AI Guardrails:Detecção síncrona

Pré-requisitos

Antes de começar, verifique se você tem:

• Uma conta Alibaba Cloud com o Content Moderation ativado

• Um AccessKey ID e um AccessKey Secret

• Imagens acessíveis por URLs públicas HTTP ou HTTPS

Como funciona

1. Envie uma solicitação para /green/image/scan com scenes definido como ["ocr"] e uma lista de URLs de imagens.

2. O Content Moderation baixa cada imagem, executa o OCR e retorna o texto detectado com as coordenadas da caixa delimitadora.

3. Verifique o campo suggestion na resposta para determinar se o texto detectado exige revisão manual.

Os resultados geralmente retornam em até 1 segundo. O tempo máximo de resposta é de 6 segundos. Solicitações que excedem esse limite retornam um erro de tempo limite.

Observações de uso

Faturamento: A chamada desta operação gera cobranças. Para detalhes de preços, consulte a documentação de faturamento.

Tempo limite de download de imagem: Se não for possível baixar uma imagem dentro de 3 segundos, a solicitação retornará um erro de tempo limite. Armazene as imagens em um serviço estável e de baixa latência, como Object Storage Service (OSS) ou Content Delivery Network (CDN), para minimizar falhas de download.

Imagens com muito texto: O tempo de processamento do OCR aumenta conforme a quantidade de palavras na imagem. Para imagens com grande volume de texto, como documentos digitalizados, use a moderação assíncrona.

Image requirements:

• Protocolo: apenas URLs HTTP ou HTTPS

• Formatos: PNG, JPG, JPEG, BMP, GIF, WEBP

• Tamanho máximo: 20 MB (aplica-se tanto à moderação síncrona quanto à assíncrona)

• Resolução mínima recomendada: 256 × 256 pixels

Limites de QPS

Esta operação suporta até 10 solicitações por segundo (QPS) por conta. Exceder esse limite aciona o controle de fluxo.

Enviar uma solicitação

Endpoint

POST http(s)://[Endpoint]/green/image/scan

Parâmetros da solicitação

Parâmetros de tarefa

Cada elemento no array tasks descreve uma imagem a ser verificada.

Os parâmetros interval e maxFrames devem ser usados juntos.

Interpretar a resposta

Uma chamada bem-sucedida (HTTP 200) retorna um array data em que cada elemento corresponde a uma imagem enviada.

Campos da resposta

Campos de resultado

Cada elemento em results contém a saída do OCR para a imagem.

Campos ocrLocation

Cada entrada em ocrLocations descreve uma região de texto detectada. A origem das coordenadas é o canto superior esquerdo da imagem, com x aumentando para a direita e y aumentando para baixo.

ocrData contém o texto combinado de todas as regiões detectadas como uma única string. ocrLocations fornece a posição de cada região de texto individual. Use ocrLocations quando precisar localizar ou destacar um texto específico na imagem.

Moderação de GIF e imagens longas

Por padrão, apenas o primeiro quadro de um GIF ou imagem longa é verificado. Use interval e maxFrames juntos para verificar vários quadros.

• interval: Verifica um quadro a cada n quadros, onde n é o valor de interval.

• maxFrames: Limita o número total de quadros verificados.

Se interval × maxFrames for menor que o número total de quadros na imagem, o sistema ajusta automaticamente o intervalo para ceil(total_frames / maxFrames) a fim de distribuir a cobertura uniformemente.

O que conta como imagem longa:

Exemplo: Com interval: 2 e maxFrames: 100, o sistema verifica um quadro a cada dois quadros, até o máximo de 100 quadros. As cobranças são aplicadas por quadro verificado.

Exemplo

Solicitação

POST http(s)://[Endpoint]/green/image/scan
<Common request parameters>

{
    "scenes": ["ocr"],
    "tasks": [
        {
            "dataId": "test_data_xxxx",
            "url": "https://aliyundoc.com/test_image_xxxx.png"
        }
    ]
}

Resposta

{
    "code": 200,
    "msg": "OK",
    "requestId": "C4AB08A9-AD75-4410-859B-0B9EF6DFC3C4",
    "data": [
        {
            "code": 200,
            "msg": "OK",
            "dataId": "test_data_xxxx",
            "taskId": "img5A@k7a@B4q@6K@d9nfKgOs-1s****",
            "url": "https://aliyundoc.com/test_image_xxxx.png",
            "extras": {},
            "results": [
                {
                    "scene": "ocr",
                    "label": "ocr",
                    "suggestion": "review",
                    "rate": 99.91,
                    "ocrData": [
                        "hello, this is a test text."
                    ],
                    "ocrLocations": [
                        {
                            "text": "hello",
                            "x": 41,
                            "y": 84,
                            "w": 83,
                            "h": 26
                        },
                        {
                            "text": " this is a test text.",
                            "x": 78,
                            "y": 114,
                            "w": 95,
                            "h": 25
                        }
                    ]
                }
            ]
        }
    ]
}

Neste exemplo, suggestion: review significa que o texto detectado requer revisão humana antes de qualquer ação adicional. ocrData contém a string completa combinada "hello, this is a test text.", enquanto ocrLocations fornece a posição exata em pixels de cada fragmento de texto na imagem.

Próximos passos

• Visão geral do SDK — Use um cliente pré-construído em vez de criar solicitações HTTP brutas.

• Estrutura da solicitação — Aprenda a construir e assinar solicitações.

• Personalizar políticas para moderação assistida por máquina — Configure políticas de moderação personalizadas usando bizType.