estimació d'edat.**2. Avaluació dels llindars**L'edat estimada es compara amb els teus llindars configurats. Hi ha tres resultats possibles:| Resultat | Descripció |
| - | - |
| **Aprovació clara** | L'usuari supera clarament el llindar d'edat requerit |
| **Denegació clara** | L'usuari està clarament per sota del llindar d'edat requerit |
| **Cas límit** | L'edat estimada cau dins d'un rang incert o té poca confiança |**3. Alternativa intel·ligent**- **Aprovació/denegació clara**: la verificació finalitza immediatament amb el resultat corresponent
- **Casos límit**: el sistema inicia automàticament un **flux de verificació d'identitat**
- Això garanteix el compliment normatiu alhora que minimitza la fricció per a la majoria d'usuaris**4. Verificació de documents (quan calgui)**En els casos límit, l'usuari proporciona un document d'identitat oficial:- Es verifiquen l'autenticitat del document i la informació sobre l'edat
- S'apliquen les **Restriccions d'edat per país** del pas de verificació d'identitat
- El sistema comprova la data de naixement respecte a l'edat mínima o màxima per al país emissor i la regió del document
- **Es fa una coincidència facial 1:1 entre el retrat del document i la selfie ja capturada per a l'estimació d'edat**, de manera que la data de naixement del document queda vinculada a la persona que hi ha davant de la càmera### Què retorna l'alternativaLa coincidència facial alternativa s'executa sense un node de coincidència facial al flux de treball, per la qual cosa apareix a la decisió de la sessió i es pot confondre fàcilment amb una comprovació que no has configurat mai:- `features` llista `FACE_MATCH` a més de `AGE_ESTIMATION` i `ID_VERIFICATION` un cop s'ha executat l'alternativa.
- `face_matches[]` conté una entrada amb la `score`, la `source_image` (retrat del document) i la `target_image` (selfie de l'estimació d'edat). El seu `node_id` és el **node d'estimació d'edat** (`feature_age_estimation` en un flux de treball natiu) perquè la coincidència pertany a aquest pas, no a un pas de coincidència facial.
- Una puntuació baixa activa les [advertències de coincidència facial](https://docs.didit.me/ca/core-technology/face-match/warnings-face-match.md) habituals i pot enviar la sessió a revisió o rebutjar-la, exactament igual que faria un node de coincidència facial configurat.
- **No es factura** com a coincidència facial: a la sessió només se li cobra l'estimació d'edat i la verificació d'identitat.Les sessions que s'aproven o es rebutgen només amb la selfie no executen mai l'alternativa, de manera que retornen `face_matches: null`. Per mantenir les imatges fora del payload de decisió, limita els camps de `face_matches` amb els [atributs de resposta](https://docs.didit.me/ca/sessions-api/retrieve-session.md) del flux de treball.> [!NOTE]
>
> L'estimació d'edat adaptativa es pot configurar mitjançant el tipus de flux de treball de [Verificació d'edat adaptativa](https://docs.didit.me/ca/console/workflows.md). Pots definir els llindars d'edat per als casos límit que determinen quan s'activa la verificació d'identitat. L'aprovació o denegació final basada en l'edat per als casos límit es regeix després per les restriccions d'edat per país configurades al pas de verificació d'identitat.### Avantatges de l'estimació d'edat adaptativa- **Menys fricció**: la majoria dels usuaris completen la verificació només amb una selfie
- **Més compliment normatiu**: els casos incerts reben una verificació exhaustiva de documents amb regles d'edat específiques de cada país
- **Eficiència econòmica**: la verificació d'identitat només s'utilitza quan és necessari
- **Tolerància al risc personalitzable**: ajusta els llindars segons els teus requisits normatius
- **Adaptat a la jurisdicció**: aplica automàticament la majoria d'edat correcta segons el país emissor i la regió del document de l'usuariAquest enfocament és especialment valuós per a serveis amb restricció d'edat com el joc en línia, el lliurament d'alcohol i les plataformes de contingut per a adults, on equilibrar l'experiència d'usuari amb el compliment normatiu és fonamental.## Assegurament de l'edat (ISO/IEC 27566-1)Un flux de treball pot declarar que compleix l'estàndard d'assegurament de l'edat ISO/IEC 27566-1.
