Démarrage rapide : Déployer Azure AI Video Indexer à l’aide d’un modèle ARM

Important

En raison de l’annonce de mise hors service d’Azure Media Services, Azure AI Video Indexer annonce les ajustements des fonctionnalités d’Azure AI Video Indexer. Consultez les modifications relatives à la mise hors service Azure Media Service (AMS) pour comprendre ce que cela signifie pour votre compte Azure AI Video Indexer. Consultez le guide de préparation de la mise hors service AMS : Mise à jour et migration vi.

Remarque

L’accès aux fonctionnalités d’identification faciale, de personnalisation et de reconnaissance de la notoriété est limité en fonction des critères d’éligibilité et d’utilisation afin de prendre en charge nos principes d’IA responsable. Les fonctionnalités d’identification faciale, de personnalisation et de reconnaissance de la notoriété ne sont disponibles que pour les clients et partenaires managés par Microsoft. Utilisez le Formulaire d’admission de la reconnaissance faciale pour demander l’accès.

À l’aide de ce guide de démarrage rapide, vous pouvez créer un compte Azure AI Video Indexer à l’aide d’un modèle Azure Resource Manager.

Un modèle Azure Resource Manager est un fichier JSON (JavaScript Object Notation) qui définit l’infrastructure et la configuration à l’aide d’une syntaxe déclarative. Vous décrivez votre déploiement prévu sans écrire la séquence de commandes de programmation pour créer le déploiement.

Une fois le compte créé, vous pouvez utiliser l’API Video Indexer pour interagir avec le compte, charger des vidéos et obtenir Insights IA. Pour bien démarrer, consultez Utiliser l’API REST Azure AI Video Indexer.

Déployer l'exemple

Vous avez deux options de déploiement :

Bouton Déployer

Sélectionnez le bouton pour le déploiement sur Azure, puis renseignez les paramètres manquants.

Déployer avec l’interface CLI

Utilisez l’environnement Bash dans Azure Cloud Shell. Pour plus d’informations, consultez Démarrage rapide pour Bash dans Azure Cloud Shell.

Si vous préférez exécuter les commandes de référence de l’interface de ligne de commande localement, installez l’interface Azure CLI. Si vous exécutez sur Windows ou macOS, envisagez d’exécuter Azure CLI dans un conteneur Docker. Pour plus d’informations, consultez Guide pratique pour exécuter Azure CLI dans un conteneur Docker.

Si vous utilisez une installation locale, connectez-vous à Azure CLI à l’aide de la commande az login. Pour finir le processus d’authentification, suivez les étapes affichées dans votre terminal. Pour connaître les autres options de connexion, consultez Se connecter avec Azure CLI.

Exécutez az version pour rechercher la version et les bibliothèques dépendantes installées. Pour effectuer une mise à niveau vers la dernière version, exécutez az upgrade.

1. Ouvrez le fichier du modèle et inspectez son contenu.

2. Ouvrez le fichier de paramètres et renseignez les paramètres requis (voir paramètres).

3. Exécutez la commande suivante :

   az group create -n myResourceGroup -l eastus

4. Créez un groupe de ressources dans le même emplacement que votre compte Azure AI Video Indexer à l’aide de la az group commande create :

   az deployment group create --resource-group myResourceGroup --template-file .\videoindexer.template.json --parameters=.\videoindexer.parameters.json

Paramètres

name

• Type: string
• Description : Le nom du nouveau compte Azure AI Video Indexer.
• Obligatoire : true

storageAccountName

• Type: string
• Description : Nom du compte storageAccount qui sera utilisé par le compte Video Indexer.
• Obligatoire : true

tags

• Type : object
• Description : Le tableau d’objets représentant les étiquettes utilisateur personnalisées sur le compte Azure AI Video Indexer.
• Requis : false

Documentation de référence

Si vous débutez avec Azure AI Video Indexer, consultez :

• La documentation Azure AI Video Indexer
• Le portail des développeurs d’API Azure AI Video Indexer
• Consultez d’autres exemples Azure AI Video Indexer.

Si vous découvrez le déploiement de modèles, consultez :

• Documentation Azure Resource Manager
• Déployer des ressources avec des modèles ARM
• Déployer des ressources avec Bicep et Azure CLI