快速入門：分析影像內容

開始使用 Content Studio、REST API 或用戶端 SDK 來執行基本影像仲裁。 Azure AI 內容安全服務提供 AI 演算法來標記令人反感的內容。 請遵循下列步驟來試用。

如需有關影像審核的詳細資訊，請參閱有害類別概念頁面。 針對 API 輸入限制，請參閱概觀的輸入需求 (英文) 一節。

注意

樣本資料和程式碼可能包含冒犯性內容。 建議使用者斟酌使用。

必要條件

• Azure 訂用帳戶 - 建立免費帳戶
• 擁有 Azure 訂用帳戶之後，在 Azure 入口網站中建立 Content Safety 資源，以取得您的金鑰和端點。 輸入您資源的唯一名稱，選取您的訂用帳戶，然後選取資源群組、支援的區域 (參閱區域可用性) 以及支援的定價層。 然後選取建立。
  • 部署資源需要幾分鐘的時間。 完成後，選取 [移至資源]。 在左側窗格中，於 [資源管理] 下選取 [訂用帳戶金鑰和端點]。 端點和其中一個金鑰是用以呼叫 API。
• 已安裝 cURL

分析映像內容

下一節會逐步解說使用 cURL 進行影像仲裁要求的範例。

準備範例影像

選擇要分析的範例影像，並將其下載到您的裝置。

如需影像限制，請參閱輸入需求 (英文)。 如果您的格式是動畫，服務會擷取第一個畫面以執行分析。

您可以透過下列兩種方法之一來輸入影像：本機 Filestream 或 Blob 儲存體 URL。

• 本機 Filestream (建議)：將您的影像編碼為 base64。 您可以使用 codebeautify 之類的網站來執行編碼。 然後將編碼的字串儲存到暫存位置。

• Blob 儲存體 URL：將您的影像上傳至 Azure Blob 儲存體帳戶。 請遵循 Blob 儲存體快速入門，以了解如何執行這項操作。 然後開啟 Azure 儲存體總管，並取得影像的 URL。 請將其儲存至暫存位置。

  接下來，您必須提供 Content Safety 資源存取權，以從 Azure 儲存體資源讀取。 為 Azure AI Content Safety 實例啟用系統指派的受控識別，並將記憶體 Blob 數據參與者/擁有者的角色指派給身分識別：

  重要

  只有記憶體 Blob 數據參與者或記憶體 Blob 數據擁有者是有效的角色，才能繼續。

  1. 為 Azure AI 內容安全執行個體啟用受控識別。

     

  2. 將儲存體 Blob 資料參與者/擁有者的角色指派給受控識別。 以下醒目提示的任何角色應該都能正常運作。

     

     

     

分析映像內容

將下列命令貼上至文字編輯器，並進行下列變更。

1. 將 <endpoint> 取代為您的資源端點 URL。
2. 以您的金鑰取代 <your_subscription_key>。
3. 使用 "content" 欄位或 "blobUrl" 欄位填入本文中的 "image" 欄位。 例如：{"image": {"content": "<base_64_string>"} 或 {"image": {"blobUrl": "<your_storage_url>"}。

curl --location --request POST '<endpoint>/contentsafety/image:analyze?api-version=2024-09-01' \
--header 'Ocp-Apim-Subscription-Key: <your_subscription_key>' \
--header 'Content-Type: application/json' \
--data-raw '{
  "image": {
    "content": "<base_64_string>"
  },
  "categories": ["Hate", "SelfHarm", "Sexual", "Violence"],
  "outputType": "FourSeverityLevels"
}'

注意

如果您使用 Blob 儲存體 URL，要求本文看起來應如下所示：

{
  "image": {
    "blobUrl": "<your_storage_url>"
  }
}

下欄欄位必須包含在 URL 中：

名稱	是必要的嗎?	描述	類型
API 版本	必要	這是要檢查的 API 版本。 目前的版本為：api-version=2024-09-01。 範例: <endpoint>/contentsafety/image:analyze?api-version=2024-09-01	String

