多媒体AI（MultiMedia AI）是一款基于文本分析、图像理解、语音识别的视频AI通用技术平台产品，利用多模态的视频理解能力提取视频中包含的结构化信息，生成符合大众审美的精彩集锦，适用于电商、传媒、泛娱乐等场景下的视频的检索和推荐；同时底层数据库提供海量的物体和人物库，支持上万级的基础标签识别和灵活的自注册能力，轻松应对业务多变性。

多媒体AI产品实例（以下简称 媒体AI实例）是对应AI服务以及一个能匹配推荐性能的环境，包含 CPU、内存等最基础的计算组件，是媒体AI支撑给每个用户提供服务的实际操作实体。媒体AI实例是以提供的能力服务为核心，以云服务器为基础的概念。其他的资源，比如磁盘、IP、镜像、快照等，只有与计算资源（ECS等服务资源）结合后才能使用。

多媒体AI由底层算法服务层、中间逻辑神经层和上层应用处理层组成。

• 底层算法服务层：整合封装人脸识别、语音识别、通用标签、视频分类、logo识别（台标）等多项视觉理解算法，同时进行服务化集成，形成统一分析服务层，用于对输入内容进行结构化分析。
• 中间逻辑神经层：通过上层输入的素材（clib、shot、sequence等）进行解析，同时将解析后的素材，调度转发对应底层算法服务，获取输出结果，同时将多个分析结果进行merge整合、交叉验证，完成后将merge后的结果数据向上输出。
• 上层应用处理层：作为外部视频素材的统一输入通道，以API方式提供视频上传服务，同时约定上传格式以及大小等输入条件，提供视频分解服务，将上传的视频进行合理分解，供后端逻辑层进行调度分析。此外，上层应用层还提供了人脸库创建等工具型接口的透传，供用户实现应用配置。

相关基本概念

• 应用：一个进行任务分析的算法分析事务，其中包含关联调用的算法服务、算法指标参数、配置模板、人脸库等应用数据，用户可以设置不同的人脸数据、置信度阈值和调用算法清单。其中最大的并发视频路数为5路。应用创建后可以变更和删除。
• 人脸库：在一个用户下创建的业务数据单元，一个用户可以创建多个数据库，人脸库在实例内的命名唯一，人脸总数10w张。
• 任务：视频分析的最小单元，对视频状态、视频分析结果进行说明。

  限制说明

• 并发5路：指用户能够提交同时进行分析的最大视频文件数量，超过此数量则提交的视频分析任务默认进入队列等待。
• 视频分析时长：指视频提交完成后，开始分析时计算，结束时间以任务分析完成时的回执通知消息时间为准。
• 倍速：单个处理倍速=视频实际时长/最差任务运行时长（不算入下载时长）。

产品流程示意图