Amazon Rekognition Image 定價

Amazon Rekognition Image 採用經過驗證、高度可擴展的深度學習技術,讓您可輕鬆地在應用程式中加入影像分析,而無需使用任何機器學習專業知識。使用 Amazon Rekognition Image,您只需按實際用量付費。不需要前期承諾或最低費用。Amazon Rekognition Image 有兩種類型的成本:影像分析成本和臉部中繼資料儲存成本。

影像分析:Amazon Rekognition Image 會在每次您使用我們的 API 進行影像分析時向您收費。對單一影像執行多個 API 將視為處理多個影像。依據與每月處理的影像量相關的分層定價模型,對用量計費。 大部分的 Amazon Rekognition Image API 分為兩個群組:第 1 組和第 2 組,其定價不同。

第 1 組:AssociateFaces、CompareFaces、DisassociateFaces、IndexFaces、SearchFacesbyImage、SearchFaces、SearchUsersByImage、SearchUsers。
第 2 組:DetectFaces、DetectModerationLabels、DetectLabels、DetectText、RecognizeCelebrities、DetectProtectiveEquipment API。

除了上述第 1 組和第 2 組中列出的 API 之外,Amazon Rekognition Image 還支援 影像屬性,此屬性與第 1組和第 2 組分開定價。

臉部中繼資料儲存:若要啟用臉部和使用者搜尋,您需要一個存放臉部中繼資料物件 (臉部向量和使用者向量) 的儲存庫,Amazon Rekognition 可對該儲存庫搜尋相符的項目。儲存費用會按月收取,不滿一個月則按比例計算。

免費方案

AWS 免費方案也包含 Amazon Rekognition Image,您可以免費開始使用。免費方案期限為 12 個月。

影像分析︰在使用免費方案期間,您每月可以分別使用第 1 組和第 2 組 API 免費分析 5,000 個影像。 影像屬性不提供免費方案。

臉部中繼資料儲存:在使用免費方案期間,您每月可免費儲存 1,000 個臉部向量物件和 1,000 個使用者向量物件。

定價表

影像分析

臉部中繼資料儲存

定價範例

定價範例 1 – 基本標籤偵測

假設您的應用程式每月需要為 250 萬個影像進行標籤偵測分析。您使用 Amazon Rekognition 的 DetectLabels API 分析這 250 萬個影像。

使用第 2 組 API (DetectLabels) 處理的影像總數為 250 萬。

使用第 2 組 API 處理 250 萬個影像的成本

費用類型

定價

用量費用

前 100 萬個影像

每個影像 0.0010 USD

1,000,000 個影像 X 0.0010 USD/影像 = 1,000 USD

後續 150 萬個影像

每個影像 0.0008 USD

1,500,000 個影像 X 0.0008 USD/影像 = 1,200 USD

    總計︰2,200 USD
定價範例 2 – 影像屬性

假設您的應用程式在一個月內分析了 250 萬張影像,這些影像需要影像屬性才能進行影像品質和主要色彩偵測。您可以使用 Amazon Rekognition 的 DetectLabels API,僅使用 IMAGE_PROPERTIES 作為輸入參數來分析這 250 萬張影像。

使用影像屬性處理的影像總數為 250 萬張。

使用影像屬性處理 250 萬張影像的費用


費用類型

定價

用量費用

前 100 萬張影像

每張影像 0.00075 USD

100 萬張影像 X 每張影像 0.00075 USD = 750 USD

後續 150 萬張影像

每張影像 0.0006 USD

150 萬張影像 X 每張影像 0.0006 USD = 900 USD
    合計:1,650 USD
定價範例 3 – 標籤偵測和影像屬性

假設您的應用程式在一個月內同時分析了 100 萬張需要標籤偵測和影像屬性的影像。您可以將 Amazon Rekognition 的 DetectLabels API 搭配 GENERAL_LABEL 和 IMAGE_PROPERTIES 一起使用,以分析這 100 萬張影像。

由於影像需要由 DetectLabels API 和影像屬性進行處理,因此您需要支付 DetectLabels API 和影像屬性的費用。

處理的影像總數:

  • 100 萬張使用 DetectLabels API (GENERAL_LABEL 輸入參數)
  • 100 萬張使用影像屬性 (IMAGE_PROPERTIES 輸入參數)

總費用的計算方式如下:

