讓AI像自來水一樣簡單，華為云通用AI解決方案體驗

前言

通用AI是一種能夠像人類一樣進(jìn)行思考、學(xué)習(xí)和推理的人工智能系統(tǒng)。與特定領(lǐng)域的人工智能不同，通用AI可以處理各種類型的任務(wù)，包括自然語言處理、圖像識別、機(jī)器學(xué)習(xí)等，具有廣泛的適用性和高度的靈活性。

通用AI的應(yīng)用前景非常廣闊，它可以在醫(yī)療、交通、金融、教育、娛樂等各個領(lǐng)域發(fā)揮作用，為人類帶來更好的生活體驗和更高效的工作方式。

通用AI的應(yīng)用場景

通用AI所涉及的應(yīng)用場景十分廣泛，由于它不需要人工進(jìn)行相關(guān)的訓(xùn)練，而且還可以從以往的經(jīng)驗中不斷學(xué)習(xí)和改進(jìn)，所以可以幫助加快許多行業(yè)的發(fā)展速度，并且在其中發(fā)揮著非比尋常的作用，通用AI在熱門行業(yè)領(lǐng)域中的應(yīng)用如下：

互聯(lián)網(wǎng)行業(yè)

人證核身IVS可用于游戲/直播/婚戀交友平臺用戶實名認(rèn)證，響應(yīng)國家監(jiān)管要求，防止出現(xiàn)業(yè)務(wù)風(fēng)險。

內(nèi)容審核可用于涉黃、涉政暴恐、涉政敏感人物審核，監(jiān)控范圍覆蓋用戶昵稱、聊天圖片、音視頻，發(fā)布內(nèi)容等。

語音交互SIS可用于游戲互動場景，將語音轉(zhuǎn)成文字信息；或游戲配音時，將腳本信息轉(zhuǎn)化為近似的真人發(fā)聲。

金融服務(wù)

文字識別OCR可以用于銀行、證券、保險等金融機(jī)構(gòu)的身份證、銀行卡、合同等的識別和驗證。

人證核身IVS和人臉識別FRS可以用于銀行、證券、保險等金融機(jī)構(gòu)人臉識別、身份驗證等場景，提高安全性和客戶體驗。

語音交互SIS可以用于銀行、證券、保險等金融機(jī)構(gòu)的語音客服、自助服務(wù)等場景，提高客戶體驗和服務(wù)效率。

對話機(jī)器人CBS可以幫助銀行、保險等機(jī)構(gòu)處理客戶的咨詢、理賠等事項。

交通運(yùn)輸

文字識別OCR可用于智慧停車、交通監(jiān)管的車牌識別場景。

文字識別OCR和人證核身IVS可用于網(wǎng)絡(luò)貨運(yùn)/網(wǎng)約車/代駕的司機(jī)身份認(rèn)證場景，保障實際承運(yùn)人和注冊人保持一致。

文字識別OCR可用于物流快遞的快遞分揀、包裹派件場景，自動識別物流面單信息。

教育

文字識別OCR可以用于學(xué)校的考試卷、試題、論文等的處理和評分。

人證核身IVS和人臉識別FRS可以用于學(xué)校的考勤、門禁管理、預(yù)防考生代考等場景，提高學(xué)校管理效率和安全性。

語音交互SIS可以用于學(xué)校的語音教育、智能評測等場景，提高教育效果和教育質(zhì)量。

對話機(jī)器人CBS可以幫助學(xué)生進(jìn)行題目練習(xí)、知識點(diǎn)講解等。

電商零售

文字識別OCR可以用于商場、超市的商品條碼、價格標(biāo)簽等的掃描和識別。

人證核身IVS和人臉識別FRS可以用于商場、超市的人臉識別、客流分析等場景，提高營銷和客戶體驗。

對話機(jī)器人CBS可以幫助電商平臺、零售店鋪等提供智能客服服務(wù)，提高售后服務(wù)質(zhì)量。

內(nèi)容審核Moderation可用于稽核產(chǎn)品宣傳是否違反廣告法，是否違規(guī)，防止出現(xiàn)業(yè)務(wù)風(fēng)險。

華為云解決方案

華為云通用AI七件套定位為企業(yè)AI生產(chǎn)力工具，將算法專家的積累和行業(yè)專家的知識沉淀在相應(yīng)的套件和“行業(yè)工作流”(Workflow)中，幫助企業(yè)快速使用AI技術(shù)，實現(xiàn)內(nèi)容的自動化處理。

