基于大模型的语音审核服务

一、服务概览

语音审核大模型版基于语音场景的内容风险特性，定制训练千问审核大模型，提供以下语音审核服务：

• 音视频媒体检测_大模型版：

  针对语音文件审核场景，综合应用了通义大模型能力，针对音频中的风险进行检测，具备更强的语音识别和风险检测能力。支持中文（普通话、四川话、闽南语、吴语、粤语）等语种的识别。

• 音视频媒体检测_大模型出海版：

  针对出海的语音文件审核场景，支持中文、英语、日语、德语、韩语、俄语、法语、葡萄牙语、阿拉伯语、意大利语、西班牙语、印地语、印尼语、泰语、土耳其语、乌克兰语、越南语、捷克语、丹麦语、菲律宾语、芬兰语、冰岛语、马来语、挪威语、波兰语、瑞典语等26种语种的语音审核。

• 社交娱乐直播检测_大模型版：

  针对语音直播流审核场景，综合应用了通义大模型能力，针对音频中的风险进行检测，具备更强的语音识别和风险检测能力。支持中文（普通话、四川话、闽南语、吴语、粤语）等语种的识别。

• 社交娱乐直播检测_大模型出海版：

  针对出海的语音直播流审核场景，支持中文、英语、日语、德语、韩语、俄语、法语、葡萄牙语、阿拉伯语、意大利语、西班牙语、印地语、印尼语、泰语、土耳其语、乌克兰语、越南语、捷克语、丹麦语、菲律宾语、芬兰语、冰岛语、马来语、挪威语、波兰语、瑞典语等26种语种的语音审核。

二、服务选型

三、计费说明

语音审核增强版语音审核大模型服务支持按量后付费和资源包抵扣两种付费方式。

按量后付费

当您开通语音审核增强版服务后，默认付费方式是按量后付费，且按照实际用量结算当日费用，不调用服务不收费。

四、接入指南

步骤一：开通服务

访问开通服务，开通语音审核增强版服务。

开通语音审核增强版服务后，默认付费方式是按量后付费，且按照实际用量结算当日费用，不调用服务不收费。接口接入使用后系统会按使用量自动出账，具体信息，请参见计费说明。您也可以购买按量抵扣资源包，资源包相较于后付费存在一定阶梯折扣，适合使用量级可预期和较大的用户。

步骤二：为RAM用户授权

在接入SDK或者API之前，您需要为RAM用户授权。您可以为阿里云账号和RAM用户创建一个访问密钥（AccessKey）。在调用阿里云API时您需要使用AccessKey完成身份验证。获取方式，请参见获取AccessKey。

1. 使用阿里云账号（主账号）或RAM管理员登录RAM控制台。

2. 创建RAM用户。具体操作，请参见创建RAM用户。

3. 向RAM用户授权系统策略权限：AliyunYundunGreenWebFullAccess。具体操作，请参见为RAM用户授权。完成以上配置后，您可以使用RAM用户调用内容安全API。

步骤三：安装并接入SDK

请参考语音审核增强版2.0版SDK及接入指南，目前支持的接入地域如下：

步骤四：调整语音审核的规则（可选）

您可以在内容安全控制台调整语音审核大模型的检测规则，包括文本审核规则、复制service、配置自定义词库、查询检测记录、查询用量等。

五、API接口

使用说明

您可以调用该接口创建语音内容检测任务。关于如何构造HTTP请求，请参见HTTP原生调用；您也可以直接选用已构造好的HTTP请求，更多信息，请参见语音审核增强版SDK及接入指南。

• 业务接口：

  • 提交审核任务：VoiceModeration

  • 查询审核任务：VoiceModerationResult

  • 取消审核任务：VoiceModerationCancel

• 计费信息：

  该接口为收费接口。仅对HTTP状态码为200的请求进行计量计费，产生其他错误码时不会计费。关于计费方式，请参见计费说明。

• 服务性能：

  服务性能	说明
  音频文件大小	增强版支持音频文件的大小限制为500 MB。
  音频文件格式	支持音频文件格式：MP3、WAV、AAC、WMA、OGG、M4A、AMR。 支持视频文件格式：AVI、FLV、MP4、MPG、ASF、WMV、MOV、RMVB、RM。
  音频直播流	支持以下协议：RTMP、HLS、HTTP-FLV、RTSP。
  请求频率（QPS）	提交任务请求频率（QPS）为100次/秒。
  并发路数	增强版支持的默认并发路数限制为50路。

提交审核任务

请求参数

返回参数

示例

• 请求示例

{
    "Service": "audio_detection_byllm",
    "ServiceParameters": {
        "cryptType": "SHA256",
        "seed": "abc***123",
        "callback": "https://aliyun.com/callback",
        "url": "http://aliyundoc.com/test.mp3"
    }
}

• 正常返回示例

{
    "Code": 200,
    "Data": {
        "TaskId": "AAAAA-BBBBB",
        "DataId": "voice20240307***"
    },
    "Message": "SUCCESS",
    "RequestId": "AAAAAA-BBBB-CCCCC-DDDD-EEEEEEEE****"
}

查询任务结果

直播类型审核任务过程中，查询结果会返回最近N条语音片段数据。任务审核完成后，查询结果会返回全部语音片段数据。

• 查询审核任务：VoiceModerationResult。

• 计费信息：该接口不计费。

• 查询超时：建议您将查询间隔设置为30秒（即在提交异步检测任务30秒后查询结果），最长不能超过24小时，否则结果将会自动删除。

返回参数

示例

请求示例

{
    "Service": "audio_detection_byllm",
    "ServiceParameters": {
        "taskId": "AAAAA-BBBBB"
    }
}

正常返回示例

{
    "Code": 200,
    "Data": {
        "DataId": "voice20240307***",
        "LiveId": "liveId1****",
        "RiskLevel": "high",
        "SliceDetails": [
            {
                "StartTime": 0,
                "EndTime": 4065,
                "RiskLevel": "high",
                "Result": [
                    {
                        "Label": "political_entity",
                        "Description": "疑似政治实体",
                        "Confidence": 100.0,
                        "RiskLevel": "high",
                        "RiskWords": "词A,词B",
                        "RiskPositions": [
                            {
                                "EndPos": 14,
                                "RiskWord": "词A",
                                "StartPos": 16
                            }
                        ]
                    }
                ],
                "Text": "内容安全产品测试用例",
                "Url": "https://aliyundoc.com"
            }
        ]
    },
    "Message": "OK",
    "RequestId": "AAAAAA-BBBB-CCCCC-DDDD-EEEEEEEE****"
}

取消审核任务

仅直播流的审核任务支持取消，文件类型的任务不支持取消。

• 取消审核任务：VoiceModerationCancel。

• 计费信息：该接口不计费。

请求参数

返回参数

示例

• 请求示例

{
    "Service": "stream_detection_byllm",
    "ServiceParameters": {
        "taskId": "AAAAA-BBBBB"
    }
}

• 正常返回参数

{
    "Code": 200,
    "Message": "OK",
    "RequestId": "AAAAAA-BBBB-CCCCC-DDDD-EEEEEEEE****"
}

回调消息格式

Code说明

以下为接口返回code的含义说明，系统仅对code返回为200的请求计量计费，其他code不会计费。