Bảo AI Jev tìm kiếm Wally mà nó tìm ra chỉ trong 0.4 giây!! (Jevにウォーリーを探させたら0.4秒で見つけやがった!!)
Thử nghiệm tính năng nhận diện hình ảnh và khoanh vùng đối tượng (box query) mới ra mắt của mô hình phán đoán Jev (jev-1.14.0).
✍️ Tác giả gốc:
kikuziro (山 ちゃん)trên diễn đàn công nghệ Qiita Nhật Bản
🔗 Tiêu đề gốc có Furigana: Jevにウォーリーを探させたら0.4秒で見つけやがった!!
🌐 Liên kết bài gốc: Jevにウォーリーを探させたら0.4秒で見つけやがった!!
📌 Điểm nhấn cốt lõi (Key Takeaways)
- Thử nghiệm tính năng nhận diện hình ảnh và khoanh vùng đối tượng (box query) mới ra mắt của mô hình phán đoán Jev (jev-1.14.0).
- Đo lường độ chính xác và tốc độ phản hồi trên AWS Lambda (us-east-2) qua nhiều khung cảnh phức tạp (Gold Saucer, Đồn cảnh sát, Hội trường re:Invent, Làng Lá, Ngã tư).
- Phân tích số token hình ảnh (xấp xỉ 19x19 pixel = 1 token), chi phí siêu rẻ (khoảng 0.04 ~ 0.05 yên/lần gọi) và tốc độ xử lý thần tốc ~400ms.
Khả năng xử lý hình ảnh của Jev & Các thông số chính (Jevの画像対応 ＆ 主な仕様)
Trước hết tôi xin cáo lỗi về tiêu đề hơi ‘giật tít’. Chính xác thì đây là thử nghiệm tìm nhân vật từ hình ảnh ‘phong cách Tìm kiếm Wally’ do AI vẽ, chứ sách ‘Where’s Wally?’ xịn ngoài đời khó hơn nhiều nên có thể kết quả sẽ không giống như vậy. AI phán đoán Jev hiện đã hỗ trợ dữ liệu đầu vào hình ảnh và tính năng mới trả về tọa độ khung viền (box query). Định dạng hỗ trợ là PNG/JPEG từ 256 đến 1568px mỗi cạnh, giá tính theo token chữ bình thường và không phụ thu thêm phí ảnh.
先にタイトル詐欺についてお詫び申し上げます。正確には"ウォーリーを探せ"ではなく"ウォーリーを探せっぽい画像"から探させた検証になります。実際の"ウォーリーをさがせ"はもっと難しいので同じ結果にはならないかもしれません。
Phương pháp kiểm thử & Đoạn mã thực thi (検証のやり方 ＆ コード例)
| 項目 (Mục kiểm tra) | 内容 (Nội dung thiết lập) |
|---|---|
| モデル | jev-1.14.0 (TypeSafe SDK 0.7.5) |
| 実行環境 | AWS Lambda Python 3.14 (us-east-2 Ohio) |
| 渡す画像 | 2枚 (場面 scene + 見本 ref) |
| 質問内容 | 1. 見本の人は場面にいるか (noul) / 2. どこにいるか (box) |
| 判定基準 | いる判定: noul >= 0.1 / 位置判定: 確信度 ◎>=0.5, ○>=0.1, ×<0.1 |
with TypeSafeClient(api_key=api_key, model=MODEL) as client:
resp = client.system_one(
state={"scene": Image(scene), "ref": Image(ref)},
questions={
"present": Noul(instructions="Is the person shown in `ref` somewhere in `scene`?"),
"where": Box(instructions="The same person as in `ref` within `scene`."),
},
extra_headers={"TypeSafe-Danger-Zone-Images": "true"},
)
box = resp.boxes["where"]📝 Trong code gọi Jev, ta truyền 2 ảnh (ảnh khung cảnh và ảnh mẫu nhân vật), gửi đồng thời câu hỏi noul (có xuất hiện không) và câu hỏi box (tọa độ hình chữ nhật ở đâu) để nhận kết quả.