要求本文中的參數在此表中定義：

名稱	是必要的嗎?	描述	類型
內容	必要	影像的內容或 Blob URL。 照可以是 base64 編碼的位元組或 Blob URL。 如果提供兩者，則會拒絕要求。 影像允許的大小上限為 7,200 x 7,200 像素，檔案大小上限為 4 MB。 影像的大小下限為 50 像素 x50 像素。	String
categories	選擇性	假定這是類別名稱的陣列。 如需可用類別名稱的清單，請參閱危害類別指南。 如果未指定任何類別，則會使用這四個類別。 我們使用多個類別來取得單一要求中的分數。	String
outputType	選擇性	影像審核 API 僅支援 "FourSeverityLevels"。 四個層級的輸出嚴重性。 此值可以是 0,2,4,6	String

開啟命令提示字元視窗並執行 cURL 命令。

輸出

您應該會在主控台中看到顯示為 JSON 資料的影像仲裁結果。 例如：

{
  "categoriesAnalysis": [
    {
      "category": "Hate",
      "severity": 2
    },
    {
      "category": "SelfHarm",
      "severity": 0
    },
    {
      "category": "Sexual",
      "severity": 0
    },
    {
      "category": "Violence",
      "severity": 0
    }
  ]
}

輸出中的 JSON 欄位定義如下：

名稱	描述	類型
categoriesAnalysis	API 預測的每個輸出類別。 分類可以為多標籤的。 例如，影像上傳到影像調節模型時，可以同時分類為色情內容和暴力內容。 傷害類別	String
嚴重性	每個傷害類別中旗標的嚴重性層級。 傷害類別	整數

參考文件 | 程式庫來源程式碼 | 套件 (NuGet) | 範例

必要條件

• Azure 訂用帳戶 - 建立免費帳戶
• 已啟用具有工作負載 .NET 桌面開發的 Visual Studio 整合式開發環境 (IDE)。 或者，如果您不打算使用 Visual Studio 整合式開發環境 (IDE)，則您需要目前的 .NET Core 版本。
• 已安裝 .NET 執行階段。
• 擁有 Azure 訂用帳戶之後，在 Azure 入口網站中建立 Content Safety 資源，以取得您的金鑰和端點。 輸入您資源的唯一名稱，選取您的訂用帳戶，然後選取資源群組、支援的區域 (參閱區域可用性) 以及支援的定價層。 然後選取建立。
  • 部署資源需要幾分鐘的時間。 完成後，選取 [移至資源]。 在左側窗格中，於 [資源管理] 下選取 [訂用帳戶金鑰和端點]。 端點和其中一個金鑰是用以呼叫 API。

設定應用程式

建立新的 C# 應用程式。

Visual Studio IDE

開啟 Visual Studio，然後在 [開始] 下，選取 [建立新專案]。 將範本篩選設定為 C#/所有平台/主控台。 選取 [主控台應用程式] (可在 Windows、Linux 和 macOS 上的 .NET 上執行的命令列應用程式)，然後選擇 [下一步]。 將專案名稱更新為 ContentSafetyQuickstart，然後選擇 [下一步]。 選取 .NET 6.0 或更新版本，然後選擇 [建立] 以建立專案。

安裝用戶端 SDK

建立新專案後，以滑鼠右鍵按一下 [方案總管] 中的專案解決方案，然後選取 [管理 NuGet 套件]，以安裝用戶端 SDK。 在開啟的封裝管理員中，選取 [瀏覽] 並搜尋 Azure.AI.ContentSafety。 選取 [安裝]。

CLI

在主控台視窗中 (例如 cmd、PowerShell 或 Bash)，使用 dotnet new 命令建立名為 content-safety-quickstart 的新主控台應用程式。 此命令會建立簡單的 "Hello World" C# 專案，內含單一原始程式檔：Program.cs。

dotnet new console -n content-safety-quickstart

將目錄變更為新建立的應用程式資料夾。 您可以使用下列命令來建置應用程式：

dotnet build

建置輸出應該不會有警告或錯誤。

...
Build succeeded.
  0 Warning(s)
  0 Error(s)
...

