Cara menggunakan AI untuk memahami konten aset media - Intelligent Media Services

Intelligent Media Services (IMS) memungkinkan Anda memahami konten aset media, seperti video, audio, dan citra. Anda dapat menganalisis aset tertentu sesuai kebutuhan. Topik ini menjelaskan cara memanggil operasi OpenAPI untuk melakukan pemahaman konten.

Prasyarat

IMS telah diaktifkan. Untuk informasi selengkapnya, lihat Aktifkan layanan.
Kit pengembangan perangkat lunak (SDK) sisi server IMS telah diinstal. Untuk informasi selengkapnya, lihat Instalasi SDK.

Penggunaan dasar

Buat templat algoritma pemahaman konten cerdas.

Anda dapat memanggil operasi API CreateCustomTemplate untuk membuat templat analisis cerdas berbasis AI yang kustom.

Kode contoh:

# -*- coding: utf-8 -*-
from alibabacloud_ice20201109.client import Client as ICE20201109Client
from alibabacloud_credentials.client import Client as CredentialClient
from alibabacloud_tea_openapi import models as open_api_models
from alibabacloud_ice20201109 import models as ice20201109_models
from alibabacloud_tea_util import models as util_models

# Untuk lingkungan produksi, gunakan metode autentikasi yang lebih aman, seperti Peran RAM. Untuk informasi selengkapnya tentang cara mengonfigurasi kredensial, lihat https://www.alibabacloud.com/help/document_detail/378659.html.
credential = CredentialClient()
config = open_api_models.Config(
    credential=credential
)
# Untuk titik akhir, lihat https://api.aliyun.com/product/ICE
config.endpoint = 'ice.cn-xxx.aliyuncs.com'
client = ICE20201109Client(config)

create_custom_template_request = ice20201109_models.CreateCustomTemplateRequest(
    name='face_template_001',
    template_config='{"AnalyseTypes":"face","FaceCategoryIds":"celebrity,politician,sensitive"}',
    type=11
)
runtime = util_models.RuntimeOptions()
response = client.create_custom_template_with_options(create_custom_template_request, runtime)
print(response)

Kirim pekerjaan pemahaman konten cerdas.

Anda dapat memanggil operasi API SubmitSmarttagJob untuk mengirim pekerjaan pemahaman konten cerdas.

Kode contoh:

# -*- coding: utf-8 -*-
from alibabacloud_ice20201109.client import Client as ICE20201109Client
from alibabacloud_credentials.client import Client as CredentialClient
from alibabacloud_tea_openapi import models as open_api_models
from alibabacloud_ice20201109 import models as ice20201109_models
from alibabacloud_tea_util import models as util_models

# Untuk lingkungan produksi, gunakan metode autentikasi yang lebih aman, seperti Peran RAM. Untuk informasi selengkapnya tentang cara mengonfigurasi kredensial, lihat https://www.alibabacloud.com/help/document_detail/378659.html.
credential = CredentialClient()
config = open_api_models.Config(
    credential=credential
)
# Untuk titik akhir, lihat https://api.aliyun.com/product/ICE
config.endpoint = 'ice.cn-xxx.aliyuncs.com'
client = ICE20201109Client(config)

submit_smarttag_job_request_input = ice20201109_models.SubmitSmarttagJobRequestInput(
    type='URL',
    media='https://xxx.jpeg'
)
submit_smarttag_job_request = ice20201109_models.SubmitSmarttagJobRequest(
    title='face_test-001',
    input=submit_smarttag_job_request_input,
    template_id='xxx'
)
runtime = util_models.RuntimeOptions()
response = client.submit_smarttag_job_with_options(submit_smarttag_job_request, runtime)
print(response)

Kueri hasil pekerjaan.

Anda dapat memanggil operasi API QuerySmarttagJob untuk mengkueri pekerjaan pemahaman konten cerdas.

Kode contoh:

# -*- coding: utf-8 -*-
from alibabacloud_ice20201109.client import Client as ICE20201109Client
from alibabacloud_credentials.client import Client as CredentialClient
from alibabacloud_tea_openapi import models as open_api_models
from alibabacloud_ice20201109 import models as ice20201109_models
from alibabacloud_tea_util import models as util_models

# Untuk lingkungan produksi, gunakan metode autentikasi yang lebih aman, seperti Peran RAM. Untuk informasi selengkapnya tentang cara mengonfigurasi kredensial, lihat https://www.alibabacloud.com/help/document_detail/378659.html.
credential = CredentialClient()
config = open_api_models.Config(
    credential=credential
)
# Untuk titik akhir, lihat https://api.aliyun.com/product/ICE
config.endpoint = 'ice.cn-xxx.aliyuncs.com'
client = ICE20201109Client(config)

query_smarttag_job_request = ice20201109_models.QuerySmarttagJobRequest(
    job_id='xxx'
)
runtime = util_models.RuntimeOptions()
response = client.query_smarttag_job_with_options(query_smarttag_job_request, runtime)
print(response)

Penggunaan lanjutan

Buat pustaka kustom.

