快速入門：分析影像內容

開始使用 Content Studio、REST API 或用戶端 SDK 來執行基本映像仲裁。 Azure AI 內容 保管庫 ty 服務會提供 AI 演算法來標示令人反感的內容。 請遵循下列步驟來試用。

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（美國東部或西歐），以及支持的定價層。 然後選取建立。
  • 部署資源需要幾分鐘的時間。 完成之後，請選取 [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 的範例影像仲裁要求。

準備範例映像

選擇要分析的範例影像，並將其下載到您的裝置。

我們支援 JPEG、PNG、GIF、BMP、TIFF 或 WEBP 影像格式。 映像提交的大小上限為 4 MB，且映像尺寸必須介於 50 x 50 像素和 2,048 x 2,048 像素之間。 如果您的格式為動畫，我們會擷取第一個畫面以執行偵測。

您可以透過下列兩種方法之一來輸入影像： 本機檔案數據流 或 Blob 記憶體 URL。

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

• Blob 記憶體 URL：將您的映射上傳至 Azure Blob 儲存體 帳戶。 請遵循 Blob 記憶體快速入門，瞭解如何執行這項操作。 然後開啟 Azure 儲存體 Explorer，並取得影像的 URL。 將它儲存到暫存位置。

  接下來，您必須提供內容 保管庫 資源存取權，才能從 Azure 儲存體 資源讀取。 為 Azure AI 內容 保管庫 ty 實例啟用系統指派的受控識別，並將 儲存體 Blob 數據參與者/擁有者/讀取者的角色指派給身分識別：

  1. 啟用 Azure AI 內容 保管庫 ty 實例的受控識別。

     

  2. 將 儲存體 Blob 數據參與者/擁有者/讀取者的角色指派給受控識別。 下面反白顯示的任何角色都應該正常運作。

     

     

     

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

curl --location --request POST '<endpoint>/contentsafety/image:analyze?api-version=2023-10-01' \
--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 記憶體 URL，要求本文看起來會像這樣：

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

開啟命令提示字元視窗並執行 cURL 命令。

下列欄位必須包含在網址中：

名稱	必要?	描述	類型
API 版本	必要	這是要檢查的 API 版本。 目前的版本是： api-version=2023-10-01。 範例: <endpoint>/contentsafety/image:analyze?api-version=2023-10-01	String

要求本文中的參數在此表中定義：

名稱	必要?	描述	類型
內容	必要	影像的內容或 Blob URL。 我可以是base64編碼的位元組或 Blob URL。 如果兩者都得到，則會拒絕要求。 影像允許的大小上限為 2048 像素 x 2048 像素，檔案大小上限為 4 MB。 影像的大小下限為 50 像素 x 50 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。 我們會使用多個類別來取得單一要求中的分數。	String
outputType	選擇性	影像仲裁 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

輸出

您應該會在控制台中看到影像仲裁結果顯示為 JSON 數據。 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，當影像上傳至影像仲裁模型時，它可以分類為性內容和暴力。 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 運行時間 。
• 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（美國東部或西歐），以及支持的定價層。 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。 開啟的套件管理員中，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。

提示

請勿將金鑰直接包含在您的程式代碼中，且絕不會公開發佈。 如需更多驗證選項 (例如 Azure Key Vault)，請參閱 Azure AI 服務安全性文章。

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。

1. 若要設定 CONTENT_SAFETY_KEY 環境變數，請將 取代 YOUR_CONTENT_SAFETY_KEY 為您資源的其中一個密鑰。
2. 若要設定 CONTENT_SAFETY_ENDPOINT 環境變數，請將 取代 YOUR_CONTENT_SAFETY_ENDPOINT 為您資源的端點。

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();
    }
  }
}

在項目目錄中建立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 | 庫原始程式碼 | 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（美國東部或西歐），以及支持的定價層。 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。

提示

請勿將金鑰直接包含在您的程式代碼中，且絕不會公開發佈。 如需更多驗證選項 (例如 Azure Key Vault)，請參閱 Azure AI 服務安全性文章。

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。

1. 若要設定 CONTENT_SAFETY_KEY 環境變數，請將 取代 YOUR_CONTENT_SAFETY_KEY 為您資源的其中一個密鑰。
2. 若要設定 CONTENT_SAFETY_ENDPOINT 環境變數，請將 取代 YOUR_CONTENT_SAFETY_ENDPOINT 為您資源的端點。

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. 執行此指令以安裝 Azure AI 內容 保管庫 ty 用戶端連結庫：

   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. 將和 "image.jpg" 取代"sample_data"為您要使用的本機路徑和檔名。

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
   

參考文檔庫原始碼 | 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（美國東部或西歐），以及支持的定價層。 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]。

從您的工作目錄中，執行下列命令以建立專案來源資料夾：

mkdir -p src/main/java

流覽至新的資料夾，並建立名為 Content 的檔案 保管庫 tyQuickstart.java。

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 或文本編輯器加以開啟。 然後複製下列組建組態。 此組態會將項目定義為 Java 應用程式，其進入點為 Content 保管庫 tyQuickstart 類別。 它會匯入 Azure AI 視覺連結庫。

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。

提示

請勿將金鑰直接包含在您的程式代碼中，且絕不會公開發佈。 如需更多驗證選項 (例如 Azure Key Vault)，請參閱 Azure AI 服務安全性文章。

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。

1. 若要設定 CONTENT_SAFETY_KEY 環境變數，請將 取代 YOUR_CONTENT_SAFETY_KEY 為您資源的其中一個密鑰。
2. 若要設定 CONTENT_SAFETY_ENDPOINT 環境變數，請將 取代 YOUR_CONTENT_SAFETY_ENDPOINT 為您資源的端點。

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 Content 保管庫 tyQuickstart.java 並貼上下列程式代碼。 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，並使用下列專案建置應用程式：

gradle build

然後，使用 命令執行 gradle run 它：

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（美國東部或西歐），以及支持的定價層。 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， dotenv 請安裝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。

提示

請勿將金鑰直接包含在您的程式代碼中，且絕不會公開發佈。 如需更多驗證選項 (例如 Azure Key Vault)，請參閱 Azure AI 服務安全性文章。

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。

1. 若要設定 CONTENT_SAFETY_KEY 環境變數，請將 取代 YOUR_CONTENT_SAFETY_KEY 為您資源的其中一個密鑰。
2. 若要設定 CONTENT_SAFETY_ENDPOINT 環境變數，請將 取代 YOUR_CONTENT_SAFETY_ENDPOINT 為您資源的端點。

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

在目錄中建立新的檔案， index.js。 在慣用的編輯器或 IDE 中開啟它，並貼上下列程式代碼。 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);
});

在 node 快速入門檔案上使用 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。

• 入口網站
• Azure CLI

下一步

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。

Content Safety Studio 快速入門