安裝用戶端 SDK

在應用程式目錄中，使用下列命令安裝適用於 .NET 的電腦視覺用戶端 SDK：

dotnet add package Azure.AI.ContentSafety

建立環境變數

在此範例中，您會在執行應用程式的本機電腦上將認證寫入環境變數。

若要設定金鑰和端點的環境變數，請開啟主控台視窗，然後遵循作業系統和開發環境的指示進行。

• 若要設定 CONTENT_SAFETY_KEY 環境變數，請以您其中一個資源索引碼取代 YOUR_CONTENT_SAFETY_KEY。
• 若要設定 CONTENT_SAFETY_ENDPOINT 環境變數，請將 YOUR_CONTENT_SAFETY_ENDPOINT 取代為您資源的端點。

重要

如果您使用 API 金鑰，請將其安全地儲存在別處，例如 Azure Key Vault。 請勿在程式碼中直接包含 API 金鑰，且切勿公開張貼金鑰。

如需 AI 服務安全性的詳細資訊，請參閱驗證對 Azure AI 服務的要求 (英文)。

Windows

setx CONTENT_SAFETY_KEY 'YOUR_CONTENT_SAFETY_KEY'

setx CONTENT_SAFETY_ENDPOINT 'YOUR_CONTENT_SAFETY_ENDPOINT'

新增環境變數之後，您可能需要重新啟動任何將讀取環境變數的執行中程式，包括主控台視窗。

Linux

export CONTENT_SAFETY_KEY='YOUR_CONTENT_SAFETY_KEY'

export CONTENT_SAFETY_ENDPOINT='YOUR_CONTENT_SAFETY_ENDPOINT'

新增環境變數之後，請從主控台視窗執行 source ~/.bashrc，讓變更生效。

分析映像內容

從專案目錄中，開啟先前建立的 Program.cs 檔案。 貼入下列程式碼。

using System;
using Azure.AI.ContentSafety;

namespace Azure.AI.ContentSafety.Dotnet.Sample
{
  class ContentSafetySampleAnalyzeImage
  {
    public static void AnalyzeImage()
    {
      // retrieve the endpoint and key from the environment variables created earlier
      string endpoint = Environment.GetEnvironmentVariable("CONTENT_SAFETY_ENDPOINT");
      string key = Environment.GetEnvironmentVariable("CONTENT_SAFETY_KEY");

      ContentSafetyClient client = new ContentSafetyClient(new Uri(endpoint), new AzureKeyCredential(key));

      // Example: analyze image

      string imagePath = @"sample_data\image.png";
      ContentSafetyImageData image = new ContentSafetyImageData(BinaryData.FromBytes(File.ReadAllBytes(imagePath)));

      var request = new AnalyzeImageOptions(image);

      Response<AnalyzeImageResult> response;
      try
      {
          response = client.AnalyzeImage(request);
      }
      catch (RequestFailedException ex)
      {
          Console.WriteLine("Analyze image failed.\nStatus code: {0}, Error code: {1}, Error message: {2}", ex.Status, ex.ErrorCode, ex.Message);
          throw;
      }

      Console.WriteLine("Hate severity: {0}", response.Value.CategoriesAnalysis.FirstOrDefault(a => a.Category == ImageCategory.Hate)?.Severity ?? 0);
      Console.WriteLine("SelfHarm severity: {0}", response.Value.CategoriesAnalysis.FirstOrDefault(a => a.Category == ImageCategory.SelfHarm)?.Severity ?? 0);
      Console.WriteLine("Sexual severity: {0}", response.Value.CategoriesAnalysis.FirstOrDefault(a => a.Category == ImageCategory.Sexual)?.Severity ?? 0);
      Console.WriteLine("Violence severity: {0}", response.Value.CategoriesAnalysis.FirstOrDefault(a => a.Category == ImageCategory.Violence)?.Severity ?? 0);
    }
    static void Main()
    {
      AnalyzeImage();
    }
  }
}

