Text Moderation 2.0 menggunakan large language models (LLMs) untuk mendeteksi teks yang tidak pantas. Dibandingkan dengan pendekatan berbasis aturan, LLM mampu mengidentifikasi pelanggaran yang kompleks dan halus dengan akurasi lebih tinggi.
Untuk memberikan masukan atau permintaan fitur, hubungi account manager Anda.
Layanan
Layanan moderasi teks berbasis LLM berikut tersedia:
Layanan | Deskripsi | Kasus penggunaan |
Nama layanan: UGC Text Moderation (LLM) Layanan: | Layanan moderasi teks UGC yang mendukung 119 bahasa, termasuk Tiongkok, Inggris, Spanyol, Prancis, Portugis, Italia, Arab, Jepang, Korea, Indonesia, Rusia, Vietnam, Jerman, dan Thailand. Untuk daftar lengkap item yang dapat dideteksi, lihat Konsol Content Moderation. | Moderasi teks UGC tujuan umum. |
Nama layanan: UGC Scenario Text Moderation Large Model Service_China Version Layanan: | Layanan moderasi teks berbasis LLM untuk skenario UGC. Untuk daftar lengkap item yang dapat dideteksi, lihat Konsol Content Moderation. | Gunakan untuk moderasi teks UGC yang menargetkan pasar Tiongkok daratan. |
Penagihan
Layanan moderasi teks berbasis LLM mendukung dua metode penagihan: bayar sesuai pemakaian.
Bayar sesuai pemakaian
Saat Anda mengaktifkan layanan Content Moderation, metode penagihan bayar sesuai pemakaian menjadi metode default. Anda ditagih setiap hari berdasarkan penggunaan aktual dan tidak dikenai biaya jika tidak menggunakan layanan.
Jenis moderasi | Layanan | Harga satuan |
LLM-based text moderation (Advanced) (text_advanced) |
| USD 0,60 per 1.000 panggilan Catatan
|
LLM-based text moderation (China-entry) (text_llm_standard_cn) |
| USD 0,31 per 1.000 panggilan Catatan Anda dikenai biaya untuk setiap panggilan ke layanan di sebelah kiri. Misalnya, jika Anda melakukan 100 panggilan ke UGC Scenario Text Moderation Large Model Service_China Version, Anda dikenai biaya USD 0,031. |
Untuk metode penagihan bayar sesuai pemakaian Content Moderation 2.0, sistem menghasilkan tagihan setiap 24 jam. Dalam rincian penagihan Anda, bidang moderationType sesuai dengan jenis moderasi. Anda dapat melihat rincian penagihan Anda.
Rencana sumber daya
Untuk volume moderasi yang tinggi atau konsisten, paket sumber daya menawarkan diskon signifikan. Anda dapat membeli dan menumpuk beberapa paket. Untuk informasi selengkapnya, lihat Beli paket sumber daya untuk Content Moderation 2.0.
Jenis moderasi | Faktor offset |
LLM-based text moderation (Advanced) (text_advanced) | Setiap panggilan API yang berhasil mengonsumsi 2 panggilan dari paket sumber daya Anda. Catatan Misalnya, jika paket sumber daya Anda memiliki kuota 10 panggilan, satu panggilan API yang berhasil mengonsumsi 2 panggilan, menyisakan 8 panggilan dalam paket Anda. |
LLM-based text moderation (China-entry) (text_llm_standard_cn) | Setiap panggilan API yang berhasil mengonsumsi 1,04 panggilan dari paket sumber daya Anda. Catatan Misalnya, jika paket sumber daya Anda memiliki kuota 10 panggilan, satu panggilan API yang berhasil mengonsumsi 1,04 panggilan, menyisakan 8,96 panggilan dalam paket Anda. |
Setelah Anda membeli paket sumber daya, penggunaan API Anda untuk Content Moderation 2.0 pertama kali dipotong dari paket sumber daya Anda. Ketika paket sumber daya habis, penggunaan selanjutnya ditagih dengan metode bayar sesuai pemakaian. Pantau sisa saldo paket dan biaya bayar sesuai pemakaian Anda. Anda dapat mengatur peringatan saldo rendah di Sistem Paket Sumber Daya.