API 費用類型 定價 用量費用
DetectLabels API (GENERAL_LABEL) 前 100 萬張影像 每個影像 0.001 USD 100 萬張影像 X 每張影像 0.001 USD = 1,000 USD
影像屬性 前 100 萬張影像 每張影像 0.00075 USD 100 萬張影像 X 每張影像 0.00075 USD = 750 USD
      合計:1,750 USD
定價範例 4 – 多個 API 和臉部搜尋

假設您的應用程式使用 DetectLabels API 分析了 300 萬張影像。 此後在同一個月,您使用 IndexFaces API 建立一個包含 100 萬個臉部的集合,執行 50 萬次 AssociateFaces API 呼叫來為每個使用者指派 2 個臉部,並使用 SearchUsersbyImage API 在該集合中執行了 250 萬次搜尋。

使用第 1 組 API (IndexFaces、AssociateFaces、SearchUsersbyImage) 處理的影像總數為 400 萬張。

使用第 2 組 API (DetectLabels) 處理的影像總數為 300 萬張。

使用第 1 組 API 處理 400 萬個影像的成本

費用類型

定價

用量費用

前 100 萬個影像

每個影像 0.0010 USD

1,000,000 個影像 X 0.0010 USD/影像 = 1,000 USD。

後續 300 萬個影像 

每個影像 0.0008 USD

3,000,000 張影像 X 0.0008 USD/影像 = 2,400 USD

臉部中繼資料儲存成本 = 1 百萬個臉部向量 x 0.00001 USD/每月臉部向量 + 50 萬個使用者向量 x 0.00001 USD/每月使用者向量 = 15 USD。

使用第 2 組 API 處理 300 萬張影像的成本

費用類型

定價

用量費用

前 100 萬個影像

每個影像 0.0010 USD

1,000,000 個影像 X 0.0010 USD/影像 = 1,000 USD。

後續 300 萬個影像 

每個影像 0.0008 USD

2,000,000 個影像 X 0.0008 USD/影像 = 1,600 USD

    總計:2,600 USD

總費用 = 3,400 USD + 15 USD + 2,600 USD = 6015 USD。

定價範例 5 – 多個 API

假設您的應用程式建立了 1,000 萬個臉部和 200 萬名使用者的集合。之後的同一個月內,您在建立的集合中執行 5,500 萬次使用者搜尋,然後 15 天後刪除該集合。此後,您分析 4,000 萬張影像以偵測標籤並從影像中擷取文字。

在這個案例中,您首先執行 1,000 萬次 IndexFace API 呼叫來建立臉部集合,200 萬次 AssociateFaces API 呼叫來指派 5 個臉部給每名使用者,以及 5,500 萬次 SearchUsers API 呼叫來執行搜尋。之後,您執行 4,000 萬次 DetectLabels API 呼叫來偵測標籤,並執行 4,000 萬次 DetectText API 呼叫來擷取文字。

使用第 1 組中的 API (IndexFaces、AssociateFaces、SearchUsers) 處理的影像總數為 6,700 萬張。

使用第 2 組中的 API (DetectLabels、DetectText) 處理的影像總數為 8,000 萬張。

使用第 1 組 API 處理 6,500 萬個影像的成本

費用類型

定價

用量費用

前 100 萬個影像

每個影像 0.0010 USD

1,000,000 個影像 X 0.0010 USD/影像 = 1,000 USD。

後續 400 萬個影像 

每個影像 0.0008 USD

400 百萬個影像 X 0.0008 USD/影像 = 3,200 USD

後續 3,000 萬個影像 

每個影像 0.0006 USD

30,000,000 張影像 X 0.0006 USD/影像 = 18,000 USD

後續 3,200 萬張影像 

每張影像 0.0004 USD

32,000,000 張影像 X 0.0004 USD/影像 = 12,800 USD

    總計:35,000 USD

臉部中繼資料儲存成本 = 1,000 萬張臉部向量 x 0.00001 USD/每月臉部向量 + 200 萬個使用者向量 x 0.00001 USD/每月使用者向量 x 0.5 個月 = 60 USD。

