Modération de contenu Amazon Rekognition

Automatisez et rationalisez les flux de travail de modération de contenu grâce au machine learning

La modération de contenu Amazon Rekognition automatise et rationalise vos flux de travail de modération d'images et de vidéos en utilisant le machine learning (ML), sans qu'une expérience dans ce domaine soit nécessaire. Traitez des millions d'images et de vidéos de manière efficace tout en détectant les images inappropriées ou indésirables, au moyen d'API entièrement gérées et de règles de modération personnalisables pour assurer la sécurité des utilisateurs et garantir le respect des règles par l'entreprise. Ne payez que pour ce que vous utilisez, sans frais minimums, licences ou engagements initiaux.

Qu'est-ce que la modération de contenu Amazon Rekognition (1:18)

Avantages

Renforcez la sécurité des utilisateurs et des marques

Examinez une poignée ou des millions d'images et de vidéos par rapport à un large éventail de catégories non sécurisées prédéfinies ou spécifiques à votre entreprise. Assurez-vous de manière anticipée que vos utilisateurs et les sponsors de votre marque ne seront pas exposés à un contenu indésirable ou inapproprié.

Automatisez la modération

Permettez aux éditeurs humains de suivre de plus petits sous-ensembles de contenu et protégez-les de l'exposition à des contenus nuisibles en signalant automatiquement jusqu'à 95 % des contenus dangereux. Intégrez la révision humaine sans avoir recours à de nouveaux outils et infrastructures grâce à Amazon Augmented AI (A2I).

Améliorez la fiabilité et réduisez les coûts

Créez des flux de travail de modération de contenu basés sur le cloud fiables, évolutifs et reproductibles, sans engagements initiaux ni licences coûteuses. Payez en fonction du nombre d'images ou de la durée des vidéos traitées.

Fonctions

Détectez et marquez les images et vidéos explicites

Détectez les contenus explicites pour adultes ou suggestifs, la violence, les drogues, le tabac, l'alcool, les symboles de haine, les jeux d'argent et les contenus dérangeants présents dans les images et dans les vidéos. Indiquez des scores de confiance pour chaque étiquette détectée et chaque horodatage vidéo. Utilisez une taxonomie hiérarchique pour créer des règles commerciales granulaires pour différentes zones géographiques, publics cibles, heures de la journée, etc.

Personnalisez la modération d'audio et de texte

Détectez, lisez et vérifiez le contenu d'un texte par rapport à votre propre liste de mots ou de phrases interdits grâce à la détection de texte Amazon Rekognition. Convertissez les paroles des vidéos en texte avec Amazon Transcribe et vérifiez qu'elles ne contiennent pas de blasphèmes ou de discours haineux. Étendez l'analyse de texte avec les capacités de traitement du langage naturel (NLP) de Amazon Comprehend.

Formez et déployez des modèles personnalisés

Formez et déployez facilement vos propres modèles de modération en quelques clics ou appels API. Créez et exploitez rapidement de nouveaux modèles avec les offres Amazon Rekognition Custom Labels pour traiter des scénarios en temps réel, tels que la suppression de messages offensants sur des boutiques en ligne ou le floutage de logos sur une émission en direct.

Améliorez les prédictions grâce aux évaluations humaines

Améliorez davantage les prédictions grâce à une intervention humaine stratégique. Intégrez A2I aux API de modération de Rekognition pour permettre à vos équipes ou à un fournisseur tiers de prendre une décision finale lorsque des prédictions à faible niveau de confiance nécessitent une intervention humaine.

Cas d'utilisation

Examen du contenu généré par les utilisateurs

Modérez de manière anticipée les gros volumes de téléchargements des utilisateurs afin de les protéger, de même que les communautés, contre les contenus inappropriés sur les réseaux sociaux et les services tels que le partage de photos et de vidéos, les jeux en ligne, le streaming vidéo et les sites de rencontres en ligne.

Conformité des médias et du commerce électronique

Utilisez Amazon Rekognition et Amazon Transcribe pour identifier les images, les vidéos, les textes et les contenus audio potentiellement dangereux, ou pour vous assurer que les annonces provenant de tiers ne violent pas les politiques de sécurité de votre plateforme.

Protection de la marque

Identifiez et filtrez les associations de marques indésirables à l'aide de métadonnées fournies et organisées hiérarchiquement par Amazon Rekognition Content Moderation.

Clients

En savoir plus sur nos plus de 40 témoignages de clients Amazon Rekognition.

Omlet (Mobisocial)

Mobisocial est une société leader dans le domaine des logiciels pour téléphones mobiles, axée sur la création d'applications de réseaux sociaux et de jeux. La société développe Omlet Arcade, une communauté mondiale où des dizaines de millions de live-streamers de jeux mobiles et de joueurs d'e-sports se réunissent pour partager des médias de jeu.

« Pour garantir que notre communauté de joueurs est un environnement sûr pour socialiser et partager des contenus divertissants, nous avons utilisé le machine learning pour identifier les contenus qui ne sont pas conformes à nos normes communautaires. Nous avons créé un flux de travail, exploitant Amazon Rekognition, pour signaler les images et vidéos chargées qui contiennent du contenu non conforme. L'API de modération de contenu d'Amazon Rekognition nous aide à atteindre la précision et la dimension nécessaires pour gérer une communauté de millions de créateurs de jeux dans le monde entier. Depuis la mise en œuvre d'Amazon Rekognition, nous avons réduit de 95 % la quantité de contenu examiné manuellement par notre équipe d'exploitation, tout en libérant des ressources d'ingénierie pour nous concentrer sur notre activité principale. Nous attendons avec impatience la dernière mise à jour du modèle de modération de contenu Rekognition, qui améliorera la précision et ajoutera de nouvelles classes pour la modération. »

Zehong, architecte senior chez Mobisocial

SmugMug

SmugMug exploite deux très grandes plateformes de photos en ligne, SmugMug et Flickr, offrant la possibilité à plus de 100 millions de membres de stocker, rechercher, partager et vendre en toute sécurité des milliards de photos. Flickr est la plus grande communauté de photographes au monde, permettant aux photographes du monde entier de trouver leur inspiration, de se connecter les uns aux autres et de partager leur passion avec le monde entier.

« En tant que large plateforme mondiale, le contenu indésirable est extrêmement risqué pour la santé de notre communauté et peut aliéner les photographes. Nous utilisons la fonction de modération de contenu d'Amazon Rekognition pour trouver et signaler correctement le contenu indésirable, afin de garantir une expérience sûre et accueillante pour notre communauté. À l'immense échelle de Flickr, faire cela sans Amazon Rekognition relève presque de l'impossible. Désormais, grâce à la modération du contenu avec Amazon Rekognition, notre plateforme peut automatiquement découvrir et mettre en avant d'exceptionnelles photographies qui correspondent davantage aux attentes de nos membres, rendant possible notre mission d'inspirer, de connecter et de partager. »

Don MacAskill, cofondateur, directeur général et responsable technique

ZOZO

ZOZO, Inc. possède et exploite ZOZOTOWN, le plus grand site d'e-commerce de mode du Japon, ainsi que WEAR, un réseau social qui fournit des services numériques aux passionnés de mode pour qu'ils puissent partager en toute sécurité des styles et des tenues.

« Les utilisateurs postent tous les jours un grand nombre d'images sur WEAR. Il était donc nécessaire de vérifier chacune de ces images pour s'assurer de leur conformité aux directives du service. Nous avons créé une solution basée sur l'API de modération de contenu Amazon Rekognition qui inspecte automatiquement et analyse le contenu que les utilisateurs publient et stockent dans Amazon S3. Amazon Rekognition nous a permis de réduire le processus de révision manuelle du contenu jusqu'à 40 % grâce à l'analyse automatique des images. Nous avons également pu réduire le nombre d'évaluations transmises aux superviseurs, ce qui aurait ralenti les opérations relatives au contenu lorsqu'une personne n'était pas en mesure de déterminer si une image était appropriée ou non. »

Yu Shigetani, ingénieur au sein du service chargé du développement de solutions de marque chez ZOZO, Inc.

Pour en savoir plus, consultez la page Clients d'Amazon Rekognition.

En savoir plus sur la tarification d'Amazon Rekognition

Visiter la page de tarification
Prêt à concevoir ?
Démarrage avec Amazon Rekognition
D'autres questions ?
Contactez-nous