鑒黃界最難的音頻識別問題，騰訊云給解決了

音視頻的多媒體化，正在撬動大量用戶的原創(chuàng)熱情，但由此產(chǎn)生的海量內(nèi)容卻帶來新的難題。

一方面，由用戶端產(chǎn)生的內(nèi)容(UGC)跨度廣泛，質(zhì)量參差不齊;

另一方面，部分打“擦邊球”、違規(guī)內(nèi)容，蒙混在海量音視頻中，也進一步加劇了內(nèi)容審核者的挑戰(zhàn)。

對于網(wǎng)絡(luò)上傳播的色情惡意內(nèi)容，圖像鑒黃技術(shù)很好的打擊了大部分色情圖像和視頻內(nèi)容，而在一些短視頻、直播等場景中，還有一些色情內(nèi)容以音頻方式傳播，用以規(guī)避圖像維度的打擊。

因此騰訊云安全天御研發(fā)了基于音頻的鑒黃系統(tǒng)，讓騰訊云的整套鑒黃解決方案更具突破性，目前該系統(tǒng)已在騰訊云的點播、直播等業(yè)務(wù)中上線使用，進一步提高色情內(nèi)容檢出率。

該色情音頻鑒黃系統(tǒng)目前日處理音視頻超過1億條，每日識別數(shù)十萬條色情音視頻，準確率95%以上。

先做個選擇題，根據(jù)以下兩張語譜圖，猜猜哪張是色情尖叫聲?

圖A

圖B

雙管齊下，顯著提升直播平臺色情音頻實時檢出率

看似正常的語譜圖，實際卻是色情尖叫聲。

目前音頻鑒黃面臨以下技術(shù)難點：

1. 音頻內(nèi)容和場景多樣，常常伴有周圍噪聲和背景音樂等，信噪比較低;

2. 大部分音頻時長較短，信息量不足;

3. 信道復雜，語音質(zhì)量參差不齊，常見截頻截幅等情況。

針對以上問題，騰訊云采用高效的 i-vector 系統(tǒng)保證較長音頻正確快速檢出，同時對信息量不足的短音頻采用 DNN embedding 系統(tǒng)進行特定檢出，兩者互為補充，加上多種信道補償算法的融合，同時保證了系統(tǒng)的識別性能和高實時率。

在業(yè)務(wù)量巨大的情況下，騰訊云基于變長統(tǒng)計和深度學習混合的鑒黃系統(tǒng)達到單線50倍速于原始音頻流的高實時率。也就是說：1秒的音頻，騰訊云0.02秒就能識別。

[ 音頻鑒黃系統(tǒng)框圖 ]

騰訊云的音頻鑒黃系統(tǒng)基于海量數(shù)據(jù)訓練得到，對于每條業(yè)務(wù)音頻，系統(tǒng)首先會通過靜音檢測去掉其中的靜音部分，將保留下來的有效音頻內(nèi)容進行聲學特征提取。

由于每條音頻的時長不同，基于統(tǒng)計量和深度神經(jīng)網(wǎng)絡(luò)的音頻識別模型將不同長度的音頻特征轉(zhuǎn)換為統(tǒng)一維度的音頻表征信息。

最后再與系統(tǒng)中的色情模型與正常模型相比對，經(jīng)過分數(shù)融合得到最終的識別結(jié)果 。

海量正負樣本訓練，讓色情尖叫聲悄然無存

音頻鑒黃系統(tǒng)離不開海量的正負樣本訓練，樣本標注看似簡單，但實際操作起來卻并不容易：

1、對于色情音頻的定義，不同于語種說話人等有一個明顯的定義，不同的人對色情內(nèi)容理解會有偏差，一條音頻在 A 聽來是色情內(nèi)容，在 B 聽來可能只是在惡搞。

2、色情作為一種人為定義的類別，而聲音是一種生物特征。同屬于色情類別的聲音可能從生物特征上來看差別巨大(像色情尖叫聲和吮吸聲)，強制分為一類可能會導致訓練不收斂的情況，并影響識別準確率。這就需要在標注時做細化工作，在色情與非色情之下再給出更精細化的標簽。

基于以上幾點，騰訊云在正負樣本的標注中盡可能做到多標簽區(qū)分，比如色情尖叫聲、喘息聲、吮吸聲，專業(yè) AV、UGC 視頻等，以確保訓練的模型能夠有效的區(qū)分正常和色情音頻，常見的標注如下：

[ 色情音頻樣本標注 ]

在長期的細化與標注工作中，騰訊云累積了一套多標簽色情尖叫聲、喘息聲長達上萬小時的色情音頻數(shù)據(jù)集，用于音頻鑒黃系統(tǒng)的訓練提升;

同時，針對線上的識別數(shù)據(jù)也持續(xù)進行人工抽檢覆蓋和漏過情況，并將正負樣本進行標注用于系統(tǒng)優(yōu)化，讓音頻鑒黃系統(tǒng)更智能。

音頻鑒黃技術(shù)由騰訊云安全天御打造，在文本、圖片鑒黃的基礎(chǔ)上為騰訊云的客戶提供更全面的技術(shù)支持。

目前騰訊云的音頻鑒黃系統(tǒng)已經(jīng)在多個業(yè)務(wù)場景上使用，但由于場景需求的復雜性，仍有很多困難與挑戰(zhàn)并存。緊跟音頻分類相關(guān)領(lǐng)域的最新技術(shù)趨勢，同時利用海量業(yè)務(wù)數(shù)據(jù)的優(yōu)勢進一步提高系統(tǒng)性能和速度，是騰訊云下一步的發(fā)展方向。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。