多媒体分析概述

规格

模型服务名称

每次服务消耗

描述

示例

基础模型服务

图像质量评分

1次基础模型服务

提供图像质量评估能力，返回 [0, 100] 的浮点数分值。

"iqa_result":66.88

人脸属性分析

1次基础模型服务

• 提供人脸相关属性的输出，包括脸型、发色、发型、颜值等信息。

• 根据人脸区域的坐标，将多个人脸区分开来，如果没有检测到人脸，则返回一个空数组。

• 脸型：三角脸、圆脸、心形脸、方形脸、椭圆脸、菱形脸、长脸。

• 女性发型：

  • 刘海类型：中分刘海、刘海编发、斜刘海、无刘海、空气刘海、齐刘海。

  • 卷发类型：云朵卷、大波浪、小波浪、氧气卷、空气卷、羊毛卷、蛋卷。

  • 发型：卷发、盘发、直发、扎发、编发。

  • 长短发：中长发、短发、长发。

• 男性发型：分发、圆寸、子弹头、平头、板寸、毛寸、碎发、背头。

• 发色：黑色、咖啡色、奶奶灰、栗色、棕色、渐变色、酒红色、金色、黄色、其他颜色。

• 颜值：0～5 分。

年龄分析

1次基础模型服务

• 识别图像中主体人脸（唯一）的年龄区间。

• 如果图像中有多个人脸，则只会返回区域最大的主体人脸的结果。如果图像中没有检测到人脸，将返回错误提示。

年龄区间包含：'0-2'、'3-9'、'10-19'、'20-29'、'30-39'、'40-49'、'50-59'、'60-69'、'70+'。

图像多标签

1次基础模型服务

提供图像多标签打标能力，可以输出概率最高的Top K个标签以及对应的概率，也可以输出图像的高维特征。

高频标签举例：女生、自拍、男生、生活随拍、截屏、食物、车、美食、游戏、卡通、动物、韩系穿搭等。

人像身材修改

1次基础模型服务

提供人像身材修改功能，您可以上传人像照片，并通过调整degree参数来控制人像的身材，包括胖身或瘦身，其中degree > 0表示瘦身。

接口返回修改后图像的Base64编码。

图像去水印

1次基础模型服务

去除图像中包含的水印。

接口返回去除水印后图像的Base64编码。

AI绘图打标

1次基础模型服务

提供AI绘图（Stable-Diffusion）训练所需的多种图像多标签打标能力，更好的标签能提升训练模型的生图效果。

• 支持的打标模型：WD14、BLIP、GIT、RAM。

• caption结果示例：

  "sensitive, 1girl, solo, long hair, looking at viewer, smile, black hair, brown eyes, scarf, lips, realistic"。

定制模型服务

N次基础模型服务，具体N的值根据定制模型复杂度有所差异

提供图像、视频相关的定制模型服务。

根据实际定制模型类型确定。

高级模型服务

图文视频动态分类打标

1次高级模型服务

为包含多模态内容的动态或帖子提供分类打标服务，支持使用文本+图片或文本+视频的组合进行分类打标，并支持返回高维特征Embedding。

• 高频类别举例：生活、影视综艺、体育、旅游、游戏、美食、健身等。

• 高频标签举例：运动、美食、舞蹈、健身、烹饪、旅游、自拍等。

• embedding举例：

  0.915,0.882,0.943,0.978,1.027,1.181,1.066,1.029,0.866,0.716,0.628,1.203,0.689,0.533,0.734,1.038,0.98,0.613,0.96,0.88,0.586,0.702,1.515,0.697,0.987,0.699,1.179,4.274,0.757,0.89,0.805,0.901。

视频质量评分

1次高级模型服务

提供短视频质量评估能力，返回[0-100]的浮点质量分。

"video_score":20.57

视频分类打标

1次高级模型服务

提供短视频分类打标能力，返回短视频类别和概率较高的Top K个标签及对应概率，也支持输出视频的高维特征。

• 高频类别举例：生活、知识、音乐、科技、游戏。

• 高频标签举例：有字幕、小姐姐、社会新闻资讯、瘦身塑形、剧情段子、影视片段、自然风景等。