Bảng kết quả & Đánh giá chi tiết từng khung cảnh (結果一覧 ＆ 場面ごとの検証結果)
| 場面 (Khung cảnh) | 見本 (Ảnh mẫu) | いる判定 | 確信度 (Confidence) | 判定 | 応答速度 (Latency) |
|---|---|---|---|---|---|
| ゴールドソーサー | 立ち絵 | 0.59 | 0.75 | ◎ Tìm chính xác | 400ms |
| 警察署 | 立ち絵 | 0.55 | 0.78 | ◎ Tìm chính xác | 346ms |
| re:Invent会場 | 立ち絵 | 0.24 | 0.17 | ○ Nhận diện mờ | 369ms |
| 木の葉の里 | 立ち絵 | 0.15 | 0.18 | ○ Suýt soát | 574ms |
| キャラがいない版 (Bẫy) | 立ち絵 | 0.08 | 0.05 | × Không có (Đúng) | 407ms |
| 交差点 (Kẻ trộm áo trắng) | Cắt ảnh | 0.98 | 0.76 | ◎ Tìm chính xác | 409ms |
Số lượng Token, Chi phí & Kết luận (トークン数・料金 ＆ まとめ)
Số token tỷ lệ theo kích thước ảnh, khoảng 19x19 pixel = 1 token. Chi phí mỗi lần gọi chỉ khoảng 0.04 - 0.05 yên (chưa tới 10 VNĐ), tốc độ cực nhanh quanh mức 0.4 giây. Qua thực tế sử dụng: Đối tượng rõ ràng và cùng nét vẽ sẽ được tìm kiếm rất chuẩn xác; đối tượng quá nhỏ có thể bị lệch khung đôi chút. Jev rất thích hợp làm phễu lọc sơ bộ siêu nhanh và siêu rẻ, sau đó con người duyệt lại bước cuối.
トークン数は画像の解像度でほぼ決まり、概ね19×19ピクセルあたり1トークンとして計算されます。1回のリクエスト費用は約0.04円〜0.05円と極めて激安で、応答時間も約0.4秒前後と非常に軽快です。
📚 Bảng thuật ngữ IT & Hán Việt trong bài (重要IT用語集)
| Thuật ngữ (Kanji) | Furigana / Romaji | Âm Hán Việt | Ý nghĩa tiếng Việt | Cấp độ |
|---|---|---|---|---|
| 詐欺 | さぎ |
TRÁ NGUY | Lừa đảo, gian lận (nghĩa mạng: giật tít, clickbait) | N1 |
| お詫び | おわび |
SÁ | Lời xin lỗi, sự tạ lỗi | N2 |
| 検証 | けんしょう |
KIỂM CHỨNG | Kiểm chứng, chạy thử nghiệm đánh giá (Verification) | N2 |
| 位置 | いち |
VỊ TRÍ | Vị trí, tọa độ | N3 |
| 各辺 | かくへん |
CÁC BIÊN | Mỗi cạnh (của hình ảnh) | N2 |
| 事情 | じじょう |
SỰ TÌNH | Hoàn cảnh, lý do tế nhị | N3 |
| 中央値 | ちゅうおうち |
TRUNG ƯƠNG TRỊ | Giá trị trung vị (Median trong thống kê) | Technical |
| 応答時間 | おうとうじかん |
ỨNG ĐÁP THỜI GIAN | Thời gian phản hồi, độ trễ (Latency) | Technical |
| 見本 | みほん |
KIẾN BẢN | Mẫu, hình mẫu đối chiếu (Reference image) | N3 |
| 姿勢 | しせい |
TƯ THẾ | Tư thế, dáng vóc (Pose) | N2 |
| 意地悪 | いじわる |
Ý ĐỊA ÁC | Cố tình chơi khó, gài bẫy | N3 |
| 確信度 | かくしんど |
XÁC TÍN ĐỘ | Độ tin cậy, độ chắc chắn (Confidence score: 0~1) | Technical |
| 解像度 | かいぞうど |
GIẢI TƯỢNG ĐỘ | Độ phân giải hình ảnh (Resolution) | Technical |
| 激安 | げきやす |
KÍCH AN | Siêu rẻ, rẻ bất ngờ | N1 |
| 軽快 | けいかい |
KHINH KHOÁI | Nhanh nhẹn, mượt mà, nhẹ tải (Lightweight/Fast) | N2 |
| 絵柄 | えがら |
HỘI BÍNH | Phong cách vẽ, nét vẽ, họa tiết | N2 |
| 候補 | こうほ |
HẬU BỔ | Ứng viên, đối tượng tiềm năng, vùng ứng cử | N2 |
📐 Ngữ pháp tiếng Nhật IT bổ trợ (文法解説)
- 〜っぽい (
N3): Có vẻ…, hơi hướng…- Cấu trúc:
Danh từ / Thân từ + っぽい - Sắc thái sử dụng: ウォーリーを探せっぽい画像 = bức tranh mang hơi hướng trò chơi tìm kiếm Wally.
- Cấu trúc:
- 〜としてもらう / 〜てもらう (
N4): Nhờ ai đó làm gì cho mình- Cấu trúc:
V-て + もらう - Sắc thái sử dụng: 絞り込んでもらい = nhờ AI thu hẹp vùng tìm kiếm giúp cho con người.
- Cấu trúc: