Amazon Rekognition 內容審核運用機器學習 (ML) 自動化與簡化影像和影片審核工作流程，而不需要 ML 經驗。透過全受管 API 和可自訂的審核規則，有效處理數百萬個的影像和影片，同時偵測不適當或不需要的內容，來確保使用者的安全和業務合規。只需按實際用量付費，不需要最低費用、授權或預付費用。
優勢
提升使用者和品牌的安全性
針對各種預先定義和業務特定的不安全類別，審查幾個或數百萬計個影像和影片。主動確保使用者和品牌贊助商不會接觸到不需要或不適當的內容。
自動化審核
讓人類審查員能夠進一步追蹤內容的更小部分，透過自動標記高達 95% 不安全的內容，來避免使用者和品牌贊助商接觸到有害的內容。 使用 Amazon 增強版 AI (Amazon A2I) 整合人工審查，而不需建置新的工具和基礎設施。
提高可靠性並降低成本
建立成本可靠、可擴展、可重複、以雲端為基礎的內容審核工作流程，無需預付費用或昂貴的授權。根據影像數量或處理影片的持續時間來付費。
功能
偵測和標記露骨的影像和影片
偵測影像和影片中露骨成人或暗示性內容、暴力、藥物、刺青、酒精、仇恨符號、賭博和令人不安的內容。為每個偵測的標籤和影片時間戳記上標記可信度分數。使用階層分類法，為不同的地理位置、目標對象和一天中的時間等建立精細的業務規則。
自訂音訊和文字審核
使用 Amazon Rekognition Text Detection 對照您自己的禁用詞和片語清單來偵測、閱讀和檢查文字。 使用 Amazon Transcribe 將影片中的語音轉換為文字，並檢查其是否使用了褻瀆或仇恨言論。在 Amazon Comprehend 中，使用自然語言處理 (NLP) 功能擴展文字分析。
驗證使用者年齡
使用 Amazon Rekognition Face Liveness，防止未成年使用者存取限制的內容。例如，線上遊戲或約會客戶可使用 Amazon Rekognition Facial Analysis 的臉部真實性和年齡估算功能，在授予存取權之前驗證使用者的年齡。
精簡內容審核操作
存取自動化和人工智慧 (AI) 功能，無需機器學習專業知識即可實作可靠的內容審核解決方案。建立安全的線上環境、保護您的品牌，並最大限度地降低審核成本。如需詳細資訊，請參閱精簡內容審核操作。
訓練和部署自訂模型
只須點擊幾下或使用 API 呼叫，就可以輕鬆訓練和部署您自己的審核模型。使用 Amazon Rekognition 自訂標籤快速建立和操作新的模型，來處理即時案例，例如將線上商店中的冒犯性訊息移除，或是將直播中出現的標誌模糊處理。
透過人工審查增強預測
透過策略性人工介入來進一步增強預測。整合 Amazon A2I 與 Amazon Rekognition 審核 API，協助團隊或第三方廠商能夠在低可信度預測需要人工介入時做出最後的判斷。
使用案例
社交媒體
防止使用者接觸內容共用平台上的不當內容。主動審核大量使用者上傳的內容，來確保使用者和社群的安全，避免接觸到社交媒體平台和相片與影片分享、線上遊戲、影片串流和線上約會應用程式等服務上不適當內容。
遊戲
阻止遊戲論壇、即時遊戲和影片串流服務中的冒犯性或有爭議性的影像。此外，審核使用者產生的內容 (例如個人檔案和頭像)、保持遊戲玩家的參與度和活躍度，並防止騷擾和暴力造成使用者流失。
電子商務
從數位貨架上移除與第三方產品清單和評論關聯的非法或不當影像和影片內容，藉此提高客戶信任度，打造安全透明的購物體驗。隨著客戶越來越多地轉向產品評論，以在其購物之旅中做出明智的決定，保障平台的聲譽與合規性。
廣告
保護品牌免遭不必要的關聯以滿足合規性。同時實現品牌目標，使營收獲得增長，例如品牌提升和喜愛度。
媒體與娛樂
保護受眾免於接觸潛在的不安全影像和影片內容，保障使用者福祉、保護智慧財產權，以及維護積極的社區。
教育
審核學生和教育工作者的發佈內容，以協助建立安全、包容和充實的學習體驗。
客戶
閱讀更多與 40 多個 Amazon Rekognition 客戶案例相關的資訊。
CoStar 是商業房地產資訊、分析、技術和新聞領域的領導者，擁有市場上最全面的資料平台之一，每天處理超過 150,000 張上傳至其平台的影像。