每月 100 萬張臉部向量 x 0.00001 USD/每月臉部向量 + 50 萬個使用者向量 x 0.00001 USD/每月使用者向量 = 15 USD。

使用第 2 組 API 處理 8,000 萬張影像的成本

費用類型

定價

用量費用

前 100 萬個影像

每個影像 0.0010 USD

1,000,000 個影像 X 0.0010 USD/影像 = 1,000 USD。

後續 400 萬個影像 

每個影像 0.0008 USD

400 百萬個影像 X 0.0008 USD/影像 = 3,200 USD

後續 3,000 萬個影像 

每個影像 0.0006 USD

30,000,000 個影像 X 0.0006 USD/影像 = 18,000 USD

後續 4,500 萬個影像 

每個影像 0.00025 USD

45,000,000 個影像 X 0.00025 USD/影像 = 11,250 USD

    總計:33,450 USD

總費用 = 35,000 USD + 60 USD + 33,450 USD = 68,510 USD。

Amazon Rekognition Video 定價

Amazon Rekognition Video 支援存放影片分析和即時串流影片事件。使用 Amazon Rekognition Video,您只需按實際用量付費。不需要佈建資源,沒有預付款或最低費用。

Amazon Rekognition Streaming Video Events 可處理全新或現有的 Kinesis Video Streams。僅當您向我們傳送開始影片分析的通知時,Rekognition 才會開始處理 Kinesis Video 串流,並且每個事件最多可分析 120 秒的影片。您只需按 Amazon Rekognition 處理的影片量付費。注意:您需要對 Amazon Kinesis Video Streams 服務單獨付費。

Amazon Rekognition 存放影片分析會依據從 Simple Storage Service (Amazon S3) 分析的影片對您計費。對同一部分影片執行多個 API 呼叫時,每個 API 都會分別向您收費。

臉部中繼資料儲存:若要啟用臉部搜尋,您需要一個存放臉部中繼資料的儲存庫,Amazon Rekognition 可對該儲存庫搜尋相符的項目。儲存費用會按月收取,不滿一個月則按比例計算。

定價表

串流影片事件

存放影片分析

媒體分析

儲存

功能 定價

臉部中繼資料儲存

0.00001 USD/每月每個臉部中繼資料**

**儲存費用會按月收取,不滿一個月則按比例計算

免費方案

Amazon Rekognition Video 為 AWS 免費方案的一部分,您可以免費開始使用。免費方案為期 12 個月,每月包含 1,000 分鐘的免費影片分析。Amazon Rekognition Video 免費方案涵蓋標籤偵測、內容審核、臉部偵測、臉部搜尋、名人識別、文字偵測和人物路徑。

定價範例

串流影片事件

範例 1 – 連網家用攝影機處理串流影片的即時分析,以進行人員、寵物和包裹偵測

假設您是一家連網家用攝影機供應商,擁有 1,000 個使用者。每一名使用者的家中都有一台攝影機,當它偵測到動靜時就會串流影片。假設使用者平均每天每台攝影機有 7 個運動事件。對於每個運動事件,服務供應商將 10 秒的影片串流至 Amazon Rekognition Streaming Video Events。

月費:
假設針對這 1000 個使用者使用的 AWS 區域為美國東部。對於每個運動事件,假設處理 10 秒的影片,在運動偵測後分析該影片剪輯中是否有人員、寵物或包裹。處理一分鐘影片的成本為 0.00817 USD。

每月的費用計算方式如下:
每個使用者處理的影片分鐘數 (每個使用者有一個攝影機) = 10 秒 * 每個攝影機每天 7 個運動事件 * 每月 30 天 / 60 = 每月每個使用者處理 35 分鐘的影片。

為 1000 個使用者處理的影片分鐘數總計 = 35 * 1000 = 35,000 分鐘

功能

定價

用量費用

標籤偵測

0.00817 USD/分鐘

每月 35,000 分鐘 * 0.00817 USD/分鐘 = 285.95 USD (正在進行)

範例 2 – 使用 Rekognition 的 Streaming Video Events 進行人員偵測的建築物影片監控服務

假設您為擁有 2000 個攝影機的住宅樓提供專業的影片監控服務。每個攝影機都開始將影片串流至 Rekognition,每個事件持續 10 秒,然後進行運動偵測。假設平均每天每台攝影機有 20 個運動事件。

月費:
假設針對這 2000 個攝影機使用的 AWS 區域為美國東部。對於每個運動事件,假設處理 10 秒的影片,在運動偵測後分析該影片剪輯中是否有人員。處理一分鐘影片的成本為 0.00817 USD。

