概览
概览
在游戏内容分析审核场景下，对海量来自不同国家语言的玩家生成内容进行分析和审核。有限的人力无法覆盖如此海量的内容，对评论中的辱骂识别方式依赖玩家自主举报，和人工介入，且判断周期长、判断准确率低。基于亚马逊云科技在生成式 AI 领域的创新技术与解决方案，显著提升辱骂识别与舆情分析的响应速度与准确率，辱骂识别准确率达到 90% 以上，大幅度提升了玩家的游戏体验。 该指南基于 Amazon Bedrock 提供的第三方模型 Claude3、Amazon Rekognition 和 Amazon Sagemaker 等服务构建。
在游戏内容分析审核场景下，对海量来自不同国家语言的玩家生成内容进行分析和审核。有限的人力无法覆盖如此海量的内容，对评论中的辱骂识别方式依赖玩家自主举报，和人工介入，且判断周期长、判断准确率低。基于亚马逊云科技在生成式 AI 领域的创新技术与解决方案，显著提升辱骂识别与舆情分析的响应速度与准确率，辱骂识别准确率达到 90% 以上，大幅度提升了玩家的游戏体验。 该指南基于 Amazon Bedrock 提供的第三方模型 Claude3、Amazon Rekognition 和 Amazon Sagemaker 等服务构建。
优势
优势
通过完全自动化的 人工智能 服务，实现图像、视频、文本和音频审核工作流程的自动化，过滤不需要的内容并保护敏感信息。
完全托管的 AI 服务，自动从图像和视频文件中提取信息，以更快、更低的成本构建计算机视觉应用程序和模型，并可根据您的业务需求进行定制。
使用完全托管的 API 和可自定义的审核规则，有效地处理数百万张图像和视频，同时检测不当或不需要的内容，以确保用户安全和业务合规。
架构图及说明
训练作业完成后，输出结果会保存在 Amazon S3 中。
基于 URL 中的参数，Amazon Lambda 中的审核处理程序处理请求，并合并处理程序的结果。
根据图像审核标签，审核处理程序将请求分发到 Amazon Rekognition。
根据图像审核标签，审核处理程序将请求分发到 Amazon SageMaker 端点。
（可选）视频文件被上传到 Amazon S3 以触发 Amazon Lambda 中的视频处理程序
（可选）提取的关键帧图像被放置到 Amazon S3，并调用审核处理程序对图像进行处理。
（可选）视频处理程序处理审核结果，并在原始 Amazon S3 存储桶中返回审核结果。
架构图及说明
开发人员在 Amazon S3 中准备图像和标签数据
Amazon SageMaker notebooks 和训练作业使用训练材料来训练自定义模型
训练作业完成后，输出结果会保存在 Amazon S3 中。
模型会被部署到 SageMaker 端点以用于自定义审核处理程序
图像会被发送到 Amazon API 网关进行图像审核请求
基于 URL 中的参数，Amazon Lambda 中的审核处理程序处理请求，并合并处理程序的结果。
根据图像审核标签，审核处理程序将请求分发到 Amazon Rekognition。
根据图像审核标签，审核处理程序将请求分发到 Amazon SageMaker 端点。
（可选）视频文件被上传到 Amazon S3 以触发 Amazon Lambda 中的视频处理程序
（可选）提取的关键帧图像被放置到 Amazon S3，并调用审核处理程序对图像进行处理。
（可选）视频处理程序处理审核结果，并在原始 Amazon S3 存储桶中返回审核结果。