文字識別OCR：文字識別（OpticalCharacterRecognition，簡稱OCR）提供在線文字識別服務(wù)，將圖片、掃描件或PDF、OFD文檔中的文字識別成可編輯的文本。支持通用類識別、證件類識別、票據(jù)類識別、行業(yè)類識別、自定義定制模板識別等。

人臉識別服務(wù)FRS：人臉識別服務(wù)（FaceRecognitionService），能夠在圖像中快速檢測人臉、分析人臉關(guān)鍵點(diǎn)信息、獲取人臉屬性、實現(xiàn)人臉的精確比對和檢索。該服務(wù)可應(yīng)用于身份驗證、電子考勤、客流分析等場景。

人證核身解決方案IVS：將用戶本人與身份證信息關(guān)聯(lián)起來，應(yīng)用人臉識別與文字識別等技術(shù)，對接權(quán)威數(shù)據(jù)庫，支持基于二要素（姓名、身份證）認(rèn)證或三要素（人臉、姓名、身份證）認(rèn)證，實現(xiàn)對身份真實性的精準(zhǔn)核驗。

實時語音識別RASR：實時語音識別（Real-timeASR），將連續(xù)的音頻流實時轉(zhuǎn)換成文本，語音識別更快?？蓱?yīng)用于直播實時字幕、會議實時記錄、即時文本生成等場景。

圖像識別Image：圖像識別（ImageRecognition），基于深度學(xué)習(xí)技術(shù)，可準(zhǔn)確識別圖像中的視覺內(nèi)容，提供多種物體、場景和概念標(biāo)簽，具備目標(biāo)檢測和屬性識別等能力，幫助客戶準(zhǔn)確識別和理解圖像內(nèi)容。

內(nèi)容審核Moderation：內(nèi)容審核（ContentModeration），基于圖像、文本、音頻、視頻檢測技術(shù)，可自動進(jìn)行涉黃、廣告、涉暴等內(nèi)容檢測，幫助客戶降低業(yè)務(wù)違規(guī)風(fēng)險。

視頻編輯VCP：視頻編輯（VideoContentProcessing）服務(wù)，基于對視頻的整體分析，提供封面、拆條、摘要等能力。

通用AI服務(wù)以公有云服務(wù)為主，同時支持私有化部署，可選擇部署在本地服務(wù)器。華為云不僅提供AI原子能力，幫助客戶快速集成和應(yīng)用落地，同時也接受客戶定制化需求?？蛻艨商峁┬枨笪臋n、交付時間和交付標(biāo)準(zhǔn)，由華為云評估進(jìn)行定制開發(fā)。

解決方案核心亮點(diǎn)

超高性能

識別率業(yè)界領(lǐng)先：語音交互服務(wù)基于深度學(xué)習(xí)技術(shù)，對特定領(lǐng)域場景的語音識別進(jìn)行優(yōu)化，識別率達(dá)到業(yè)界領(lǐng)先。

檢測范圍多場景覆蓋：圖像識別服務(wù)中圖片內(nèi)容審核覆蓋涉黃、低俗、廣告、涉政涉暴、涉政敏感人物和不良場景等多種違規(guī)風(fēng)險的智能審核。

定制化識別，效果更精準(zhǔn)：實時語音識別針對客戶的特定場景需求，定制垂直領(lǐng)域的語音識別模型，識別效果更精確。

實戰(zhàn)演練，穩(wěn)定可靠：內(nèi)容審核服務(wù)成功應(yīng)用于各類場景，基于華為等企業(yè)客戶的長期實踐，經(jīng)受過復(fù)雜場景考驗。

簡單易用

簡單上手，便捷高效：人臉識別服務(wù)提供的應(yīng)用程序接口功能明確。

簡單易用；配套文檔描述詳細(xì)，調(diào)用服務(wù)方式包含API和SDK兩種，方便客戶使用與集成。

增值服務(wù)全套配齊：人證核身解決方案配套人臉識別FRS、文字識別OCR等多種增值服務(wù)可供訂閱使用。

降本增效

減少人力，節(jié)省成本：幫助客戶減少人力成本，節(jié)省業(yè)務(wù)支出。

按需計費(fèi)，經(jīng)濟(jì)劃算：以調(diào)用次數(shù)/調(diào)用時長計費(fèi)。

安全可信

服務(wù)環(huán)境更安全：華為云承諾不保存服務(wù)過程數(shù)據(jù)和用戶隱私數(shù)據(jù)。

權(quán)威數(shù)據(jù)更可靠：人證核身解決方案服務(wù)數(shù)據(jù)來源自國家權(quán)威機(jī)構(gòu)公安第一研究所和全國身份證信息查詢中心。

BSI權(quán)威認(rèn)證更可信：華為云OCR服務(wù)通過德國BSIAIC4可信標(biāo)準(zhǔn)審計認(rèn)證。

典型客戶案例

華為云通用AI主要為軟件開發(fā)行業(yè)及互聯(lián)網(wǎng)、金融、教育、交通運(yùn)輸?shù)刃袠I(yè)提供底層AI能力。軟件服務(wù)商通常將AI能力集成于SaaS系統(tǒng)為終端客戶提供身份驗證、信息自動處理、財務(wù)報銷等能力；政府、國企及各類大中小型企業(yè)，通常利用AI能力替代人工操作，實現(xiàn)降本增效、數(shù)字化升級的需求。經(jīng)典的客戶案例如下：

德邦快遞：德邦快遞以大件快遞為核心業(yè)務(wù)，業(yè)務(wù)涉及快運(yùn)、整車、倉儲與供應(yīng)鏈等多元業(yè)務(wù)。應(yīng)用了華為云OCR文字識別技術(shù)，自動識別快遞面單的收寄件人信息，快速完成訂單管理、自動分揀、物流配送工作，大幅提高了業(yè)務(wù)效率及用戶體驗，同時降低了25%的管理成本。

報銷吧：報銷吧是企業(yè)采購和費(fèi)用管理移動報銷SaaS軟件?；谌A為云OCR技術(shù)構(gòu)建了移動報銷解決方案，全部在手機(jī)上報銷，將報銷時間從15天縮短到30分鐘，同時自動幫助員工填寫報銷單，幫助財務(wù)在金稅三期上自動驗證發(fā)票真?zhèn)?，提升工作效?0%。

中國人壽：中國人壽是國內(nèi)壽險行業(yè)的龍頭企業(yè)，占據(jù)了國內(nèi)壽險市場領(lǐng)導(dǎo)者的地位。通過使用人證核身服務(wù)，在投保時自動驗證投保人的身份真實性，防止肉眼審核錯誤，降低了冒名頂替風(fēng)險，提高了安全性。

迷你創(chuàng)想：迷你創(chuàng)想以“激發(fā)想象，創(chuàng)造快樂”為使命，是國內(nèi)知名游戲公司。迷你創(chuàng)想攜手華為云，使用人證核身服務(wù)，進(jìn)行實名認(rèn)證，防止未成年沉迷游戲，打造健康游戲環(huán)境，享受健康生活。

封面?zhèn)髅剑悍饷嫘侣勈敲嫦蛉珖木C合性互聯(lián)網(wǎng)新聞產(chǎn)品，由四川日報報業(yè)集團(tuán)打造。華為云為封面新聞提供內(nèi)容審核服務(wù)，解決新聞平臺容易出現(xiàn)廣告、暴力、涉黃等違法違規(guī)內(nèi)容的難題。華為云內(nèi)容審核服務(wù)基于圖像、文本、視頻檢測技術(shù)，可自動進(jìn)行違法違規(guī)內(nèi)容檢測，幫助封面?zhèn)髅浇档蜆I(yè)務(wù)違規(guī)風(fēng)險。

華為云通用AI體驗

華為云通用AI是華為云推出的一款人工智能服務(wù)，它可以為企業(yè)提供豐富的AI能力，包括圖像識別、語音識別、自然語言處理等多種領(lǐng)域。華為云通用AI的目的是讓企業(yè)快速、便捷地實現(xiàn)數(shù)字化轉(zhuǎn)型，提升業(yè)務(wù)效率和用戶體驗。

下面結(jié)合應(yīng)用場景對文字識別OCR、人證核身IVS、人臉識別FRS、語音交互SIS、對話機(jī)器人CBS等產(chǎn)品進(jìn)行測評。

文字識別OCR

文字識別OCR可以用于銀行、證券、保險等金融機(jī)構(gòu)的身份證、銀行卡、合同等的識別和驗證；醫(yī)院的病歷、影像、處方等的識別和管理；學(xué)校的考試卷、試題、論文等的處理和評分；商場、超市的商品條碼、價格標(biāo)簽等的掃描和識別。

開通服務(wù)

這里我開通了智能分類識別、通用文字識別、車牌識別、身份證識別、發(fā)票驗真、增值稅發(fā)票識別五個熱門服務(wù)，調(diào)用服務(wù)有SDK和API兩種方式，下面以API調(diào)用身份證識別服務(wù)為例演示一遍。

產(chǎn)品體驗

首先下載Postman配置文件下載地址

在API工具上導(dǎo)入配置文件

Token認(rèn)證鑒權(quán)

傳入參數(shù)，這里傳入圖片的base64編碼，發(fā)送后會返回識別到的信息

產(chǎn)品優(yōu)勢

識別準(zhǔn)確率高達(dá)99.9%。采用先進(jìn)的自研深度學(xué)習(xí)算法，結(jié)合億萬級海量標(biāo)注數(shù)據(jù)樣本訓(xùn)練，針對各種業(yè)務(wù)場景優(yōu)化

推出業(yè)內(nèi)第一款智能分類超級API，只需要調(diào)用1個API，即可同時識別各類票據(jù)、卡證類圖片，調(diào)用更簡單，且識別準(zhǔn)確率業(yè)內(nèi)領(lǐng)先

支持用戶自定義模板，對于版式固定的各種票據(jù)和卡證，均可通過可視化界面操作，指定需要識別的關(guān)鍵字段。識別準(zhǔn)確率和操作便捷性，均領(lǐng)先于友商

人臉識別FRS

人臉識別FRS可以用于銀行、證券、保險等金融機(jī)構(gòu)人臉識別、身份驗證等場景，提高安全性和客戶體驗；醫(yī)院的門診、住院管理等場景，提高醫(yī)療服務(wù)效率和安全性；學(xué)校的考勤、門禁管理等場景，提高學(xué)校管理效率和安全性；商場、超市的人臉識別、客流分析等場景，提高營銷和客戶體驗。

開通服務(wù)

華為云人臉識別服務(wù)FRS有以下四大功能。

人臉檢測：可快速檢測圖像中是否有人臉，并返回所有人臉位置

人臉比對：對比兩張圖像中的人臉信息，分析面部特征，判斷是否為同一人

人臉?biāo)阉鳎核阉鲌D庫并返回與輸入人臉最相似的N張人臉圖像

活體檢測：提供兩種檢測方法，判斷圖片、視頻中人物是否為真人活體

這里演示一遍調(diào)用人臉對比服務(wù)API，調(diào)用方法可參考用戶指南

產(chǎn)品體驗

傳入兩張照片，可以傳入base64編碼也可以直接傳入路徑或者選擇文件。發(fā)送后會返回照片的基本信息以及相似度，一般情況下超過0.93即可認(rèn)為是同一個人。

產(chǎn)品優(yōu)勢

識別準(zhǔn)確：準(zhǔn)確檢測人臉，為多場景提供有力支撐，人臉比對在LFW公開測試集上的準(zhǔn)確率為99.6%+

服務(wù)豐富：已開放人臉檢測、比對和搜索服務(wù)，即將開放動態(tài)人像、年齡識別、特征點(diǎn)定位等服務(wù)

穩(wěn)定可靠：在海量圖片特征庫中進(jìn)行人臉?biāo)阉鞯裙δ芙?jīng)華為企業(yè)客戶的長期實踐，功能穩(wěn)定，時延可控

簡單高效：服務(wù)提供的應(yīng)用程序接口功能明確，簡單易用；配套文檔描述詳細(xì)，方便客戶使用與集成

人證核身IVS

華為云人證核身IVS有以下兩個版本。

人證核身標(biāo)準(zhǔn)版（三要素）：適用于通用的身份核驗場景用戶上傳本人照片（可進(jìn)行活體檢測，確保由真人操作，抵御照片攻擊）和身份證照片，使用華為云文字識別服務(wù)識別證件內(nèi)容（如姓名、身份證號等），及人臉識別服務(wù)確認(rèn)操作者為證件主人，并對接公安部權(quán)威數(shù)據(jù)庫進(jìn)行實名認(rèn)證。

人證核身證件版（二要素）：適用于僅需實名認(rèn)證身份證信息，無需人像識別的核驗場景用戶上傳本人身份證照片，使用華為云文字識別服務(wù)識別證件內(nèi)容（如姓名、證件號等），并對接公安部權(quán)威數(shù)據(jù)庫進(jìn)行實名認(rèn)證。

兩個版本的本質(zhì)就是調(diào)用文字識別OCR和人臉識別FRS服務(wù)獲取信息，然后對接公安部權(quán)威數(shù)據(jù)庫進(jìn)行實名認(rèn)證。

開通服務(wù)

兩個版本調(diào)用API接口使用服務(wù)的流程一樣，這里以人證核身證件版（二要素）為例演示一遍，具體操作可參考用戶指南

產(chǎn)品體驗

傳入?yún)?shù)，這里傳入圖片的base64編碼，發(fā)送后會返回識別到的信息

產(chǎn)品優(yōu)勢

權(quán)威可信：服務(wù)數(shù)據(jù)來源自國家權(quán)威機(jī)構(gòu)公安第一研究所和全國身份證信息查詢中心

配套豐富：配套人臉識別FRS、文字識別OCR等多種增值服務(wù)可供訂閱使用

超高性能：低延時、高吞吐、迅速響應(yīng)拓容需求

安全可信：華為云承諾不保存服務(wù)過程數(shù)據(jù)和用戶隱私數(shù)據(jù)

語音交互SIS

語音交互SIS可以用于銀行、證券、保險等金融機(jī)構(gòu)的語音客服、自助服務(wù)等場景，提高客戶體驗和服務(wù)效率；醫(yī)院的語音診斷、智能問診等場景，提高醫(yī)療服務(wù)效率和醫(yī)療質(zhì)量；學(xué)校的語音教育、智能評測等場景，提高教育效果和教育質(zhì)量。

開通服務(wù)

華為云語音交互SIS包含以下四種服務(wù)。

實時語音識別：將連續(xù)的音頻流實時轉(zhuǎn)換成文本，語音識別更快?？蓱?yīng)用于直播實時字幕、會議實時記錄、即時文本生成等場景。

一句話識別：一句話識別將口述音頻轉(zhuǎn)換為文本，通過API調(diào)用識別不超過一分鐘的不同音頻源發(fā)來的音頻流或音頻文件。適用于語音搜索、人機(jī)交互等語音交互識別場景。

錄音文件識別：錄音文件識別，基于深度學(xué)習(xí)技術(shù)，可以實現(xiàn)5小時以內(nèi)的音頻到文字的轉(zhuǎn)換。支持垂直領(lǐng)域定制，對應(yīng)領(lǐng)域轉(zhuǎn)換效果更佳。

語音合成四種服務(wù)：語音合成服務(wù)提供在線語音合成能力，支持將文本信息實時轉(zhuǎn)化為近似的真人發(fā)聲，支持多語言多音色語音在線合成。支持客戶的個性化語音定制化需求。

產(chǎn)品體驗

通過語音合成，實現(xiàn)高品質(zhì)的機(jī)器人發(fā)聲，使得人機(jī)交互更加自然。語音合成精品發(fā)音人，50個字符內(nèi)（含50個）記為1次計費(fèi)調(diào)用；普通發(fā)音人，100個字符內(nèi)（含100個）記為1次計費(fèi)調(diào)用。

產(chǎn)品優(yōu)勢

識別準(zhǔn)確率高：采用最新一代語音識別技術(shù)，基于深度神經(jīng)網(wǎng)絡(luò)（DeepNeuralNetworks，簡稱DNN）技術(shù)，大大提高了抗噪性能，使識別準(zhǔn)確率顯著提升。

識別速度快：把語言模型、詞典和聲學(xué)模型統(tǒng)一集成為一個大的神經(jīng)網(wǎng)絡(luò)，同時在工程上進(jìn)行了大量的優(yōu)化，大幅提升解碼速度，使識別速度在業(yè)內(nèi)處于領(lǐng)先地位。

多種識別模式：支持多種實時語音識別模式，如流式識別、連續(xù)識別和實時識別模式，靈活適應(yīng)不同應(yīng)用場景。

定制化服務(wù)：可定制特定垂直領(lǐng)域的語言層模型，可識別更多專有詞匯和行業(yè)術(shù)語，進(jìn)一步提高識別準(zhǔn)確率。

總結(jié)

通用AI的意義在于它可以應(yīng)用于各個行業(yè)領(lǐng)域，幫助人們更高效、更準(zhǔn)確地完成各種任務(wù)?？梢酝ㄟ^自動化、智能化等方式提高生產(chǎn)效率、降低成本、提高質(zhì)量、提高客戶滿意度等，從而推動各個行業(yè)的發(fā)展。因此，通用AI的發(fā)展具有重要的戰(zhàn)略意義和經(jīng)濟(jì)價值。

審核編輯 黃宇