Label risiko
Definisi label
Text Moderation 2.0 mendukung lebih dari 30 label detail di 6 kategori risiko, dan mengembalikan skor kepercayaan (0–100; semakin tinggi skor, semakin besar kepercayaannya) untuk masing-masing. Jika konten mengandung beberapa jenis risiko, layanan mengembalikan beberapa label detail. Tabel berikut mencantumkan nilai label risiko, rentang skor kepercayaan yang sesuai, dan maknanya.
Label | Skor kepercayaan | Deskripsi |
pornographic_adult | 0–100 | Dicurigai konten pornografi |
sexual_terms | 0–100 | Dicurigai konten kesehatan seksual |
sexual_suggestive | 0–100 | Dicurigai konten vulgar |
sexual_orientation | 0–100 | Dicurigai konten terkait orientasi seksual |
regional_cn | 0–100 | Dicurigai konten sensitif politik terkait Tiongkok daratan |
regional_illegal | 0–100 | Dicurigai konten politik ilegal |
regional_controversial | 0–100 | Dicurigai kontroversi politik |
regional_racism | 0–100 | Dicurigai rasisme |
violent_extremist | 0–100 | Dicurigai organisasi ekstremis |
violent_incidents | 0–100 | Dicurigai konten ekstremis |
violent_weapons | 0–100 | Senjata dan amunisi yang diduga |
violence_unscList | 0–100 | Daftar sanksi Perserikatan Bangsa-Bangsa |
contraband_drug | 0–100 | Dicurigai konten terkait narkoba |
contraband_gambling | 0–100 | Dicurigai konten terkait perjudian |
inappropriate_ethics | 0–100 | Dicurigai konten tidak etis |
inappropriate_profanity | 0–100 | Dicurigai konten ofensif atau kasar |
inappropriate_oral | 0–100 | Dicurigai bahasa vulgar |
inappropriate_religion | 0–100 | Dicurigai penistaan agama |
pt_to_contact | 0–100 | Dicurigai informasi kontak untuk iklan |
pt_to_sites | 0–100 | Dicurigai pengalihan ke situs eksternal |
customized | 0–100 | Cocok dengan daftar kata kunci kustom |
Konfigurasikan label risiko
Aktifkan atau nonaktifkan label risiko di Konsol. Anda juga dapat menyesuaikan cakupan deteksi untuk label tertentu. Lihat Konsol Content Moderation untuk detailnya.
Di panel navigasi kiri, pilih Machine Moderation V2.0>Text Moderation>Rules.
Di tab Rules Management, temukan solusi moderasi model besar, misalnya,
aigc_moderation_byllm_global, lalu klik Set Thesaurus di kolom Operation.Pilih jenis deteksi yang akan dikonfigurasi, seperti deteksi konten tidak pantas.
Klik Edit dan ubah pengaturan deteksi.
Klik Save. Konfigurasi baru berlaku di lingkungan produksi dalam 2 hingga 5 menit.
Integrasi
Langkah 1: Aktifkan layanan
Untuk mengaktifkan layanan Text Moderation 2.0, kunjungi aktifkan layanan.
Langkah 2: Berikan izin kepada Pengguna RAM
Sebelum menggunakan SDK atau memanggil API, berikan izin yang diperlukan kepada Pengguna RAM. Buat Pasangan Kunci Akses untuk Akun Alibaba Cloud atau Pengguna RAM Anda guna mengautentikasi panggilan API. Untuk petunjuknya, lihat Dapatkan kunci akses.
Masuk ke Konsol RAM menggunakan Akun Alibaba Cloud Anda.
Buat Pengguna RAM. Untuk detailnya, lihat Buat Pengguna RAM.
