边缘安全加速平台 EO 调用朱雀 AIGC 检测模型

一、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，你可以使用以下两类模型：

注意：说明：

注意：该功能仅对企业版套餐开放。如需使用，请 联系我们 开通。

二、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。

费用将在你的腾讯云账号中产生，你可登录 腾讯云费用中心 查看账单与用量明细。

三、步骤一：创建网关

1. 登录 EdgeOne 控制台，根据你是否已有 EdgeOne 资源，选择以下对应入口：

·若你无任何 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。

·若你已有 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。

四、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：

五、调用方式与鉴权

网关访问信息

鉴权方式

所有请求均需在 Header 中携带 API Key：

注意：说明：

注意：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。

六、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：

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

图片检测（zhuque-image）

请求参数

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

Python 同步调用示例：

import jsonimport urllib.requestGATEWAY = "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))

七、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：

Python 异步调用示例：

import jsonimport timeimport urllib.requestGATEWAY = "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))

八、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。

九、常见错误码