每月的費用計算方式如下:
每個使用者處理的影片分鐘數 (每個使用者有一個攝影機) = 10 秒 * 每個攝影機每天 20 個運動事件 * 每月 30 天 / 60 = 每月每台攝影機處理 100 分鐘的影片。

為 2000 台攝影機處理的影片分鐘數總計 = 100 * 2000 = 200,000 分鐘

功能

定價

用量費用

標籤偵測

0.00817 USD/分鐘

每月 200,000 分鐘 * 0.00817 USD/分鐘 = 1,634 USD (正在進行)

存放影片分析

範例 3 – 透過存放影片分析進行標籤偵測、鏡頭偵測和內容審核

假設您的應用程式每月在 us-east-1 AWS 區域中使用標籤偵測和鏡頭偵測分析 100,000 分鐘儲存在 Simple Storage Service (Amazon S3) 中的影片,並使用內容審核分析 50,000 分鐘。

功能

定價

用量費用

標籤偵測

0.10 USD/分鐘

100,000 分鐘/月 X 0.10 USD/分鐘 = 10,000 USD/月 (正在進行)

鏡頭偵測

0.05 USD/分鐘

100,000 分鐘/月 X 0.05 USD/分鐘 = 5,000 USD/月 (正在進行)

內容審核

0.10 USD/分鐘

50,000 分鐘/月 X 0.10 USD/分鐘 = 5,000 USD/月 (正在進行)

Amazon Rekognition 自訂標籤定價

藉由 Amazon Rekognition 自訂標籤,您可以識別出影像中特定於您業務需求的物件和場景。使用 Rekognition 自訂標籤時,有兩種類型的費用。

培訓時數
使用 Amazon Rekognition 自訂標籤建立自訂模型所需的培訓,每個小時皆需要付費。Amazon Rekognition 自訂標籤可平行運行多個運算資源,以更快速培訓模型。這意味著計費時數可能會比培訓模型的實際已耗用時數多。培訓模型需要的培訓時數取決於許多因素,例如培訓集中的影像數量與標籤數量,以及用於培訓模型的機器學習演算法類型。通常 90% 的模型要培訓的時數不到 24 小時。需要超過 72 小時培訓時數的模型將會自動終止。若您的培訓自動終止,將不會向您收取費用。

例如,假設您的培訓自下午 4:00 開始,到晚上 8:30 結束,而 Amazon Rekognition 自訂標籤平行使用兩個資源以加速培訓模型。您的培訓時數總計為 9 小時 (4.5 小時的已耗用時間 x 2 個資源)。

推論時數
可用於處理影像培訓的自訂模型,每小時皆需要付費。在單一小時內可以處理的影像數目取決於許多因素,例如處理的影像大小和自訂模型的複雜性。藉由 Amazon Rekognition 自訂標籤,您可以平行執行多個運算資源,以更快速處理影像。這意味著計費的時數可能會比執行培訓的自訂模型的實際已耗用時數多。

例如,假設您在下午 2 點開始使用自訂模型進行推論,並於下午 5 點結束,然後選擇平行佈建兩個資源來處理影像。您的計費推論時數總計為 6 小時 (3 小時的已耗用時間 x 2 個資源)。

如果您希望批次處理影像 (例如,每天或每週處理一次,或在一天中的排程次數),則您應該在排程次數佈建自訂模型、處理所有影像,然後取消佈建資源。如果您不取消佈建資源,即使未處理任何影像,仍將對您繼續收費。

免費方案

Amazon Rekognition 自訂標籤為 AWS 免費方案的一部分,您可以免費開始使用。免費方案為期 3 個月,包括每月 10 個小時的免費培訓和每月 4 個小時的免費推論。

定價表

定價範例

定價範例 1 – 網站影像標籤

假設您是一個線上假期網站,希望讓您的客戶能夠更容易搜尋到您的房屋。您已經識別出了數個相關標籤 (撞球桌、餐廳、面海等),並想要培訓自訂模型,以在影像中找到這些功能。假設需要 10.2 個培訓時數來培訓自訂模型。也假設您每天需要 0.5 個推論時數來處理您網站所收到的所有影像。

費用類型

定價

用量費用

10.2 個培訓時數

每小時 1 USD

10.2 小時 x 1 USD/小時 = 10.20 USD (一次)

0.5 個推論時數/天

每小時 4 USD

 

0.5 小時/天 x 4 USD/小時 = 2.00 USD/天 (正在進行)