Berikan kebijakan sistem
AliyunYundunGreenWebFullAccesskepada Pengguna RAM. Kebijakan ini memberikan akses penuh ke Content Moderation. Untuk detailnya, lihat Kelola izin Pengguna RAM.
Pengguna RAM kini dapat memanggil API Content Moderation.
Langkah 3: Instal dan integrasikan SDK
Untuk panduan integrasi SDK, lihat Panduan SDK dan Integrasi Layanan TextModerationPlus 2.0 PLUS.
Referensi API
Ikhtisar
Gunakan operasi TextModerationPlus untuk membuat tugas moderasi konten teks. Untuk konstruksi permintaan HTTP, lihat Struktur Permintaan. Anda juga dapat menggunakan permintaan yang telah dikonstruksi sebelumnya seperti yang dijelaskan dalam panduan Memulai.
Anda dapat menguji operasi ini di OpenAPI Explorer tanpa perhitungan tanda tangan manual. Setelah menguji panggilan, OpenAPI Explorer secara otomatis menghasilkan contoh kode SDK.
Antarmuka layanan: TextModerationPlus
Wilayah dan titik akhir yang didukung:
Wilayah | Titik akhir publik | Titik akhir VPC | Layanan yang didukung |
Tiongkok (Shanghai) | green-cip.cn-shanghai.aliyuncs.com | green-cip-vpc.cn-shanghai.aliyuncs.com | ugc_moderation_byllm_ec |
Tiongkok (Beijing) | green-cip.cn-beijing.aliyuncs.com | green-cip-vpc.cn-beijing.aliyuncs.com | |
Tiongkok (Hangzhou) | green-cip.cn-hangzhou.aliyuncs.com | green-cip-vpc.cn-hangzhou.aliyuncs.com | |
Tiongkok (Shenzhen) | green-cip.cn-shenzhen.aliyuncs.com | green-cip-vpc.cn-shenzhen.aliyuncs.com | |
Tiongkok (Chengdu) | green-cip.cn-chengdu.aliyuncs.com | Tidak tersedia | |
Tiongkok (Hong Kong) | green-cip.cn-hongkong.aliyuncs.com | green-cip-vpc.cn-hongkong.aliyuncs.com | ugc_moderation_byllm_global |
Singapura | green-cip.ap-southeast-1.aliyuncs.com | green-cip-vpc.ap-southeast-1.aliyuncs.com | |
AS (Virginia) | green-cip.us-east-1.aliyuncs.com | green-cip-vpc.us-east-1.aliyuncs.com | |
Jerman (Frankfurt) | green-cip.eu-central-1.aliyuncs.com | green-cip-vpc.eu-central-1.aliyuncs.com |
Untuk wilayah Jerman (Frankfurt) dan Tiongkok (Hong Kong), node di wilayah Singapura melakukan inferensi moderasi teks. Layanan memproses hasil inferensi, data, dan log secara lokal di wilayah Jerman (Frankfurt) dan Tiongkok (Hong Kong).
Penagihan: Operasi ini dikenai biaya. Anda hanya dikenai biaya untuk permintaan yang mengembalikan kode status HTTP 200. Tidak ada biaya untuk permintaan yang mengembalikan kode kesalahan lainnya. Untuk informasi lebih lanjut tentang penagihan, lihat Harga.
Batas QPS
Batas laju default adalah 50 permintaan per detik per akun. Melebihi batas ini memicu pembatasan kecepatan, yang dapat mengganggu aplikasi Anda. Untuk meminta batas laju yang lebih tinggi, hubungi account manager Anda.
