帮你快速理解、总结文档立即下载
文档中心>边缘安全加速平台 EO>实践教程>调用朱雀 AIGC 检测模型

调用朱雀 AIGC 检测模型

最近更新时间：2026-08-19 15:45:02
我的收藏

本页目录：

本文档介绍如何通过 腾讯云 EdgeOne Makers Model Pro 调用朱雀（Zhuque）AIGC 检测模型，对文本与图片进行 AI 生成内容识别，覆盖文本检测（zhuque-text）与图片检测（zhuque-image）两类能力，并支持同步与异步两种调用模式。文中接口路径、参数与响应均基于正式环境端到端联调结果。

概述

朱雀是腾讯面向 AIGC 内容检测的能力，可判断文本或图片是否由 AI 生成。通过 EdgeOne AI 网关统一接入后，您可以使用以下两类模型：
Provider 名称
能力
典型用途
zhuque-text
AIGC 文本检测
判断文本是否由 AI 生成，给出分段标签与占比。适用于 AI 内容审核、原创性检测等场景
zhuque-image
AIGC 图片检测
判断图片是否由 AI 生成，给出置信度。适用于 AI 图片内容审核、版权保护等场景
说明：
该功能仅对企业版套餐开放。如需使用，请 联系我们 开通。

费用说明

调用朱雀模型会产生费用，计费单位为 EIU（Edge Inference Unit），具体单价、每次调用的 EIU 消耗与计费规则，详见 边缘推理用量单元计费说明。
费用将在您的腾讯云账号中产生，您可登录 腾讯云费用中心 查看账单与用量明细。

操作步骤

步骤一：创建网关

1. 登录 EdgeOne 控制台，根据您是否已有 EdgeOne 资源，选择以下对应入口：
若您无任何 EdgeOne 资源：在控制台首页找到 一个入口，智能调度多模型 卡片，单击 创建项目 ，直接进入创建 AI 网关的流程。



若您已有 EdgeOne 资源：进入控制台后页面已定位至 Makers Model Pro，单击创建项目即可。



2. 创建完成后，记录系统分配的 网关域名 与 API Key。请妥善保存网关域名与 API Key，现不支持更换 API Key，遗失需重新创建网关。




步骤二：调用模型

同步调用与异步调用的区别

朱雀支持同步与异步两种调用模式，由请求 Header 决定，请根据业务场景选择：
维度
同步模式
异步模式
提交 Header
无特殊 Header
Work-Mode: async
查询 Header
不需要
Work-Infer-Action: query
请求次数
1 次
1 次提交 + N 次查询
响应内容
直接返回业务结果 JSON
外层返回 {TaskId, Status, Output}，其中 Output 为字符串化 JSON，需客户端二次解析
客户端阻塞
整个推理时长全程阻塞
提交立即返回，查询可异步进行
典型耗时（参考）
文本约 10s 内、图片约 5s 内
提交 < 1s；结果通常 1~5s 内就绪
选型建议
实时单请求、低并发、代码简洁优先
批量任务、长耗时、不希望客户端阻塞

调用方式与鉴权

网关访问信息
项目
值
网关域名
<your-gateway-domain>（创建网关后获取）
协议
HTTPS
文本检测路由
/v1/providers/zhuque-text/classify
图片检测路由
/v1/providers/zhuque-image/classify
鉴权方式
所有请求均需在 Header 中携带 API Key：
Header
取值
说明
Authorization
Bearer <API_KEY>
从 EdgeOne AI 网关获取的 API Key
Content-Type
application/json
请求体格式
说明：
调用 zhuque-image 时，图片需大于 300×300 像素，大小限制 10 MB，支持格式 jpg、png、webp。

