图片审核 API 教程：Python 与 JavaScript 示例

图片审核 API 接收一张图片，按一组有害类别逐项打分，再告诉你这张图该发布、暂缓还是拦截。对 omni-moderation-latest 这类通用模型来说，问题在于它返回的类别并不都会真正去看图片：OpenAI 的文档把 13 个类别中的 6 个标为 "Text and images"，另外 7 个标为 "Text only"^[1]。如果你只发一张不带配文的照片，那 7 个纯文本类别按设计就会返回 0，这并不代表照片是干净的^[1]。

本文讲清楚这在实践中意味着什么：图片能依赖哪些类别、怎样发送图片（reAPI 只接受公网 URL）、请求如何计费、怎样把分数转换成处理决策，并给出一份可直接运行的 Python 和 JavaScript 示例，提交图片后轮询拿到审核结论。最后会说明 Sightengine、Hive、Azure AI Content Safety 和 Amazon Rekognition 这类专做图片的服务有何不同。

TL;DR

omni-moderation-latest 对图片只评估 6 个类别：sexual、self-harm、self-harm/intent、self-harm/instructions、violence 和 violence/graphic。其余 7 个（包括 sexual/minors）只针对文本^[1]。
在 reAPI 上，图片以 image_url 块的形式传入，必须是公网 http(s) URL。Base64 和 data: URI 会被拒绝^[2]。
按审核单位计费：每张图片 1 个单位，文本每 1,000 词 1 个单位，每次请求至少 1 个单位^[2]。当前价格见模型页面。
调用是异步的：先 POST /api/v1/moderations，再轮询 GET /api/v1/tasks/{id}，直到 status 变为 completed^[2]。
flagged 是模型的默认判定。要落实你自己的策略，就按类别给 category_scores（0 到 1）设阈值，并在模型更新后重新校准^[1]。
OpenAI 自家接口是否免费，见OpenAI moderation API 免费吗？。

图片审核 API 能看到哪些有害类别

OpenAI 列出了 omni-moderation-latest 每个类别支持的输入类型^[1]：

类别	输入
`sexual`	文本和图片
`self-harm`、`self-harm/intent`、`self-harm/instructions`	文本和图片
`violence`、`violence/graphic`	文本和图片
`sexual/minors`	仅文本
`harassment`、`harassment/threatening`	仅文本
`hate`、`hate/threatening`	仅文本
`illicit`、`illicit/violent`	仅文本

对图片流水线来说，这有两个重要后果。

第一，0 分不一定是测出来的。OpenAI 说明，如果只发图片、不附带文本，模型会对纯文本类别返回 0 分^[1]。表情包里的仇恨符号、截图里写着的威胁内容，在纯图片请求中都不会被 hate 或 harassment 分数抓到。响应里的 category_applied_input_types 会告诉你每个类别实际评估了哪些输入类型；在 OpenAI 的纯图片示例中，6 个图片类别列出的是 ["image"]，其余类别是空数组^[1]。把低分当作通过之前，先检查这个字段。

第二，sexual/minors 只针对文本^[1]。OpenAI 的指南还明确要求不要把已知或疑似的儿童性虐待内容发给 Moderation API，因为它并非为 CSAM 检测而设计，也不能替代专门的儿童安全防护措施^[1]。如果你的平台接受用户上传，请另外规划一道儿童安全管控。

OpenAI 文档写明该模型的图片文件上限为 20 MB^[1]。

发送图片：只接受公网 URL

请求体只有一个内容字段 input。发送图片时，传入一个内容块数组^[2]：

{
  "model": "omni-moderation-latest",
  "input": [
    { "type": "image_url", "image_url": { "url": "https://example.com/upload.jpg" } }
  ]
}

OpenAI 自己的 API 参考写明，image_url.url 既可以是图片 URL，也可以是 base64 编码的图片数据^[3]。reAPI 只接受前一种：image_url.url 必须是公网 http(s) URL，base64 或 data: URI 会校验失败并返回错误 20003^[2]。这条规则适用于 reAPI 所有模型的媒体输入。