定價範例 2 – 識別生產設施中的零件

假設您是製造商,想要在特定機器零件通過生產線時識別出特定該機器零件。您在整個工作日都可擷取各種機器零件的影像。假設這會花費 11 個培訓小時來培訓模型。

由於您整天都有源源不斷的影像,因此您的模型需要從上午 9 點到下午 5 點連續執行,每天總計 8 個小時。

費用類型

定價

用量費用

11 個培訓時數

每小時 1 USD

11 小時 x 1 USD/小時 = 11.00 USD (一次)

8 個推論時數/天

每小時 4 USD

 

8 小時/天 x 4 USD/小時 = 32.00 USD/天 (正在進行)

定價範例 3 – 影響者分析

假設您是一個社交媒體行銷代理商,監控成千上萬名影響者,以便準確、快速地為客戶找出最佳的影響者。您每天處理從各社交媒體通道提取的 450,000 個影響者影像,並透過自訂標籤模型將其執行。假設每天處理 440,000 個影像,每天需要大約 44 個推論時數。也假設花費 9 個小時來培訓模型。

以每天 440,000 個影像的規模來說,您需要平行執行至少兩個推論資源才能滿足您的需求。

費用類型

定價

用量費用

9 個培訓時數

每小時 1 USD

9 小時 x 1 USD/小時 = 9.00 USD (一次)

44 個推論時數/天

每小時 4 USD

44 小時/天 x 4 USD/小時 = 180.00 USD/天 (正在進行)

Amazon Rekognition Face Liveness 定價

Amazon Rekognition Face Liveness 可驗證唯有真實使用者 (而非使用愚弄手法的不當行為者) 才能存取您的服務。Face Liveness 會分析簡短自拍影片,以偵測在相機前呈現的愚弄手法,例如列印出來的相片、數位相片、數位影片或 3D 面具,以及無視相機偵測的愚弄手法,例如預先錄製或深度偽造的影片。Face Liveness 是一項全受管功能,可輕鬆地新增至您的 React Web、原生 iOS,以及執行於大多數帶前置攝像頭裝置的原生 Android 應用程式。無需基礎設施管理、硬體特定實作或機器學習專業知識。該功能會根據需求自動縱向擴展或縮減規模,只需依執行的臉部真實性檢查付費。

定價表

定價範例

定價範例 1 – 一個月檢查 40 萬次臉部真實性的成本

假設您的應用程式在一個月內執行 400,000 次真實性檢查,而您使用 AWS 美國東部 (維吉尼亞北部) 區域進行這些檢查。

在美國東部 (維吉尼亞北部) 處理前 500,000 次檢查的成本為每次檢查 0.015 美元
處理的檢查總數 = 400,000
每月總成本 = 0.015 美元 * 400,000 = 6,000 美元

定價範例 2 – 一個月檢查 100 萬次臉部真實性的成本

假設您的應用程式在一個月內執行 100 萬次真實性檢查,而您使用 AWS 美國東部 (維吉尼亞北部) 區域進行這些檢查。

在美國東部 (維吉尼亞北部) 處理前 500,000 次檢查的成本為每次檢查 0.015 美元,後續 500,000 次檢查為每次檢查 0.0125 美元。
處理的檢查總數 = 1,000,000
每月總成本 = 0.015 美元 * 500,000 + 0.0125 美元 * 500,000 = 13,750 美元

定價範例 3 – 一個月檢查 450 萬次臉部真實性的成本

假設您的應用程式在一個月內執行 450 萬次真實性檢查,而您使用 AWS 美國東部 (維吉尼亞北部) 區域進行這些檢查。

在美國東部 (維吉尼亞北部) 處理前 500,000 次檢查的成本為每次檢查 0.015 美元,後續 250 萬次檢查為每次檢查 0.0125 美元,以及最後 150 萬次檢查為每次檢查 0.010 美元。

處理的檢查總數 = 4,500,000
每月總成本 = 0.015 USD * 500,000 + 0.0125 USD * 2,500,000 + 0.01 USD * 1,500,000 = 53,750 USD

Amazon Rekognition 自訂審核定價

您可以使用 Amazon Rekognition 自訂審核,提高審核深度學習模型的準確性。您可以使用少至 20 個帶有註釋的影像訓練自訂介面卡,並針對與您特定使用案例相關的影像分析任務,提高其準確度。無需基礎設施管理、硬體特定實作或機器學習專業知識。