Anda dapat memanggil operasi API CreateRecognitionLib untuk membuat pustaka pengenalan kustom.

Kode contoh:

# -*- coding: utf-8 -*-
from alibabacloud_ice20201109.client import Client as ICE20201109Client
from alibabacloud_credentials.client import Client as CredentialClient
from alibabacloud_tea_openapi import models as open_api_models
from alibabacloud_ice20201109 import models as ice20201109_models
from alibabacloud_tea_util import models as util_models

# Untuk lingkungan produksi, gunakan metode autentikasi yang lebih aman, seperti Peran RAM. Untuk informasi selengkapnya tentang cara mengonfigurasi kredensial, lihat https://www.alibabacloud.com/help/document_detail/378659.html.
credential = CredentialClient()
config = open_api_models.Config(
    credential=credential
)
# Untuk titik akhir, lihat https://api.aliyun.com/product/ICE
config.endpoint = 'ice.cn-xxx.aliyuncs.com'
client = ICE20201109Client(config)

create_recognition_lib_request = ice20201109_models.CreateRecognitionLibRequest(
    algorithm='face',
    lib_name='face_lib_001'
)
runtime = util_models.RuntimeOptions()
response = client.create_recognition_lib_with_options(create_recognition_lib_request, runtime)
print(response)

Buat entitas kustom.

Anda dapat memanggil operasi API CreateRecognitionEntity untuk membuat entitas baru dalam pustaka pengenalan kustom yang ditentukan.

Kode contoh:

# -*- coding: utf-8 -*-
from alibabacloud_ice20201109.client import Client as ICE20201109Client
from alibabacloud_credentials.client import Client as CredentialClient
from alibabacloud_tea_openapi import models as open_api_models
from alibabacloud_ice20201109 import models as ice20201109_models
from alibabacloud_tea_util import models as util_models

# Untuk lingkungan produksi, gunakan metode autentikasi yang lebih aman, seperti Peran RAM. Untuk informasi selengkapnya tentang cara mengonfigurasi kredensial, lihat https://www.alibabacloud.com/help/document_detail/378659.html.
credential = CredentialClient()
config = open_api_models.Config(
    credential=credential
)
# Untuk titik akhir, lihat https://api.aliyun.com/product/ICE
config.endpoint = 'ice.cn-xxx.aliyuncs.com'
client = ICE20201109Client(config)

create_recognition_entity_request = ice20201109_models.CreateRecognitionEntityRequest(
    algorithm='face',
    lib_id='xxx',
    entity_name='Xiao Shuai'
)
runtime = util_models.RuntimeOptions()
response = client.create_recognition_entity_with_options(create_recognition_entity_request, runtime)
print(response)

Buat objek kustom.

Anda dapat memanggil operasi API CreateRecognitionSample untuk menambahkan contoh gambar atau tag teks untuk entitas kustom yang ditentukan.

Kode contoh:

# -*- coding: utf-8 -*-

from alibabacloud_ice20201109.client import Client as ICE20201109Client
from alibabacloud_credentials.client import Client as CredentialClient
from alibabacloud_tea_openapi import models as open_api_models
from alibabacloud_ice20201109 import models as ice20201109_models
from alibabacloud_tea_util import models as util_models

# Untuk lingkungan produksi, gunakan metode autentikasi yang lebih aman, seperti Peran RAM. Untuk informasi selengkapnya tentang cara mengonfigurasi kredensial, lihat https://www.alibabacloud.com/help/document_detail/378659.html.
credential = CredentialClient()
config = open_api_models.Config(
    credential=credential
)
# Untuk titik akhir, lihat https://api.aliyun.com/product/ICE
config.endpoint = 'ice.cn-xxx.aliyuncs.com'
client = ICE20201109Client(config)

create_recognition_sample_request = ice20201109_models.CreateRecognitionSampleRequest(
    algorithm='face',
    lib_id='xxx',
    entity_id='xxx',
    image_url='https://xxx.jpg'
)
runtime = util_models.RuntimeOptions()
response = client.create_recognition_sample_with_options(create_recognition_sample_request, runtime)
print(response)

Buat templat algoritma pemahaman konten.
Langkah ini sama seperti pada bagian Penggunaan dasar. Anda juga dapat menentukan operator tipe analisis dan ID pustaka kustom yang sesuai untuk item seperti wajah, landmark, objek, logo, dan tag kustom.
Kirim pekerjaan pemahaman konten cerdas.
Langkah ini sama seperti pada bagian Penggunaan dasar.
Kueri hasil pekerjaan.
Langkah ini sama seperti pada bagian Penggunaan dasar.