近日，虎牙上線了行業首創的直播實時消音系統并已應用于其平臺，該系統為直播場景中先審后發的“事前防控”提供全面的監管能力。
據悉，目前主流的內容安全審核方法是AI+人工審查，這是一種“事后審查”的處理方式。而虎牙開發的這套系統是一種先審后發的技術，基于虎牙自研的音頻算法以及多媒體加工平臺leaf，可以在不增加直播延時的條件下，對直播過程中的違規音頻進行實時消音，有效降低甚至完全阻斷風險內容的傳播，實現實時屏蔽、先審后發。“針對AI能力在內容風控上的場景應用，我們優先選擇了人工審核難度高、效率慢的直播音頻場景上進行應用，下一步，我們將在直播視頻場景中做出嘗試。”虎牙風控團隊負責人表示。
為了在直播場景內做到無延時，虎牙多巴胺AI技術團隊對語音識別模型以及解碼模塊進行了大量優化，對每個語音片段的解碼能夠達到穩定一致的識別時間。“這很重要，因為音頻片段解碼時間的大幅波動，會導致違規音頻漏出。在普通的2.1G主頻CPU上，我們的實時率達到0.08，相當于1s音頻只需要80ms就能識別出來”，虎牙AI消音技術負責人表示。
直播場景的復雜性較一般的語音識別場景要大，而復雜場景的識別準確率一直是業界難點。“準確率低會造成直播的大面積誤消音，使用戶的體驗感降低，召回率低會導致漏出違規語音，為了得到高召回、高準確率的目標，虎牙多巴胺團隊開發了基于直播場景的VAD算法、語音識別算法、后處理算法，同時收集了大量復雜場景的樣本，進行算法迭代優化，使得我們在直播這種復雜場景下，也有較高的識別準確率以及召回率。另一方面，AI模型的優化仍然依賴樣本校準工作，這是大量的、系統性、長期且細致的。”上述負責人表示。
國家互聯網信息辦公室部署開展2022年"清朗"系列專項行動時指出，此次行動重點針對網絡直播、信息內容亂象、網絡謠言、未成年網絡環境等10個方面。對每一家互聯網內容平臺來說，確保平臺內容的合法性和規范性，健全平臺內容審核機制成為必須重視的問題。
資料顯示，虎牙于2015年開始研發的“天眼”AI引擎，將人工智能、計算機視覺等前沿技術成果與互聯網內容安全相結合。該系統可針對不同場景賦能AI能力，實現智能識別(包含音視頻、圖像、文本)和業務風控的落地創新，讓傳統的內容安全工作更高效、更節省成本，并實現自動化風險預判。此外，“虎牙天眼內容安全SaaS解決方案”目前已于亞馬遜云上線，實現了對網絡視聽行業的賦能。
虎牙直播內容風控負責人表示，平臺一直深入推進內容安全保障工作，采用“AI智能識別、人工審核和網絡志愿者”三位一體模式。天眼實時消音系統是平臺AI安全應用的一次擴容，平臺將打造全方位安全攻防和更精準的內容審核體系，為健康的網絡直播內容生態建設提供參考樣本和前沿解決方案。