在專案目錄中建立 sample_data 資料夾，並將 image.png 檔案新增至其中。

Visual Studio IDE

從 IDE 視窗頂端的 [偵錯] 功能表選取 [開始偵錯] (或按 F5) 來建置並執行應用程式。

CLI

使用這些命令從您的應用程式目錄建置並執行應用程式：

dotnet build
dotnet run

參考文件 | 程式庫來源程式碼 | 套件 (PyPI) | 範例 |

必要條件

• Azure 訂用帳戶 - 建立免費帳戶
• 擁有 Azure 訂用帳戶之後，在 Azure 入口網站中建立 Content Safety 資源，以取得您的金鑰和端點。 輸入您資源的唯一名稱，選取您的訂用帳戶，然後選取資源群組、支援的區域 (參閱區域可用性) 以及支援的定價層。 然後選取建立。
  • 部署資源需要幾分鐘的時間。 完成後，選取 [移至資源]。 在左側窗格中，於 [資源管理] 下選取 [訂用帳戶金鑰和端點]。 端點和其中一個金鑰是用以呼叫 API。
• Python 3.8 或更新版本
  • 您安裝的 Python 應包含 pip。 您可以在命令列上執行 pip --version 來檢查是否已安裝 pip。 安裝最新版本的 Python 以取得 pip。

建立環境變數

在此範例中，您會在執行應用程式的本機電腦上將認證寫入環境變數。

若要設定金鑰和端點的環境變數，請開啟主控台視窗，然後遵循作業系統和開發環境的指示進行。

• 若要設定 CONTENT_SAFETY_KEY 環境變數，請以您其中一個資源索引碼取代 YOUR_CONTENT_SAFETY_KEY。
• 若要設定 CONTENT_SAFETY_ENDPOINT 環境變數，請將 YOUR_CONTENT_SAFETY_ENDPOINT 取代為您資源的端點。

重要

如果您使用 API 金鑰，請將其安全地儲存在別處，例如 Azure Key Vault。 請勿在程式碼中直接包含 API 金鑰，且切勿公開張貼金鑰。

如需 AI 服務安全性的詳細資訊，請參閱驗證對 Azure AI 服務的要求 (英文)。

Windows

setx CONTENT_SAFETY_KEY 'YOUR_CONTENT_SAFETY_KEY'

setx CONTENT_SAFETY_ENDPOINT 'YOUR_CONTENT_SAFETY_ENDPOINT'

新增環境變數之後，您可能需要重新啟動任何將讀取環境變數的執行中程式，包括主控台視窗。

Linux

export CONTENT_SAFETY_KEY='YOUR_CONTENT_SAFETY_KEY'

export CONTENT_SAFETY_ENDPOINT='YOUR_CONTENT_SAFETY_ENDPOINT'

新增環境變數之後，請從主控台視窗執行 source ~/.bashrc，讓變更生效。

分析映像內容

下一節會逐步解說 Python SDK 的範例要求。

1. 開啟命令提示字元，瀏覽至您的專案資料夾，然後建立名為 quickstart.py 的新檔案。

2. 執行此命令以安裝 Azure AI 內容安全用戶端程式庫：

   python -m pip install azure-ai-contentsafety
   

3. 將下列程式碼複製到 quickstart.py：

   import os
   
   from azure.ai.contentsafety import ContentSafetyClient
   from azure.ai.contentsafety.models import AnalyzeImageOptions, ImageData, ImageCategory
   from azure.core.credentials import AzureKeyCredential
   from azure.core.exceptions import HttpResponseError
   
   def analyze_image():
       endpoint = os.environ.get('CONTENT_SAFETY_ENDPOINT')
       key = os.environ.get('CONTENT_SAFETY_KEY')
       image_path = os.path.join("sample_data", "image.jpg")
   
       # Create an Azure AI Content Safety client
       client = ContentSafetyClient(endpoint, AzureKeyCredential(key))
   
   
       # Build request
       with open(image_path, "rb") as file:
           request = AnalyzeImageOptions(image=ImageData(content=file.read()))
   