同步调用

同步模式为默认模式，单次请求即可返回结果，无需轮询。
文本检测（zhuque-text）
请求参数：
参数
位置
类型
必填
说明
text
Body
string
是
待检测的文本内容
is_merge
Body
bool
否
是否合并段落，默认为 true。设为 false 时，每个段落独立输出置信度
curl 示例：
curl -X POST "https://<your-gateway-domain>/v1/providers/zhuque-text/classify" \\
  -H "Authorization: Bearer <API_KEY>" \\
  -H "Content-Type: application/json" \\
  -d '{
    "text": "hello world",
    "is_merge": true
  }'
响应示例：
{
  "status": "success",
  "softmax_confidence": 0.9274,
  "ratio_confidence": 1.0,
  "labels_ratio": {"0": 0.0001, "1": 0.0001, "2": 0.9999},
  "segment_labels": [
    {"text": "hello world", "label": 2, "conf": 0.9274, "order": 1, "position": [0, 11]}
  ],
  "msg": ""
}
响应字段说明
字段
类型
说明
status
string
推理状态，success 表示成功
labels_ratio
object
各类型内容占比。"0" 为人工（Human）内容占比，"1" 为 AI 内容占比，"2" 为疑似 AI 内容占比，取值均在 [0, 1]
ratio_confidence
float
整体疑似 AI 内容占比，越大越可能为 AI，越小越可能为人工
segment_labels
array
各分段的类型标签及 AI 置信度
softmax_confidence
float
整体 AI 置信度，越大越可能为 AI，越小越可能为人工
msg
string
错误信息，正常时为空
图片检测（zhuque-image）
请求参数
参数
位置
类型
必填
说明
imageUrl
Body
string
二选一
公网可访问的图片 URL
imageBase64
Body
string
二选一
图片的 Base64 编码内容
curl 示例：
curl -X POST "https://<your-gateway-domain>/v1/providers/zhuque-image/classify" \\
  -H "Authorization: Bearer <API_KEY>" \\
  -H "Content-Type: application/json" \\
  -d '{"imageUrl": "https://example.com/path/to/image.jpg"}'
响应示例：
{
  "status": "success",
  "data": {"confidence": 0.1484},
  "message": ""
}
响应字段说明
字段
类型
说明
status
string
推理状态，success 表示成功
data.confidence
number
该图片为 AI 生成的置信度，取值范围 [0, 1]，越接近 1 越可能为 AI 生成
message
string
错误信息，正常时为空
Python 同步调用示例：
import json
import urllib.request

GATEWAY = "https://<your-gateway-domain>"
API_KEY = "<API_KEY>"

HEADERS = {
    "Authorization": f"Bearer {API_KEY}",
    "Content-Type": "application/json",
}

def classify_sync(provider: str, payload: dict) -> dict:
    req = urllib.request.Request(
        f"{GATEWAY}/v1/providers/{provider}/classify",
        data=json.dumps(payload).encode("utf-8"),
        headers=HEADERS,
        method="POST",
    )
    with urllib.request.urlopen(req, timeout=30) as resp:
        return json.loads(resp.read().decode("utf-8"))

if __name__ == "__main__":
    text_result = classify_sync("zhuque-text", {"text": "hello world"})
    print("text =>", json.dumps(text_result, ensure_ascii=False, indent=2))

    img_result = classify_sync(
        "zhuque-image",
        {"imageUrl": "https://example.com/path/to/image.jpg"},
    )
    print("image =>", json.dumps(img_result, ensure_ascii=False, indent=2))

