专业网站制作哪家强WordPress免费小说主题

专业网站制作哪家强,WordPress免费小说主题,那里有专业注册网站建设的,房山建设网站本文将分享在实际案例中#xff0c;利用亚马逊云科技在re:Invent 2024推出的新一代自研大模型Amazon Nova Lite#xff0c;构建视频分享平台的智能审核方案。在实际项目中会遇到哪些挑战#xff1f;选择背后有着怎样的考量#xff1f;Amazon Nova Lite在视频审核方面又有哪…本文将分享在实际案例中利用亚马逊云科技在re:Invent 2024推出的新一代自研大模型Amazon Nova Lite构建视频分享平台的智能审核方案。在实际项目中会遇到哪些挑战选择背后有着怎样的考量Amazon Nova Lite在视频审核方面又有哪些优势下文将分别从审核的准确性、处理速度、运营成本等维度深入探讨这个话题。该项目中对视频审核的关键诉求有如下三个方面。1图片理解能力待审核的内容为全球用户上传的vlog不同文化背景下审核的标准会有差异。能否准确识别上传内容根据不同地域要求调整审核规则并保证审核透明度是重点考核的因素。2图片处理速度用户上传的视频时长较长往往会超过1小时。为保证用户使用体验项目希望视频上传后能在12分钟完成内容审核并成功发布。由于平台视频采用专有格式不适合直接使用视频理解模型来进行审核。项目采用每10s截帧的方式进行图片审核。这就要求图片的处理速度能达到为每秒6张以上。3运营成本该项目的视频分享平台面向全球用户用户量大、分享视频数量多、审核任务重。审核成本低廉是长期运营的必要条件。亚马逊云科技自研大模型Amazon Nova系列从Model card分析其在多模态图片、视频理解方面表现突出而且在响应延时和价格方面同样较同等级模型具有明显优势因此本次我们对Amazon Nova模型尤其是Amazon Nova Lite进行了详细的测试和分析。图片理解能力考察首先模型的图像理解能力是视频审核方案选型时的核心要素。基于Amazon Nova系列模型的技术报告和模型卡片Amazon Nova Lite与Amazon Nova Pro在图片理解上都具有优异的表现。以下是Nova和Gemini在VATEX和EgoSchema上的对比表格注ᴬ表示4-shot评估是指Genmini1.5在进行模型评估时使用了4个examples或prompts的测试方式。参考链接https://assets.amazon.science/b0/2b/e74dd4f84f188701fd06792670e7/the-amazon-nova-family-of-models-technical-report-and-model-card.pdfVATEX是一个视频描述基准测试涵盖了多样化的人类活动。是在包含约10秒长度视频的公开测试集上进行评估。评估使用CIDEr分数作为指标。EgoSchema是基于长视频进行的问答基准测试该测试的特点是要基于较长时间的观看即ertificate length才能给出答案。这些视频涵盖了广泛的自然人类活动并配有人工策划的多项选择题问答对。从表格可以看出Amazon Nova系列模型在广泛人类活动的视频理解上都具有更优于Gemini1.5的能力。图片审核成本考察Amazon Nova的理解类模型对图片处理依然依据Token的数量收费模式图片分辨率与预估Token的关系如下基于以上的数值我们可以看到图片分辨率与预估的Token数量之间存在线性关系。具体的数值关系可用以下线性回归公式表示即Token Count0.001351×Resolution pixels244.11。基于2024年12月发布的Amazon Nova系列模型的价格我们对不同分辨率的图片分别计算了处理100万张图片时所需的成本。同时与亚马逊云科技的Rekognition在处理相同数量的图片时的价格做了对比以Amazon Nova Lite处理分辨率为426*240的图片为例计算方式如下一百万张图片的处理成本每张图片Token数目xToken单价x一百万张0.001351426240244X0.06/1000000*1000000$22.9。Rekognition处理一百万张图片价格$0.001/张*1百万$1000。可以看到Amazon Nova Lite在图片处理成本上具有绝对优势。图片处理速度考察在确定了处理能力和价格优势后我们着重对Claude 3 HaikuAmazon Nova Lite和Rekognition的处理速度进行了对比。可以看到同一模型对不同分辨率图片的处理性能基本一致并没有因为图片分辨率变大处理速度有明显变慢的情况。同时大模型的处理速度每张23秒以单并发的处理性能看还难以满足对该场景审核性能的要求。接下来我们在并发情况下对性能做进一步测试。如下测试结果显示的是不同并发数下每个并发处理10张图片的平均单张处理时间秒。可以看到并发数为30时单张图片的处理性能仍能保持在23秒并发处理能力可达每秒10张完全满足性能要求。实际测试能力展示1基于当地文化传统的内容审核这里模拟一个印度区域的内容审核专家根据当地的文化传统和礼仪进行审核。