Parameter permintaan
Parameter | Tipe | Wajib | Contoh | Deskripsi |
Service | String | Ya | ugc_moderation_byllm_global |
|
ServiceParameters | JSONString | Ya | Parameter layanan moderasi, ditentukan sebagai string JSON. Untuk detailnya, lihat ServiceParameters. |
Tabel 1. ServiceParameters
Parameter | Tipe | Wajib | Contoh | Deskripsi |
content | String | Ya | testing content | Konten teks yang akan dimoderasi. Konten dapat memiliki panjang hingga 2.000 karakter. |
dataId | String | Tidak | text0424**** | Identifikasi unik untuk data bisnis Anda. Maksimum 64 karakter. Karakter yang diizinkan: huruf, angka, garis bawah (_), tanda hubung (-), dan titik (.). |
accountId | String | Tidak | ID0728**** | ID akun pengguna akhir di platform Anda. Gunakan parameter ini untuk menghubungkan hasil dengan pengguna tertentu. Misalnya, jika pengguna A mengobrol dengan pengguna B, kirimkan ID A untuk pesan A dan ID B untuk pesan B. Catatan Mengaktifkan moderasi sadar konteks. Untuk mengaktifkan fitur ini, hubungi account manager Anda atau buat tiket. |
infoType | String | Tidak | llmContent | Jenis informasi tambahan yang akan diambil. Nilai yang valid:
|
Parameter respons
Parameter | Type | Contoh | Deskripsi |
Code | Integer | 200 | Kode status HTTP. Untuk informasi lebih lanjut, lihat Kode status. |
Data | JSONObject | {"Result":[...]} | Data hasil moderasi. Untuk informasi lebih lanjut, lihat Data. |
Message | String | OK | Pesan hasil untuk permintaan. |
RequestId | String | AAAAAA-BBBB-CCCCC-DDDD-EEEEEEEE**** | ID permintaan. |
Tabel 2. Data
Parameter | Tipe | Contoh | Deskripsi |
Result | JSONArray | Hasil deteksi, termasuk label risiko dan skor kepercayaan. Untuk informasi lebih lanjut, lihat Result. | |
RiskLevel | String | high | Tingkat risiko, yang ditentukan berdasarkan ambang batas skor risiko tinggi dan rendah yang dikonfigurasi. Nilai yang valid:
Catatan Ambil tindakan segera terhadap konten berisiko |
DataId | String | text0424**** | ID data konten yang dimoderasi. Catatan Jika Anda menentukan parameter |
AccountId | String | 10123**** | ID akun. Catatan Jika Anda menentukan parameter |
Ext | Object | Informasi tambahan untuk teks. Untuk informasi lebih lanjut, lihat Ext. | |
TranslatedContent | String | Konten teks yang diterjemahkan. Dikembalikan hanya ketika fitur terjemahan teks diaktifkan. Catatan Fitur terjemahan teks saat ini hanya tersedia di wilayah Singapura (Singapura). Anda dapat mengonfigurasinya dengan mengelola aturan deteksi di Konsol. Biaya tambahan berlaku. |
Tabel 3. Hasil
Parameter | Tipe | Contoh | Deskripsi |
Label | String | political_xxx | Label risiko untuk konten yang dimoderasi. Beberapa label dan skor dapat dikembalikan. Untuk daftar label yang didukung, lihat Label risiko. |
Description | String | Dicurigai konten pornografi | Deskripsi untuk bidang Penting Bidang ini hanya untuk referensi dan dapat berubah. Untuk logika penanganan Anda, gunakan bidang |
Confidence | Float | 81,22 | Skor kepercayaan, berkisar antara 0 hingga 100. Nilainya akurat hingga dua tempat desimal. Beberapa label tidak mengembalikan skor kepercayaan. |
Riskwords | String | AA,BB,CC | Kata risiko yang terdeteksi, dipisahkan koma. Bidang ini tidak dikembalikan untuk beberapa label. |