异步调用

异步模式适用于批量提交或长耗时任务，分为提交与查询两步。提交时需在请求中额外携带 Header Work-Mode: async。
提交任务
下面分别给出文本与图片的提交示例，两者仅请求路径中的 provider 与请求体字段不同，其余步骤一致。
curl 示例（文本）：
curl -X POST "https://<your-gateway-domain>/v1/providers/zhuque-text/classify" \\
  -H "Authorization: Bearer <API_KEY>" \\
  -H "Work-Mode: async" \\
  -H "Content-Type: application/json" \\
  -d '{"text":"hello world"}'
curl 示例（图片）：
curl -X POST "https://<your-gateway-domain>/v1/providers/zhuque-image/classify" \\
  -H "Authorization: Bearer <API_KEY>" \\
  -H "Work-Mode: async" \\
  -H "Content-Type: application/json" \\
  -d '{"imageUrl": "https://example.com/path/to/image.jpg"}'
响应示例：
{
  "TaskId": "s1-b9d37cd7-a778-4216-82c5-ea9f2c491c11"
}
查询结果：
提交后使用返回的 TaskId 轮询结果，查询请求需携带 Header Work-Infer-Action: query。
curl 示例：
curl -X GET "https://<your-gateway-domain>/v1/providers/zhuque-text/query/<TaskId>" \\
  -H "Authorization: Bearer <API_KEY>" \\
  -H "Work-Infer-Action: query"
响应示例：
{
  "TaskId": "s1-b9d37cd7-a778-4216-82c5-ea9f2c491c11",
  "Status": "SUCCEEDED",
  "Output": "{\\"labels_ratio\\":{\\"0\\":0.0001,\\"1\\":0.0001,\\"2\\":0.9999},\\"ratio_confidence\\":1,\\"segment_labels\\":[{\\"conf\\":0.9274,\\"label\\":2,\\"order\\":1,\\"position\\":[0,11],\\"text\\":\\"hello world\\"}],\\"softmax_confidence\\":0.9274,\\"status\\":\\"success\\"}"
}
注意：
异步模式的结果包在外层 {TaskId, Status, Output}，其中 Output 为字符串化的 JSON，需在客户端再做一次 JSON 解析（json.loads / JSON.parse）。同步模式则无此封装。
任务状态（Status）字段：
Status
含义
QUEUED / PROCESSING
任务进行中，需继续轮询
SUCCEEDED
任务成功，Output 字段为业务结果
FAILED
任务失败，停止轮询并按错误处理
Python 异步调用示例：
import json
import time
import urllib.request

GATEWAY = "https://<your-gateway-domain>"
API_KEY = "<API_KEY>"

AUTH = {"Authorization": f"Bearer {API_KEY}"}

def classify_async(provider: str, payload: dict, poll_interval: float = 1.0) -> dict:
    submit_headers = {**AUTH, "Work-Mode": "async", "Content-Type": "application/json"}
    req = urllib.request.Request(
        f"{GATEWAY}/v1/providers/{provider}/classify",
        data=json.dumps(payload).encode("utf-8"),
        headers=submit_headers,
        method="POST",
    )
    with urllib.request.urlopen(req, timeout=15) as resp:
        task_id = json.loads(resp.read().decode("utf-8"))["TaskId"]

    query_headers = {**AUTH, "Work-Infer-Action": "query"}
    while True:
        req = urllib.request.Request(
            f"{GATEWAY}/v1/providers/{provider}/query/{task_id}",
            headers=query_headers,
            method="GET",
        )
        with urllib.request.urlopen(req, timeout=15) as resp:
            result = json.loads(resp.read().decode("utf-8"))
        status = result.get("Status")
        if status == "SUCCEEDED":
            result["Output"] = json.loads(result["Output"])
            return result
        if status == "FAILED":
            raise RuntimeError(f"task failed: {result}")
        time.sleep(poll_interval)

if __name__ == "__main__":
    print(json.dumps(classify_async("zhuque-text", {"text": "hello world"}), ensure_ascii=False, indent=2))

注意事项

异步轮询规范
提交后必须使用返回的 TaskId 调用 /query/<TaskId> 查询，且必须携带 Header Work-Infer-Action: query。
轮询间隔建议 1s；避免低于 500ms 的高频轮询，以免对网关与上游造成压力。
同步模式超时与重试
同步模式在整个推理周期内会阻塞 HTTP 连接，请将客户端超时设置得足够大（建议 ≥ 30s）。
对于长文本或大图，若担心同步阻塞，建议改用异步模式以避免连接超时风险。
幂等性提示：失败重试可能产生重复推理，业务侧请自行去重或限流。

常见错误码

HTTP 状态码
错误信息
含义
排查建议
401
invalid api key
API Key 错误或失效
核对 Authorization Header 中的 Key 是否正确
403
provider_not_allowed
该网关未授权此 Provider
检查 provider 名称拼写（应为 zhuque-text 或 zhuque-image）
404
-
路径或 TaskId 不存在
检查 URL 是否包含 /v1/providers/ 前缀；查询时 TaskId 是否正确
429
-
触发限流
降低并发或增加重试退避
5xx
-
上游推理服务异常或超时
稍后重试；如持续异常请联系我们
中国站