若要建立並使用介面卡,您必須:

  1. 使用帶有註釋的影像訓練您的介面卡
  2. 透過將唯一的 AdapterID 提供給 DetectModerationLabels API 進行推論來使用您的介面卡

訓練成本
使用 Amazon Rekognition 自訂審核建立介面卡所需的訓練,每分鐘皆需要付費。Amazon Rekognition 自訂審核可平行執行多個運算資源,以更快地訓練介面卡。這意味著計費的分鐘數可能會比訓練介面卡的實際耗用分鐘數多。訓練介面卡所需的訓練分鐘數取決於許多因素,例如訓練集中的影像數目和標籤數目。通常 90% 的介面卡需要訓練的分鐘數不到 60 分鐘。若您的訓練自動終止,將不會向您收取費用。

例如,假設您的訓練從下午 4 點開始並於下午 4 點 35 分結束,而 Amazon Rekognition 自訂審核使用單一資源來訓練您的介面卡。您計費的訓練分鐘數總計為 35 分鐘 (耗用 35 分鐘時間 x 1 個資源)。

Amazon Rekognition 自訂審核為 AWS 免費方案的一部分,您可以免費開始使用。該免費方案持續 3 個月,每月包括 10 小時的免費訓練,可訓練自訂審核介面卡或自訂標籤模型。

推論成本
每次使用自訂審核介面卡分析影像時,就會向您收取費用。不需要前期承諾或最低費用。依據與每月處理的影像量相關的分層定價模型,對用量計費。 

定價表

定價範例

定價範例 1 - 每月 1,000 萬個影像的自訂審核介面卡

假設您總共需要 30 分鐘才能訓練您的介面卡。您可以使用經過訓練的介面卡,透過 Amazon Rekognition DetectModerationLabels API 每月分析 1,000 萬個影像。您要使用 AWS 美國東部 (維吉尼亞北部) 區域進行此操作。

使用自訂審核介面卡處理的影像總數為 1,000 萬,且介面卡訓練時間總計為 30 分鐘。

費用類型

定價

用量費用

30 分鐘訓練 每小時 5 USD  30 分鐘 X 5 USD/小時 = 2.5 USD (一次)
前 100 萬個影像 每個影像 0.0012 USD 100 萬個影像 X 每個影像 0.0012 USD = 1,200 USD (持續)
後續 400 萬個影像 每個影像 0.00096 USD 400 萬個影像 X 每個影像 0.00096 USD = 3,840 USD (持續)
後續 500 萬個影像 每個影像 0.00072 USD 500 萬個影像 X 每個影像 0.00072 USD = 3,600 USD (持續)
    總計:8,642.50 USD

訓練介面卡的一次性費用 = 2.5 USD
每月使用介面卡分析 1,000 萬個影像的持續費用 = 8,640 USD

定價範例 2 - 每月 4,000 萬個影像的自訂審核介面卡

假設您總共需要 90 分鐘才能訓練您的介面卡。您可以使用經過訓練的介面卡,透過 Amazon Rekognition DetectModerationLabels API 每月分析 4,000 萬個影像。您要使用 AWS 美國東部 (維吉尼亞北部) 區域進行此操作。

費用類型

定價

用量費用

90 分鐘訓練 每小時 5 USD  90 分鐘 X 5 USD/小時 = 7.5 USD (一次)
前 100 萬個影像 每個影像 0.0012 USD 100 萬個影像 X 每個影像 0.0012 USD = 1,200 USD (持續)
後續 400 萬個影像 每個影像 0.00096 USD 400 萬個影像 X 每個影像 0.00096 USD = 3,840 USD (持續)
後續 3,000 萬個影像 每個影像 0.00072 USD 3000 萬個影像 X 每個影像 0.00072 USD = 21,600 USD (持續)
超過 3,000 萬個影像 每個影像 0.0003 USD 500 萬個影像 X 每個影像 0.0003 USD = 1,500 USD (持續)
    總計:28,147.50 USD

訓練介面卡的一次性費用 = 7.5 USD
每月使用介面卡分析 4,000 萬個影像的持續費用 = 28,140 USD

開始使用 Amazon Rekognition  

瀏覽入門頁面
準備好開始建立?
開始使用 AWS Rekognition
還有其他問題嗎?
聯絡我們