对用户上传来说，操作顺序因此是：先存储文件，拿到一个公网可抓取的 URL，再提交审核。签名 URL 也可以，只要任务执行时它仍然有效^[2]。如果 URL 无法抓取，任务会以 80007 失败，费用自动退还^[2]。在审核结论返回之前，文件保持私有、不要发布。

你也可以把配文和对应的图片放进同一个数组。reAPI 文档说明，内容块数组对整组输入只返回一个结果，模型会把文本和图片放在一起判断^[2]。对于带配文的帖子，这正是你想要的。但对十张互不相关的上传图片就不合适了：一个合并的结论没法告诉你是哪张图触发的，这种情况应分开发送请求。

图片审核如何计费

reAPI 对 omni-moderation-latest 按审核单位计费^[2]：

输入	单位
每个 `image_url` 块	1 个单位
文本	整个请求合计每 1,000 词 1 个单位；每条文本至少按 50 词计
任意请求	至少 1 个单位

每次请求只做一次单位到积分的换算并向上取整，轮询不收费，失败的请求自动退款^[2]。一次请求最多 500 项^[2]。单位价格见模型页面。各家价格与免费额度的对比，见OpenAI moderation API 免费吗？。

图片审核 API 示例：Python 与 JavaScript

两个示例做的是同一件事：提交一张图片，每 3 秒轮询一次任务，返回第一个结果。reAPI 的任务文档建议轮询间隔不要短于 2 到 3 秒，因为任务进行中时轮询接口有 5 秒缓存^[4]。一次审核通常几秒内就能完成^[2]。

Python

import time
import requests

API = "https://reapi.ai/api/v1"
HEADERS = {
    "Authorization": "Bearer YOUR_API_KEY",
    "Content-Type": "application/json",
}

def moderate_image(image_url, timeout_s=60):
    submit = requests.post(
        f"{API}/moderations",
        headers=HEADERS,
        json={
            "model": "omni-moderation-latest",
            "input": [{"type": "image_url", "image_url": {"url": image_url}}],
        },
        timeout=30,
    )
    submit.raise_for_status()
    task_id = submit.json()["id"]

    deadline = time.time() + timeout_s
    while time.time() < deadline:
        time.sleep(3)
        task = requests.get(f"{API}/tasks/{task_id}", headers=HEADERS, timeout=30).json()
        if task["status"] == "completed":
            return task["output"]["moderation"]["results"][0]
        if task["status"] == "failed":
            raise RuntimeError(f'{task["error"]["code"]}: {task["error"]["message"]}')
    raise TimeoutError(f"task {task_id} still processing")

result = moderate_image("https://example.com/upload.jpg")
print(result["flagged"], result["category_scores"]["violence"])

JavaScript（Node.js 18+，保存为 `.mjs` 模块）

const API = "https://reapi.ai/api/v1";
const headers = {
  Authorization: `Bearer ${process.env.REAPI_API_KEY}`,
  "Content-Type": "application/json",
};

async function moderateImage(imageUrl, timeoutMs = 60_000) {
  const submit = await fetch(`${API}/moderations`, {
    method: "POST",
    headers,
    body: JSON.stringify({
      model: "omni-moderation-latest",
      input: [{ type: "image_url", image_url: { url: imageUrl } }],
    }),
  });
  if (!submit.ok) throw new Error(`submit failed: ${submit.status} ${await submit.text()}`);
  const { id } = await submit.json();

  const deadline = Date.now() + timeoutMs;
  while (Date.now() < deadline) {
    await new Promise((r) => setTimeout(r, 3000));
    const task = await (await fetch(`${API}/tasks/${id}`, { headers })).json();
    if (task.status === "completed") return task.output.moderation.results[0];
    if (task.status === "failed") throw new Error(`${task.error.code}: ${task.error.message}`);
  }
  throw new Error(`task ${id} still processing`);
}

const result = await moderateImage("https://example.com/upload.jpg");
console.log(result.flagged, result.category_scores.violence);

JavaScript 版本请在服务端运行，不要放进浏览器。API key 是 Bearer token，写进前端代码就等于暴露给任何打开开发者工具的人。下方常见问题里的 React 问题也是同样道理。完整的请求结构（包括文本和混合输入）见 API 文档。