CustomizedHit | JSONArray | [{"LibName":"...","Keywords":"..."}] | Jika konten cocok dengan entri dalam pustaka kustom, |
RiskPositions | JSONArray | Informasi tentang posisi kata risiko yang terdeteksi. Untuk informasi lebih lanjut, lihat RiskPositions. |
Tabel 4. CustomizedHit
Parameter | Tipe | Contoh | Deskripsi |
LibName | String | Pustaka Kustom 1 | Nama pustaka kustom. |
Keywords | String | Kata Kunci Kustom 1,Kata Kunci Kustom 2 | Kata kunci kustom yang cocok, dipisahkan koma. |
Tabel 5. RiskPositions
Parameter | Tipe | Contoh | Deskripsi |
RiskWord | String | AA | Kata risiko yang terdeteksi. |
StartPos | Integer | 10 | Posisi awal kata risiko dalam teks. |
EndPos | Integer | 12 | Posisi akhir kata risiko dalam teks. |
Tabel 6. Ext
Parameter | Tipe | Contoh | Deskripsi |
Tabel 7. LlmContent
Parameter | Tipe | Contoh | Deskripsi |
OutputText | String | Dicurigai bahasa vulgar | Hasil deteksi mentah dari model moderasi teks berbasis LLM. |
Contoh
Contoh permintaan:
{
"Service": "ugc_moderation_byllm_global",
"ServiceParameters": {
"content": "testing content",
"dataId": "text0424****"
}
}Contoh respons:
Cocok dengan kebijakan sistem:
{
"Code": 200,
"Data": {
"Result": [
{
"Label": "political_entity",
"Description": "Dicurigai entitas politik",
"Confidence": 100.0,
"RiskWords": "WordA,WordB",
"RiskPositions": [
{
"EndPos": 14,
"RiskWord": "WordA",
"StartPos": 16
}
]
},
{
"Label": "political_figure",
"Description": "Dicurigai tokoh politik",
"Confidence": 100.0,
"RiskWords": "WordB,WordC",
"RiskPositions": [
{
"EndPos": 24,
"RiskWord": "WordC",
"StartPos": 26
}
]
}
],
"RiskLevel": "high",
"DataId": "text0424****"
},
"Message": "OK",
"RequestId": "AAAAAA-BBBB-CCCCC-DDDD-EEEEEEEE****"
}Cocok dengan pustaka kustom:
{
"Code": 200,
"Data": {
"Result": [
{
"Description": "Cocok dengan pustaka kustom",
"CustomizedHit": [
{
"LibName": "Nama Pustaka Kustom 1",
"Keywords": "kata kunci kustom"
}
],
"Confidence": 100,
"Label": "customized"
}
],
"RiskLevel": "high",
"DataId": "text0424****"
},
"Message": "OK",
"RequestId": "AAAAAA-BBBB-CCCCC-DDDD-EEEEEEEE****"
}Hasil mentah LLM:
{
"RequestId": "ZZZZZ-2024-0307-FORYOU-EVER",
"Message": "OK",
"Data": {
"Ext": {
"LlmContent": {
"OutputText": "Dicurigai konten ofensif atau kasar"
}
},
"Result": [
{
"RiskWords": "kata risiko",
"Description": "Dicurigai konten ofensif atau kasar",
"Confidence": 100.0,
"Label": "inappropriate_profanity",
"RiskPositions": [
{
"RiskWord": "kata risiko",
"EndPos": 5,
"StartPos": 2
}
]
}
],
"RiskLevel": "high"
},
"Code": 200
}Kode status
Kode | Teks status | Deskripsi |
200 | OK | Permintaan berhasil. |
400 | BAD_REQUEST | Permintaan tidak valid. Periksa parameter permintaan Anda. |
408 | PERMISSION_DENY | Akun Anda mungkin tidak sah, memiliki pembayaran tertunda, atau layanan belum diaktifkan. |
500 | GENERAL_ERROR | Kesalahan server internal. Coba ulang permintaan. Jika kesalahan berlanjut, hubungi Dukungan Online. |
581 | TIMEOUT | Permintaan melebihi waktu tunggu. Coba ulang permintaan. Jika kesalahan berlanjut, hubungi Dukungan Online. |
588 | EXCEED_QUOTA | Batas laju terlampaui. Kurangi frekuensi permintaan Anda. |