Crea'l a partir de les plantilles de la consola **Estimació d'edat (ISO/IEC 27566-1)** o **Verificació d'edat (ISO/IEC 27566-1)**.
La declaració es fa quan es crea el flux de treball i no es pot modificar posteriorment.Mentre un flux de treball declara l'estàndard, Didit el fixa a una resposta de sí o no sobre l'edat d'un sol ús.
La configuració fixada s'aplica cada vegada que es desa, tant a la consola com mitjançant l'API:- **Reps la decisió d'edat i res més.** Els atributs de resposta estan bloquejats, de manera que la decisió no conté dades personals.
- **13 és la menor edat mínima** a cada país, a cada configuració regional específica i als llindars d'estimació d'edat adaptativa. Es rebutja qualsevol valor inferior.
- **Sense reconeixement entre sessions.** Les comprovacions de documents duplicats i cares duplicades estan desactivades, i no s'emmagatzema cap plantilla biomètrica.
- **Captura limitada.** Els documents es capturen només amb la càmera, sense càrrega de fitxers, sense captura silenciosa de selfie mentre es fotografia el document i sense gravació d'àudio.
- **Sense comprovacions de dades addicionals.** La comparació dels detalls esperats i el pas de revisió de dades estan desactivats, i la verificació d'identitat només llegeix documents, sense consultes en bases de dades ni carteres d'identitat digital.
- **Cal un llindar obligatori.** Un flux de treball sense llindar d'edat es rebutja en desar-lo, de manera que mai no podrà aprovar tothom per defecte.## Rendiment i estadístiques del modelLes xifres següents descriuen el model d'edat en producció des del 4 de novembre de 2026.
Provenen del seu conjunt d'avaluació tancat: 2.399 selfies de persones de 13 anys o més, reservats abans de l'entrenament, amb l'edat de cada persona extreta del seu document d'identitat verificat.
Cap model es va entrenar amb aquests selfies ni amb aquestes persones.
Les xifres globals corresponen a un conjunt d'avaluació amb un 10% de menors de 18 anys i amb adults segons la distribució d'edat del trànsit real; a continuació es detalla cada franja d'edat per separat.### Mètriques de precisió
| Mètrica |
Valor |
Descripció |
| **Error absolut mitjà (MAE)** |
2,6 anys |
Diferència mitjana entre l'edat estimada i la del document |
| **Desviació estàndard** |
2,3 anys |
Quant varia l'error d'una estimació a una altra |
| **Classificació correcta amb un llindar de 18 anys** |
96.0% |
Selfies classificats correctament com a menors de 18 anys o de 18 anys o més, sense franja alternativa; com a mínim un 95.3% amb una confiança del 95% |
### Rendiment per franges d'edatL'error és més baix al voltant de les edats on es decideix el control d'accés per edat, i creix amb l'edat.
| Franja d'edat |
MAE (anys) |
Desviació estàndard (anys) |
| 13-15 |
1,70 |
1,17 |
| 16-17 |
1,14 |
1,37 |
| 18-20 |
1,86 |
1,74 |
| 21-25 |
2,21 |
1,78 |
| 26-40 |
2,77 |
2,20 |
| 41-60 |
3,03 |
2,62 |
| Més de 60 |
4,33 |
3,64 |
> [!NOTE]
>
> La desviació estàndard descriu quant varia l'error de les estimacions individuals, no la incertesa de la mitjana.
> Una estimació que es trobi a un o dos anys de la teva edat mínima pot caure a un costat o a l'altre: quan una decisió errònia a prop del llindar sigui important, envia aquesta franja límit al [mecanisme alternatiu adaptatiu de verificació d'identitat](#estimació-d’edat-adaptativa).
This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.