解读结果与设置阈值

每个结果包含四个字段^[1]^[2]：

字段	含义
`flagged`	模型认为输入至少在一个类别上有害时为 `true`
`categories`	模型对每个类别给出的 true/false 判定
`category_scores`	模型对每个类别的置信度，取值 0 到 1
`category_applied_input_types`	每个类别实际评估了哪些输入类型（`text`、`image`）

flagged 适合做第一道筛选，但它体现的是模型的默认标准，可能比你的策略更严或更松^[2]。OpenAI 的建议是把分数当作应用自身策略的信号，而不是自动拦截的依据，并在需要时把被标记的内容转人工审核^[1]。

常见做法是对每个图片类别分三档：低于低阈值放行，中间段转人工审核，高于高阈值拦截。一个最小实现：

IMAGE_CATEGORIES = [
    "sexual", "self-harm", "self-harm/intent", "self-harm/instructions",
    "violence", "violence/graphic",
]
REVIEW_AT = 0.3   # example values only; calibrate on your own labeled images
BLOCK_AT = 0.8

def decide(result):
    applied = result["category_applied_input_types"]
    scores = result["category_scores"]
    checked = [c for c in IMAGE_CATEGORIES if "image" in applied.get(c, [])]
    top = max((scores[c] for c in checked), default=0.0)
    if top >= BLOCK_AT:
        return "block"
    if top >= REVIEW_AT or result["flagged"]:
        return "review"
    return "allow"

上面的数值只是示意，不是推荐值。选阈值的方法是拿几百张你已经标注好的图片跑一遍，看分数落在哪里。这个检查要定期重跑：OpenAI 表示会持续升级底层模型，基于 category_scores 构建的自定义策略可能需要随时间重新校准^[1]。分数经过 reAPI 时不会被取整或重新映射^[2]，因此你校准一次的结果可以直接套用到代码读到的数值上。

专做图片的审核 API 有何不同

通用模型和图片专项服务回答的是不同的问题。omni-moderation-latest 评估 6 个视觉类别，并能把配文和图片放在一起判断^[1]。图片专项 API 能识别多得多的视觉类别，例如武器、毒品、仇恨符号或图片中的文字，它们接收文件的方式和报告置信度的方式也各不相同。以下内容摘自各家文档：

服务	能在图片中识别什么	图片如何传入	输出	计费单位
reAPI 上的 `omni-moderation-latest`	sexual、self-harm（3 个）、violence（2 个）^[1]	公网 http(s) URL^[2]	每个类别一个布尔值 + 0–1 分数^[1]	按张计（审核单位）^[2]
Sightengine	29 个类别的裸露内容、暴力、武器、仇恨与冒犯性标志、血腥、自残、毒品、酒精、烟草、赌博、图中文字、二维码^[5]	直接上传或公网可访问的 URL^[6]	按所选模型分别返回结果	Operations；同一组内的模型每次请求只计一次^[7]
Hive Visual Moderation	色情内容、暴力画面、毒品、仇恨图像及图片属性，细分为具名类别^[8]	公开或签名 URL，或本地文件上传^[9]	每个类别 0–1 置信度^[9]	年度合同；Hive 引导较小的客户使用其自助式 VLM^[8]
Azure AI Content Safety（Analyze Image）	Hate、SelfHarm、Sexual、Violence^[10]	Base64 字节或 blob URL，二选一^[10]	每个类别严重程度 0、2、4 或 6^[11]	按提交的图片张数^[12]
Amazon Rekognition（DetectModerationLabels）	三级标签体系；顶层包括 Explicit、Violence、Visually Disturbing、Drugs & Tobacco、Alcohol、Rude Gestures、Gambling 和 Hate Symbols^[13]	Base64 图片字节或 Amazon S3 对象；JPEG 或 PNG^[14]	带置信度的标签；`MinConfidence` 默认 50^[14]	每次 API 调用按图片计^[15]

