掌握聚合最新动态了解行业最新趋势
API接口,开发服务,免费咨询服务

阿里云首推免费人脸识别SDK,让每个APP轻松拥有短视频AR特效

 早在今年五月,阿里云已经推出了短视频解决方案。近日,阿里云再次率先颠覆行业,在业内首推免费的人脸识别SDK,结合其原有的短视频能力,大大降低了人脸识别+AR特效+短视频的入行门槛。

你所知道的人脸识别行业

提到人脸识别,大家会联想到商业支付、身份识别、广告投放、人机交互、系统公安等等众多生活场景。虽然这项技术的研究始于20世纪60年代,但是在近年这个课题才愈发活跃。以日常生活中比较常见的场景——社交互动为例,通过人脸识别、AR特效、动图元素的支持,可以帮助用户打破社交壁垒,更立体化、个性化、趣味化的表达自我和分享生活点滴。

市面上已经有的人脸识别SDK多数费用高昂,动辄几十万,而某些厂商号称免费,其实也是基于网络API的调用,并不适合在移动端录制短视频时使用,也就无法应用在社交场景之中。这让很多想在APP中添加短视频AR特效的团队望尘莫及。

阿里云联合手淘 推出人脸识别免费SDK

阿里云通过整合集团资源,将手淘团队自研的人脸识别SDK和阿里云短视频SDK深度融合,真正做到了不依赖于网络API的实时检测、识别、跟踪。

目前,官网上的专业版短视频SDK已经拥有了手淘自研的人脸识别功能,实现了人脸识别+AR动态贴纸的完整体验,结合原有的短视频采集、导入裁剪、编辑、合成、极速上传、媒资管理、视频转码、分发加速、播放等全链路能力,阿里云可以为创业者们提供一站式解决方案,让每个APP轻松实现短视频AR新玩法。

 

关键技术介绍及算法性能测速

我们来看看具体的应用场景和技术是怎样的,用户在客户端进入拍摄画面后,可以自行选择搭配动态贴纸等个性化素材,实现AR特效,使短视频打造出科幻、卖萌、恶搞等不同的效果。其中主要涉及到的是人脸检测、关键点定位、追踪等核心技术。

  • 第一, 人脸的检测是用于定位视频中的人脸,同时检测多张人脸和处理多角度、部分遮挡人脸等复杂情况也在这一步妥善处理,从而快速、准确的找到人脸。
  • 第二, 人脸的关键点定位,则是用于已知人脸所在位置的基础上,自动标注人脸的轮廓、五官位置,比如眼睛、鼻子、嘴巴、眉毛、耳朵等关键位置。阿里云提供人脸识别关键点个数多达68个,可以更准确的追踪五官,保证用户的体验。
  • 第三, AR特效美化,根据已知的关键点位置,搭配上用户所选的动态贴纸,并根据捕捉不同的面部动作来变换AR特效,达到真实互动。
  • 第四, 人脸追踪,视频是动态而非静止的,当用户脸部移动、转动时,阿里云SDK可以实现对关键点的追踪,可识别姿态范围为yaw±60°,pitch±45°,roll±45°,精准的捕捉动作,持续追踪动态贴纸和AR特效。

阿里云人脸识别SDK具有准确度高的特性,通过68个关键点检测和以上技术,实现平均错误率低于 5%,出现“对不上”这种尴尬场面的概率极低。据悉,阿里云未来也会推出商业版人脸识别的高级功能,满足更高级客户的需求。

在性能方面,阿里云人脸识别算法和其它厂商算法在测速上的区别如下:

 

注:以上测试480p的最小人脸尺寸为48*48(px);720p的最小人脸尺寸为72*72

从上表可以看出,本人脸识别算法在同样机型、同等测试对象的条件下,测速表现大幅优于业内友商。经过阿里云集团手淘亿级日活跃用户产品的考验,性能方面毋庸置疑。由于该算法也应用于手淘相关业务之中,所以后续的迭代、维护都会有强有力的保障。

阿里云人脸识别SDK的免费开放,给短视频行业带来了无限的可能性。基于阿里云,创业者和用户们都有了更多新鲜的玩法,创新机遇随之而来,希望整个行业能产生更多元、更深入的探索。

原文来自:阿里云

声明:所有来源为“聚合数据”的内容信息,未经本网许可,不得转载!如对内容有异议或投诉,请与我们联系。邮箱:marketing@think-land.com

  • Google Gemini Image API

    Nano Banana(gemini-2.5-flash-image 和 gemini-3-pro-image-preview图像模型)是图像生成与编辑的最佳选择,可集成 Nano Banana API,实现高速预览。

    Nano Banana(gemini-2.5-flash-image 和 gemini-3-pro-image-preview图像模型)是图像生成与编辑的最佳选择,可集成 Nano Banana API,实现高速预览。

  • AI文生视频

    支持通过自然语言文本智能生成高质量短视频。用户只需输入一段描述性文字,即可自动合成画面连贯、风格鲜明、配乐匹配的定制化视频内容。适用于短视频创作、广告预演、社交内容生成、游戏素材制作等场景,为开发者与创作者提供高效、灵活、富有想象力的视频生产新范式。

    支持通过自然语言文本智能生成高质量短视频。用户只需输入一段描述性文字,即可自动合成画面连贯、风格鲜明、配乐匹配的定制化视频内容。适用于短视频创作、广告预演、社交内容生成、游戏素材制作等场景,为开发者与创作者提供高效、灵活、富有想象力的视频生产新范式。

  • AI图像理解

    先进的图像理解和分析能力,它能够快速准确地解析和理解图像内容。无论是自然风景、城市建筑还是复杂的场景与活动,都能提供详细的描述和深入的分析。

    先进的图像理解和分析能力,它能够快速准确地解析和理解图像内容。无论是自然风景、城市建筑还是复杂的场景与活动,都能提供详细的描述和深入的分析。

  • AI图像编辑

    根据文本提示(prompt)和图片公网访问链接,编辑原图按照特定风格、场景和氛围感的输出新的图像。广泛应用于电商营销、广告设计、创意灵感等领域,为用户带来高效且个性化的AI图像创作体验。

    根据文本提示(prompt)和图片公网访问链接,编辑原图按照特定风格、场景和氛围感的输出新的图像。广泛应用于电商营销、广告设计、创意灵感等领域,为用户带来高效且个性化的AI图像创作体验。

  • AI图像生成

    根据文本提示(prompt),生成生成具有特定风格、场景和氛围感的图像。广泛应用于电商营销、广告设计、创意灵感等领域,为用户带来高效且个性化的AI图像创作体验。

    根据文本提示(prompt),生成生成具有特定风格、场景和氛围感的图像。广泛应用于电商营销、广告设计、创意灵感等领域,为用户带来高效且个性化的AI图像创作体验。

0512-88869195
客服微信二维码

微信扫码,咨询客服

数 据 驱 动 未 来
Data Drives The Future