       # Analyze image
       try:
           response = client.analyze_image(request)
       except HttpResponseError as e:
           print("Analyze image failed.")
           if e.error:
               print(f"Error code: {e.error.code}")
               print(f"Error message: {e.error.message}")
               raise
           print(e)
           raise
   
       hate_result = next(item for item in response.categories_analysis if item.category == ImageCategory.HATE)
       self_harm_result = next(item for item in response.categories_analysis if item.category == ImageCategory.SELF_HARM)
       sexual_result = next(item for item in response.categories_analysis if item.category == ImageCategory.SEXUAL)
       violence_result = next(item for item in response.categories_analysis if item.category == ImageCategory.VIOLENCE)
   
       if hate_result:
           print(f"Hate severity: {hate_result.severity}")
       if self_harm_result:
           print(f"SelfHarm severity: {self_harm_result.severity}")
       if sexual_result:
           print(f"Sexual severity: {sexual_result.severity}")
       if violence_result:
           print(f"Violence severity: {violence_result.severity}")
   
   if __name__ == "__main__":
       analyze_image()
   

4. 將 "sample_data" 和 "image.jpg" 取代為您要使用的本機路徑和檔案名稱。

5. 然後使用快速入門檔案上的 python 命令執行應用程式。

   python quickstart.py
   

參考文件 | 程式庫原始程式碼 | 成品 (Maven) | 範例

必要條件

• Azure 訂用帳戶 - 建立免費帳戶
• 最新版的 Java Development Kit (JDK)
• Gradle 建置工具，或其他相依性管理員。
• 擁有 Azure 訂用帳戶之後，在 Azure 入口網站中建立 Content Safety 資源，以取得您的金鑰和端點。 輸入您資源的唯一名稱，選取您的訂用帳戶，然後選取資源群組、支援的區域 (參閱區域可用性) 以及支援的定價層。 然後選取建立。
  • 部署資源需要幾分鐘的時間。 完成後，選取 [移至資源]。 在左側窗格中，於 [資源管理] 下選取 [訂用帳戶金鑰和端點]。 端點和其中一個金鑰是用以呼叫 API。

設定應用程式

建立新的 Gradle 專案。

在主控台視窗 (例如 cmd、PowerShell 或 Bash) 中，為您的應用程式建立新的目錄，並瀏覽至該目錄。

mkdir myapp && cd myapp

從您的工作目錄執行 gradle init 命令。 此命令會建立 Gradle 的基本組建檔案，包括 build.gradle.kts，此檔案將在執行階段用來建立及設定您的應用程式。

gradle init --type basic

出現選擇 DSL 的提示時，請選取 [Kotlin]。

在您的工作目錄中執行下列命令，以建立專案來源資料夾：

mkdir -p src/main/java

瀏覽至新的資料夾，並建立名為 ContentSafetyQuickstart.java 的檔案。

此外，請在專案的根目錄建立 src/resources 資料夾，並將範例影像新增至其中。

安裝用戶端 SDK

本快速入門會使用 Gradle 相依性管理員。 您可以在 Maven 中央存放庫中找到用戶端程式庫和其他相依性管理員的資訊。

找出 build.gradle.kts，並使用您慣用的 IDE 或文字編輯器加以開啟。 然後，在其中複製下列組建組態。 此組態會將專案定義為進入點為 ContentSafetyQuickstart 類別的 Java 應用程式。 它會匯入 Azure AI 視覺程式庫。

plugins {
    java
    application
}
application { 
    mainClass.set("ContentSafetyQuickstart")
}
repositories {
    mavenCentral()
}
dependencies {
    implementation(group = "com.azure", name = "azure-ai-contentsafety", version = "1.0.0")
}

建立環境變數

在此範例中，您會在執行應用程式的本機電腦上將認證寫入環境變數。

若要設定金鑰和端點的環境變數，請開啟主控台視窗，然後遵循作業系統和開發環境的指示進行。

• 若要設定 CONTENT_SAFETY_KEY 環境變數，請以您其中一個資源索引碼取代 YOUR_CONTENT_SAFETY_KEY。
• 若要設定 CONTENT_SAFETY_ENDPOINT 環境變數，請將 YOUR_CONTENT_SAFETY_ENDPOINT 取代為您資源的端點。