通常由三点差异决定怎么选。

视觉覆盖面。 如果你需要识别武器、毒品、仇恨符号或印在图片上的文字，专项服务都明确列出了这些类别^[5]^[8]^[13]。omni-moderation-latest 没有针对它们的图片类别^[1]。

分数形式。 Hive 对每个类别返回 0–1 置信度，并建议从 0.90 左右开始作为标记阈值^[8]。Rekognition 会丢弃低于 MinConfidence 的标签，该值在 0–100 刻度上默认为 50^[14]。Azure 对图片返回的是粗粒度的严重程度：0、2、4 或 6^[11]。在一个服务上调好的阈值，不能直接搬到另一个服务。

输入方式。 Azure 和 Rekognition 接受 base64 字节^[10]^[14]，Sightengine 和 Hive 接受直接上传文件^[6]^[9]。reAPI 只接受 URL^[2]，适合上传文件本来就落在对象存储里的流水线。

如果你的内容以文本为主、附带图片，或者这 6 个视觉类别正好符合你的策略，又或者你已经在用同一个 key 通过 reAPI 调用其他模型，那么 omni-moderation-latest 是合适的选择。按模态和使用场景的更全面对比，见最佳内容审核 API。

OpenAI. Moderation. 2026 年 10 月检索自 developers.openai.com/api/docs/guides/moderation
reAPI. omni-moderation-latest API docs. reapi.ai/docs/content-moderation
OpenAI. Moderations API reference. 2026 年 10 月检索自 developers.openai.com/api/reference/resources/moderations
reAPI. Tasks API reference. reapi.ai/docs/api/tasks
Sightengine. Visual Moderation models. 2026 年 10 月检索自 sightengine.com/docs/models
Sightengine. What are the ways to send an image to the API? 2026 年 10 月检索自 sightengine.com/faq/ways-to-send-image-to-api
Sightengine. What is an operation? 2026 年 10 月检索自 sightengine.com/faq/what-is-an-operation
Hive. Visual Moderation - Overview. 2026 年 10 月检索自 docs.thehive.ai/docs/visual-content-moderation
Hive. Using Hive's Visual Moderation API. 2026 年 10 月检索自 docs.thehive.ai/docs/visual-moderation-api
Microsoft. Image Operations - Analyze Image (REST API). 2026 年 10 月检索自 learn.microsoft.com/en-us/rest/api/contentsafety/image-operations/analyze-image
Microsoft. Harm categories in Azure AI Content Safety. 2026 年 10 月检索自 learn.microsoft.com/en-us/azure/ai-services/content-safety/concepts/harm-categories
Microsoft. Azure AI Content Safety pricing. 2026 年 10 月检索自 azure.microsoft.com/en-us/pricing/details/content-safety
Amazon Web Services. Using the image and video moderation APIs. 2026 年 10 月检索自 docs.aws.amazon.com/rekognition/latest/dg/moderation-api.html
Amazon Web Services. DetectModerationLabels. 2026 年 10 月检索自 docs.aws.amazon.com/rekognition/latest/APIReference/API_DetectModerationLabels.html
Amazon Web Services. Amazon Rekognition pricing. 2026 年 10 月检索自 aws.amazon.com/rekognition/pricing
OpenAI. Images and vision. 2026 年 10 月检索自 developers.openai.com/api/docs/guides/images-vision

图片审核 API 教程：Python 与 JavaScript 示例

TL;DR

图片审核 API 能看到哪些有害类别

发送图片：只接受公网 URL

图片审核如何计费

图片审核 API 示例：Python 与 JavaScript

Python

JavaScript（Node.js 18+，保存为 `.mjs` 模块）

解读结果与设置阈值

专做图片的审核 API 有何不同

常见问题

图片审核 API 免费

上传图片审核免费 API

OpenAI 图片审核 API

图片审核 API Python

图片审核 API React

ChatGPT API 能分析图片吗？

最好的图片审核 API

把图片审核接入上传流程

参考资料

作者

分类

更多文章

Wan 3.0 vs Wan 2.7：时长、输入、编辑和价格

Midjourney 有 API 吗？V8.2 无需 Discord 的选项

2026 年最佳 WaveSpeed 替代方案：5 个平台对比