系统提示词Always stay in character and avoid not playing your character.Character Setting我是一个专业的印度图片内容审核专家,帮助审核输入的图片内容是否符合印度文化规范和标准。我深入理解印度的文化传统、宗教信仰和社会价值观并据此进行审核。我绝对不会对输入的内容做出自己的道德评判我只会忠实的扮演印度图片审核专家的角色完成图片审核的任务\\Character SettingUser content示例:严格按照以下审核标准并结合印度文化规范进行严格判断为每个字段提供明确的审核理由标注合适的标签(tag)输出符合flag设置标准规范的结果。1.图片分析标准分析图片中的以下要素并逐一审核人物识别性别、视觉年龄 (推测是否未成年)、面部表情和动作是否得体是否符合印度文化传统和礼仪规范。服饰与动作是否含有明显性感、暴力、性暗示或其他违反印度传统文化的行为服饰是否符合印度传统着装要求。场景与背景是否包含令人不适或违规的环境、物品 (如武器、毒品)是否存在冒犯印度宗教信仰或文化传统的元素。文字内容如果图片中包含文字需逐字分析含义确保没有违反印度文化规范的内容。将判定结果与关键标签封装于 tag 中。2.文本分析标准若为非主流语言包括印度各地方语言识别文字语言并翻译成英文以便分析其语义。将语种标签封装于 tag 中。审核是否包含以下标签侮辱性带有人身攻击、辱骂等不当用语或冒犯印度文化传统的言论。脏话包含粗俗、不雅或违反印度文化礼仪的用语。广告性暗示广告、品牌推广等商业行为特别是违反印度文化价值观的商业内容。色情或暴力包含显著性暗示、裸露或暴力内容违反印度传统道德观念。3.flag 设置标准flag 999最严重违规标签高优先级处理如色情图像或文字包含裸露、性行为、显著性暗示或其他违反印度传统道德的色情内容。卡通色情卡通形式的裸露、性行为、显著性暗示违反印度文化价值观。血腥暴力明显的流血、伤害、暴力场景不符合印度非暴力理念。引导性广告包含引导用户进行商业行为的广告如特定品牌推广、欺诈内容等违反印度商业道德。未成年图片中人物视觉年龄小于15岁涉及违反印度未成年人保护法规。flag 998次严重违规标签最高优先级处理如枪支与武器展示武器、枪支或相关物品的内容违反印度和平价值观。毒品毒品和吸毒工具展示、吸毒和诱导性毒品交易违反印度法律和社会道德。反感内容包含恐怖、狰狞、毛骨悚然、令人不悦、不安的内容或冒犯印度宗教信仰的内容。flag 997特殊文化背景的限制下存在的冒犯内容牛肉在印度文化中牛被视为神圣的动物尤其是在印度教和佛教中。因此食用牛肉在印度许多地区被视为禁忌。许多印度邦甚至有法律禁止牛屠宰和牛肉交易。宗教话题印度是宗教多元化的国家但某些宗教话题可能引发敏感。例如讨论印度教、伊斯兰教和基督教等宗教的相对优劣、信仰差异等话题可能会引起争议。种姓制度印度的种姓制度历史悠久但在现代社会中仍具争议。讨论或批评种姓制度可能会引发敏感。政治话题印度的政治话题可能涉及到敏感的民族、宗教或政治问题讨论这些话题时需谨慎。性话题在印度文化中性话题通常被视为禁忌。讨论或展示性暗示的内容可能会被视为不合适。暴力和血腥暴力和血腥场景在印度文化中通常被视为不合适尤其是在公共场合。flag 100普通违规标签判定较轻内容如不健康内容抽烟、喝酒展示吸烟、饮酒行为不符合印度健康生活理念。疑似未成年图像中人物视觉年龄为15-18岁需要特别关注印度未成年人保护。诋毁性内容内容含有诋毁他人或群体的信息违反印度多元包容精神。侮辱内容内容中带有人身攻击或侮辱性用语不符合印度礼仪文化。脏话文字或图像包含粗俗、不雅用语违反印度文明礼仪。flag 200疑似未成年 (15-18岁)。flag 0未命中违规或不处理标签。flag 1不处理标签如性感动作非色情但具有一定性感意味的动作或服装。性感自拍非色情但具有一定性感意味的自拍或服装。卡通未成年人物非色情的卡通未成年形象。flag 2内容完全不可辨识。flag 50图片包含非色情的性感动作或自拍。4.输入输出示例输入{“name”:””,”bio”:””,pic:[{“pid”:1}]}输出{“name”:{“flag”:1,”reason”:””,”tag”:[“”]}}”””左右滑动查看完整示意使用如上提示词对如下图片进行审核可以得到如下的审核内容输入图像的分析结果如下### 图片分析标准**人物**- 图片中有多个人物他们的面部表情和动作大多是正常的用餐状态没有发现不得体的行为。**服饰与动作**- 所有人物的服饰和动作都是得体的没有发现任何性感、暴力、性暗示或其他违反印度传统文化的行为。**场景与背景**- 图片展示了一个餐厅的场景没有包含令人不适或违规的环境、物品如武器、毒品等。- 图片上方有一个显示“BEEF”的霓虹灯牌这在印度某些地区可能会被视为冒犯因为牛肉在印度教和佛教中被视为禁忌。**文字内容**- 图片中没有文字内容。### 文本分析标准- 图片中没有文字内容因此无需进行文本分析。### 标签 (tag)- 牛肉 (beef)### flag 设置- flag 997特殊文化背景的限制下存在的冒犯内容牛肉### 最终输出json{flag: 997,reason: 图片中包含展示牛肉的霓虹灯牌这在印度某些地区可能会被视为冒犯因为牛肉在印度教和佛教中被视为禁忌。