重要

如果您使用 API 金鑰，請將其安全地儲存在別處，例如 Azure Key Vault。 請勿在程式碼中直接包含 API 金鑰，且切勿公開張貼金鑰。

如需 AI 服務安全性的詳細資訊，請參閱驗證對 Azure AI 服務的要求 (英文)。

Windows

setx CONTENT_SAFETY_KEY 'YOUR_CONTENT_SAFETY_KEY'

setx CONTENT_SAFETY_ENDPOINT 'YOUR_CONTENT_SAFETY_ENDPOINT'

新增環境變數之後，您可能需要重新啟動任何將讀取環境變數的執行中程式，包括主控台視窗。

Linux

export CONTENT_SAFETY_KEY='YOUR_CONTENT_SAFETY_KEY'

export CONTENT_SAFETY_ENDPOINT='YOUR_CONTENT_SAFETY_ENDPOINT'

新增環境變數之後，請從主控台視窗執行 source ~/.bashrc，讓變更生效。

分析映像內容

在慣用的編輯器或 IDE 中開啟 ContentSafetyQuickstart.java，並貼上下列程式碼。 將 source 變數取代為範例影像的路徑。

import com.azure.ai.contentsafety.ContentSafetyClient;
import com.azure.ai.contentsafety.ContentSafetyClientBuilder;
import com.azure.ai.contentsafety.models.AnalyzeImageOptions;
import com.azure.ai.contentsafety.models.AnalyzeImageResult;
import com.azure.ai.contentsafety.models.ContentSafetyImageData;
import com.azure.ai.contentsafety.models.ImageCategoriesAnalysis;
import com.azure.core.credential.KeyCredential;
import com.azure.core.util.BinaryData;
import com.azure.core.util.Configuration;

import java.io.IOException;
import java.nio.file.Files;
import java.nio.file.Paths;


public class ContentSafetyQuickstart {
    public static void main(String[] args) throws IOException {

        // get endpoint and key from environment variables
        String endpoint = System.getenv("CONTENT_SAFETY_ENDPOINT");
        String key = System.getenv("CONTENT_SAFETY_KEY");

        ContentSafetyClient contentSafetyClient = new ContentSafetyClientBuilder()
            .credential(new KeyCredential(key))
            .endpoint(endpoint).buildClient();

        ContentSafetyImageData image = new ContentSafetyImageData();
        String cwd = System.getProperty("user.dir");
        String source = "/src/samples/resources/image.png";

        image.setContent(BinaryData.fromBytes(Files.readAllBytes(Paths.get(cwd, source))));

        AnalyzeImageResult response =
                contentSafetyClient.analyzeImage(new AnalyzeImageOptions(image));

        for (ImageCategoriesAnalysis result : response.getCategoriesAnalysis()) {
            System.out.println(result.getCategory() + " severity: " + result.getSeverity());
        }
    }
}

瀏覽回專案根資料夾，並使用下列項目建置應用程式：

gradle build

然後，使用 gradle run 命令加以執行：

gradle run

輸出

Hate severity: 0
SelfHarm severity: 0
Sexual severity: 0
Violence severity: 0

參考文件 | 程式庫來源程式碼 | 套件 (npm) | 範例 |

必要條件

• Azure 訂用帳戶 - 建立免費帳戶
• 最新版的 Node.js
• 擁有 Azure 訂用帳戶之後，在 Azure 入口網站中建立 Content Safety 資源，以取得您的金鑰和端點。 輸入您資源的唯一名稱，選取您的訂用帳戶，然後選取資源群組、支援的區域 (參閱區域可用性) 以及支援的定價層。 然後選取建立。
  • 部署資源需要幾分鐘的時間。 完成後，選取 [移至資源]。 在左側窗格中，於 [資源管理] 下選取 [訂用帳戶金鑰和端點]。 端點和其中一個金鑰是用以呼叫 API。