「對於 CoStar，上傳至我們平台的影像必須遵守我們的最終使用者協議條款，並且不包含不當內容，這樣我們才能確保一個包容、安全和資料驅動型使用者社群。Amazon Rekognition 的 Content Moderation API 讓我們能夠輕鬆建置解決方案，以自動分析所有上傳的影像，從而高效地向客戶交付高價值產品。Amazon Rekognition 提供了一套預先訓練的電腦視覺 API，再加上內容審核、文字偵測和物件偵測，使我們收到的影像更容易被發現，讓我們的社群更具包容性，從而幫助我們進一步改進我們的產品。Amazon Rekognition 讓我們能夠快速行動，透過其預先訓練的模型將 AI 智慧新增至我們的系統中，從而協助我們專注於為房地產行業提供獨特的解決方案。」
CoStar Group 首席軟體工程師 Mark Osborn
Dream11 允許使用者發布影片和圖片，並在群聊中共用影像。該公司每天使用 Amazon Rekognition 自動對數千種資產進行媒體分析，作為其內容審核流程的一部分，以便為其 1 億使用者提供保護，同時為他們帶來引人入勝的體驗。
「我們做出的每一個決定都以資料和技術為後盾，我們會考慮各種指標，不斷新增有助於留住客戶的「令人驚嘆的因素」。AWS 提倡使用者至上的文化，提供直觀的雲端原生服務，協助我們快速啟動，而無需任何相依項。各種 AWS 技術產品協助我們開發原型，並使其能夠非常快速地投入使用，即使大規模也是如此。這讓我們在速度至關重要的市場上具有競爭優勢。」
Dream11 工程副總裁 Praveen Jain
MobiSocial 是一間領先的行動軟體公司，專注於社交網路和遊戲應用程式的建置。該公司開發了 Omlet Arcade，這是一個全球社群，數以千萬計的行動遊戲主播和電子競技玩家聚集在一起分享遊戲體驗和認識新朋友。
「為確保我們的遊戲社群是社交和分享娛樂內容的安全環境，我們使用機器學習來識別不符合我們社群標準的內容。我們建立了一個工作流程，利用 Amazon Rekognition 來標記包含不合規內容的上傳影像和影片內容。我們需要管理一個擁有數百萬遊戲創作者的全球社群，Amazon Rekognition 的內容審核 API 可協助我們確保準確性和規模。自實作 Amazon Rekognition 以來，我們能夠將營運團隊手動審查的內容數量減少了 95%，同時釋放了工程資源以專注於我們的核心業務。我們對最新的 Rekognition 內容審核模型更新充滿期待，它將改善準確性並新增審核類別。」
MobiSocial 資深架構師 Zehong
SmugMug 經營著兩個非常大型的線上相片平台 SmugMug 和 Flickr，讓超過 1 億的會員能夠安全地儲存、搜尋、分享和銷售數百億張相片。Flickr 是全球最大的以攝影師為中心的社區，讓世界各地的攝影師能夠找到自己的靈感，相互聯繫，並與世界分享他們的激情。
「作為一個大型的全球平台，不需要的內容對我們社群的健康構成極大的風險，並可能對攝影師不友好。我們使用 Amazon Rekognition 的內容審核功能，來尋找並正確標記不需要的內容，從而為我們的社群提供安全和友好的體驗。以 Flickr 的龐大規模，在沒有 Amazon Rekognition 的情況下做到這一點幾乎不可能。現在，藉助 Amazon Rekognition 的內容審核，我們的平台可以自動探索和突出更符合我們會員期望的精彩攝影作品，從而促進我們激發、聯繫和與大家分享藝術的使命。」
SmugMug 共同創辦人、執行長兼首席技客 Don MacAskill
ZOZO, Inc. 擁有並經營日本最大的時尚電子商務網站 ZOZOTOWN 和 WEAR (分享服裝款式和穿搭的社交網路)，並為時尚愛好者提供更具多樣化的服務。
「每天都有使用者在 WEAR 上發佈大量圖片，我們需要檢查每一張圖片以確保其符合服務指南。我們以 Amazon Rekognition 內容審核 API 為基礎建置解決方案，可自動檢查以分析使用者在 Amazon S3 中張貼和儲存的內容。Amazon Rekognition 透過自動分析影像，協助我們將手動內容審查程序減少多達 40%。我們還能夠在人員無法確定影像是否適當時減少上報給主管的審查數量，因這會減緩內容操作速度。」
ZOZO, Inc. 品牌解決方案開發部門工程師 Yu Shigetani
進一步了解 Amazon Rekognition 定價