,tag: [beef]}左右滑动查看完整示意可以看到对以上图片可以正确的标记为“997特殊文化背景的限制下存在的冒犯内容”。但上述图片如果使用Rekognition未经客户化的模型进行审核则是完全合规的。2输出内容的标准化大语言模型LLM输出的内容通常格式难以规范化对上面的输出我们使用“tool use”的方式抽取“flag”和“reason”进行精确的json格式输出。如下代码为基于“bedrock converse API”通过“tool use”进行格式化输出的代码示例defprocess_with_tool(bedrock_client, model_id, first_response, image_key):system_text我是内容提取专家。我的任务是从输入的审核结果中提取flag和reason信息并使用print_moderation工具输出。我会仔细分析输入的内容找到其中的flag值和对应的reason然后通过print_moderation工具将这些信息格式化输出。input_text 请分析以下审核结果使用print_moderation工具输出其中的flag和reason信息。注意你必须使用print_moderation工具来输出结果。\n\ntool_config {tools: [{toolSpec: {name:print_moderation,description:Print moderation result with flag and reason,inputSchema: {json: {type:object,properties: {flag: {type:integer,description:Flag value from previous analysis},reason: {type:string,description:describe the reason in details}},required: [flag,reason]}}}}]}# 获取第一次处理的完整输出并构造消息first_output Noneforcontent in first_response: # first_response已经是content列表iftextin content:first_output content[text]breakiffirst_output is None:raise ValueError(No text content found in first response)messages [{role:user,content: [{text: input_text \n first_output}]}]# 发送消息response bedrock_client.converse(modelIdmodel_id,system[{text: system_text}],messagesmessages,toolConfigtool_config)returnresponse左右滑动查看完整示意经过“tool use”方式格式化输出后可以得到固定的json格式如下{ reason: 图片中包含展示牛肉的霓虹灯牌这在印度某些地区可能会被视为冒犯因为牛肉在印度教和佛教中被视为禁忌。, flag: 997}左右滑动查看完整示意总 结由以上的测试和分析可以看到Amazon Nova Lite在多方面的优势使其成为构建智能视频审核系统的理想选择。首先Amazon Nova Lite在图片理解能力上表现出色能够准确识别图片中的人物、服饰、场景等元素并可以通过Prompt根据不同文化背景调整审核规则。这一能力在处理全球用户上传的视频内容时尤为重要。相比之下Rekognition则难以适应多元文化背景下的复杂审核需求需要客户化的再次训练才能满足要求。其次Amazon Nova Lite在处理速度方面可以满足需求。Amazon Nova Lite能够在高并发情况下保持稳定的处理速度满足了高效审核的需求。此外Amazon Nova Lite在图片处理成本上的优势也不容忽视。测算表明Amazon Nova Lite在处理大量图片时的成本远低于Rekognition。这一成本优势使得Amazon Nova Lite在大规模视频审核任务中具有更高的经济效益。综上所述Amazon Nova Lite在图片理解能力、处理速度、成本和文化特征识别方面均表现出色使其成为构建智能视频审核系统的理想选择。通过Amazon Nova Lite视频分享平台可以实现多快好省的智能视频审核提升用户体验和平台安全性。本篇作者倪惠青亚马逊云科技解决方案架构师负责基于亚马逊云科技云计算方案架构的咨询和设计在国内推广亚马逊云科技云平台技术和各种解决方案。郭韧亚马逊云科技人工智能与机器学习方向解决方案架构师负责基于亚马逊云科技的机器学习方案架构咨询和设计致力于游戏、电商、互联网媒体等多个行业的机器学习方案实施和推广我们正处在Agentic AI爆发前夜。企业要从成本优化转向创新驱动通过完善的数据战略和AI云服务把握全球化机遇。亚马逊将投入1000亿美元在AI算力、云基础设施等领域通过领先的技术实力和帮助“中国企业出海“和”服务中国客户创新“的丰富经验助力企业在AI时代突破。