設定應用程式

建立新的 Node.js 應用程式。 在主控台視窗 (例如 cmd、PowerShell 或 Bash) 中，為您的應用程式建立新的目錄，並瀏覽至該目錄。

mkdir myapp && cd myapp

執行命令 npm init，以使用 package.json 檔案建立節點應用程式。

npm init

此外，請在專案的根目錄建立 /resources 資料夾，並將範例影像新增至其中。

安裝用戶端 SDK

安裝 @azure-rest/ai-content-safety npm 套件：

npm install @azure-rest/ai-content-safety

此外，請安裝 dotenv 模組以使用環境變數：

npm install dotenv

您應用程式的 package.json 檔案會隨著相依性而更新。

建立環境變數

在此範例中，您會在執行應用程式的本機電腦上將認證寫入環境變數。

若要設定金鑰和端點的環境變數，請開啟主控台視窗，然後遵循作業系統和開發環境的指示進行。

• 若要設定 CONTENT_SAFETY_KEY 環境變數，請以您其中一個資源索引碼取代 YOUR_CONTENT_SAFETY_KEY。
• 若要設定 CONTENT_SAFETY_ENDPOINT 環境變數，請將 YOUR_CONTENT_SAFETY_ENDPOINT 取代為您資源的端點。

重要

如果您使用 API 金鑰，請將其安全地儲存在別處，例如 Azure Key Vault。 請勿在程式碼中直接包含 API 金鑰，且切勿公開張貼金鑰。

如需 AI 服務安全性的詳細資訊，請參閱驗證對 Azure AI 服務的要求 (英文)。

Windows

setx CONTENT_SAFETY_KEY 'YOUR_CONTENT_SAFETY_KEY'

setx CONTENT_SAFETY_ENDPOINT 'YOUR_CONTENT_SAFETY_ENDPOINT'

新增環境變數之後，您可能需要重新啟動任何將讀取環境變數的執行中程式，包括主控台視窗。

Linux

export CONTENT_SAFETY_KEY='YOUR_CONTENT_SAFETY_KEY'

export CONTENT_SAFETY_ENDPOINT='YOUR_CONTENT_SAFETY_ENDPOINT'

新增環境變數之後，請從主控台視窗執行 source ~/.bashrc，讓變更生效。

分析映像內容

在目錄建立新的檔案 index.js。 在您慣用的編輯器或 IDE 中開啟該檔案，並貼上下列程式碼。 將 image_path 變數取代為範例影像的路徑。

const ContentSafetyClient = require("@azure-rest/ai-content-safety").default,
  { isUnexpected } = require("@azure-rest/ai-content-safety");
const { AzureKeyCredential } = require("@azure/core-auth");
const fs = require("fs");
const path = require("path");

// Load the .env file if it exists
require("dotenv").config();

async function main() {
    // get endpoint and key from environment variables
    const endpoint = process.env["CONTENT_SAFETY_ENDPOINT"];
    const key = process.env["CONTENT_SAFETY_KEY"];
    
    const credential = new AzureKeyCredential(key);
    const client = ContentSafetyClient(endpoint, credential);
    
    // replace with your own sample image file path 
    const image_path = path.resolve(__dirname, "./resources/image.jpg");
    
    const imageBuffer = fs.readFileSync(image_path);
    const base64Image = imageBuffer.toString("base64");
    const analyzeImageOption = { image: { content: base64Image } };
    const analyzeImageParameters = { body: analyzeImageOption };
    
    const result = await client.path("/image:analyze").post(analyzeImageParameters);
    
    if (isUnexpected(result)) {
        throw result;
    }
    for (let i = 0; i < result.body.categoriesAnalysis.length; i++) {
    const imageCategoriesAnalysisOutput = result.body.categoriesAnalysis[i];
    console.log(
      imageCategoriesAnalysisOutput.category,
      " severity: ",
      imageCategoriesAnalysisOutput.severity
    );
  }
}

main().catch((err) => {
    console.error("The sample encountered an error:", err);
});

使用快速入門檔案上使用 node 命令執行應用程式。

node index.js

輸出

Hate severity:  0
SelfHarm severity:  0
Sexual severity:  0
Violence severity:  0

清除資源

如果您想要清除和移除 Azure AI 服務訂用帳戶，則可以刪除資源或資源群組。 刪除資源群組也會刪除與其相關聯的任何其他資源。

• Azure 入口網站
• Azure CLI

相關內容

• 傷害類別
• 使用 Content Safety Studio 設定每個類別和測試資料集的篩選，匯出程式碼並部署。