Canva 使用 Amazon SageMaker 迅速讓文字轉影像功能擴展覆蓋到 1 億使用者

Canva 是一個線上平台，用於建立和編輯從簡報到社交媒體貼文、影片、文件甚至網站的所有內容。該公司的目標是讓內容創作大眾化，以便上至企業、下至部落客的每一方都能接觸到先進的視覺通訊工具。隨著使用 ML 和 AI 以文字輸入建立影像的程式不斷湧現，在 Canva 中建置文字轉影像功能符合組織增強創造力並盡可能簡化設計的目標。「產生的內容在數量上出現了爆炸式增長。」Canva ML 總監 Glen Pink 表示，「不久之前，AI 可能只能產生一個簡單的玩具影像。但現在，它實際上已經成為創意設計過程的一部分。」

Canva 的工程師以 Stable Diffusion (2022 年發佈的開源深度學習文字轉影像 ML 模型) 為基礎建置文字轉影像示範時，該公司決定投資將其與 Canva 整合。在建立此工具時，Pink 的第一步是轉向 AWS，因為 Canva 幾乎自創立以來就一直在使用 AWS 的服務。「僅憑我們自己，可能需要 6 個月才能實作。」Pink 說道，「我甚至不知道如何從硬體的角度來處理擴展。」 事實上，Canva 不可能設定足夠的 GPU 來及時實現文字轉影像功能，以滿足業務需求。

透過使用 Amazon SageMaker，Canva 三週內即可將新的文字轉影像功能帶給使用者。「對於某些模型來說，這個周轉時間很正常。」Pink 說道，「但我們現在說的是一項繁重的任務和尖端的技術。在採用 AWS 的方案之前，Canva 無法快速交付大型、現代、尖端的模型，但現在我們可以。」

Canva 關注的不僅是上市速度，更重要的是使用者的信任和安全性。用 AI 產生藝術作品這種現象的出現，也導致使用者可能建立有問題的內容。某些情況下，這些 AI 甚至可以自行建立令人反感的影像。手動審核每張影像需要 Canva 僱用數百名全天候工作的審核員。所以，該公司轉而採用 Amazon Rekognition，藉助其預先訓練和可自訂的電腦視覺功能，從影像和影片中擷取資訊和洞察。「Amazon Rekognition 非常有用。」Pink 說道，「我們不允許使用者輸入可能產生惡意內容的提示，並使用 Amazon Rekognition 識別模型產生之對於工作不安全的影像。」 如果使用者輸入令人反感的影像提示，Canva 不會向使用者傳回任何結果。使用者還可透過一個選項檢舉所產生的、他們認為令人反感的影像。

Canva 會設定其影像建立順序，以便使用者輸入文字提示之後，系統使用 Amazon SageMaker 即時推論端點產生影像。產生影像時，系統會透過 Amazon Rekognition 模型篩選它們。在管道的最後，Canva 會向最終使用者顯示精選出來的影像。透過這種尖端的文字轉影像技術，使用者幾秒鐘內 (而非數小時或數天) 即可建立獨一無二的高質量影像。

Canva 現在將 Amazon SageMaker 用於 60 多個 ML 模型，在服務中幾乎影響到影像建立的每個階段。「將模型交到客戶手中，然後不斷改進、積聚動能非常重要。AWS 對我們實現這一切至關重要。」Pink 表示。Canva 能夠如此迅速地向使用者推出這項創新的新功能，主要是因為使用 AWS 節省了員工的時間。使用 AWS 還幫助 Canva 節省了昂貴的硬體投資，從而降低了成本。Pink 表示：「就投資回報而言，AWS 是實現穩健擴展的一個非常好的選擇，因為我們可以有效、快速地完成部署。」

Canva 每月的活躍使用者人數超過 1 億，目前正在尋求拓展其提供的智慧服務以及全球使用者群體。該公司計劃繼續使用 AWS 以需要的規模建置這些工具，為不斷增多的 Canva for Teams 使用者提供更好的服務。有了 Amazon SageMaker，Canva 的 ML 工程師可以輕鬆快速地創新並塑造未來的團隊協作模式。「為此，AWS 正在積極參與提供底層環境，以支援龐大又複雜 ML 模型。」Pink 表示，

「藉助 AWS，Canva ML 環境可以非常高效地擴展到大量使用者。」他進一步補充道，「我們非常確信，無論我們在 AWS 上建置什麼，它都能夠擴展。」