什么是 NSFW Detector Pro？

NSFW Detector Pro 是一款强大的解决方案，旨在跨各种数字平台自动审核用户生成的内容。通过利用 ResNet-50 和 BERT 等先进的计算机视觉和深度学习模型，该工具能以高达 96% 的准确率识别露骨图像、暗示性内容和不当语言。对于希望使用 Openclaw Skills 集成安全协议的开发人员来说，它是至关重要的补充。

该系统提供多层内容安全方法，区分艺术表达和露骨材料，同时提供可配置的灵敏度级别以匹配特定的社区准则。无论您是管理社交网络还是电子商务平台，该技能都能通过提供快速、可靠且具有上下文感知能力的分析，确保所有用户的安全环境。

下载入口:https://github.com/openclaw/skills/tree/main/skills/raghulpasupathi/nsfw-detector-pro

安装与下载

1. ClawHub CLI

从源直接安装技能的最快方式。

2. 手动安装

将技能文件夹复制到以下位置之一

优先级：工作区 > 本地 > 内置

3. 提示词安装

将此提示词复制到 OpenClaw 即可自动安装。

NSFW Detector Pro 应用场景

• 社交媒体平台和社区论坛的自动化审核，防止不当帖子。
• 约会应用程序的实时照片验证和个人资料图片筛选。
• 电子商务列表的内容过滤，确保品牌安全。
• 企业通信工具和教育平台的合规性坚控。
• 针对直播内容平台的深度视频流分析，逐帧检测违规行为。

1. 系统接收输入数据，其中可以包括通过 API 提供的原始图像、视频文件或文本字符串。
2. 使用优化的库（如用于图像的 Sharp 或用于视频帧提取的 FFmpeg）对输入进行预处理，以确保最高性能。
3. 多模态分析引擎通过一组专业模型运行数据，例如用于视觉检测的 nsfw-resnet-50。
4. 该技能会计算包括瑟琴、瑟琴内容和暗示性内容在内的多个类别的置信度分数。
5. 根据预先配置的灵敏度阈值（严格、中等或宽松），系统返回拦截、标记或允许内容的判定结果。

NSFW Detector Pro 配置指南

要使用 Openclaw Skills 将此工具集成到您的项目中，您可以通过 npm 安装该软件包：

npm install @raghulpasupathi/nsfw-detector-pro

对于喜欢 ClawHub 注册表的用户，请使用以下 URL 进行安装：

https://clawhub.ai/raghulpasupathi/nsfw-detector-pro

注意：确保您的环境配置了 TensorFlow 依赖项和 OpenCV，以利用 GPU 加速实现更快的推理。

NSFW Detector Pro 数据架构与分类体系

该技能为每次分析生成详细的 JSON 对象，便于集成到现有的审核工作流程中。典型的输出结构包括：

NSFW Detector Pro

Metadata

• ID: nsfw-detector-pro
• Version: 1.0.0
• Category: content-filtering
• Priority: Critical
• Installation: ClawHub
• Package: @raghulpasupathi/nsfw-detector-pro

Description

Advanced NSFW (Not Safe For Work) content detection system using computer vision, deep learning models, and multi-modal analysis. Detects explicit content in images, videos, and text with high accuracy and configurable sensitivity levels.

Installation

Via ClawHub

https://clawhub.ai/raghulpasupathi/nsfw-detector-pro

Via npm

npm install @raghulpasupathi/nsfw-detector-pro

Features

• Image Analysis: Detect nudity, sexual content, and explicit imagery
• Video Analysis: Frame-by-frame and scene-level detection
• Text Analysis: Identify sexual language and explicit descriptions
• Multi-class Detection: Pornography, erotica, suggestive, safe categories
• Confidence Scoring: 0-100% confidence for each classification
• Custom Thresholds: Adjustable sensitivity per use case
• Skin Tone Detection: Identify exposed skin regions accurately
• Context Awareness: Distinguish artistic from explicit content
• Real-time Processing: Fast inference for live content
• Batch Processing: Efficient analysis of multiple items
• Age Estimation: Detect potential underage content (refer to CSAM Shield)
• Model Ensemble: Combines multiple models for better accuracy

Configuration

{
  "enabled": true,
  "settings": {
    "defaultSensitivity": "moderate",
    "sensitivities": {
      "strict": {
        "pornography": 0.15,
        "erotica": 0.25,
        "suggestive": 0.40,
        "blockThreshold": 0.15
      },
      "moderate": {
        "pornography": 0.40,
        "erotica": 0.60,
        "suggestive": 0.75,
        "blockThreshold": 0.40
      },
      "relaxed": {
        "pornography": 0.70,
        "erotica": 0.85,
        "suggestive": 0.90,
        "blockThreshold": 0.70
      }
    },
    "models": {
      "image": {
        "enabled": true,
        "model": "nsfw-resnet-50",
        "useGPU": true
      },
      "video": {
        "enabled": true,
        "fps": 2,
        "maxFrames": 30
      },
      "text": {
        "enabled": true,
        "model": "bert-nsfw-classifier"
      }
    },
    "processing": {
      "imageMaxSize": "4096x4096",
      "videoMaxDuration": 300,
      "batchSize": 32,
      "cacheResults": true,
      "cacheTTL": 86400
    },
    "advanced": {
      "skinDetection": true,
      "faceDetection": true,
      "contextAnalysis": true,
      "artFilter": true,
      "medicalFilter": true
    }
  }
}

API Examples

See nsfw-detector-pro-examples.js for complete usage examples.

Dependencies

• @tensorflow/tfjs-node-gpu: ^4.0.0 - TensorFlow for GPU inference
• sharp: ^0.32.0 - Image processing
• opencv4nodejs: ^6.0.0 - Computer vision operations
• ffmpeg-fluent: ^2.1.0 - Video processing
• nsfw.js: ^3.0.0 - Pre-trained NSFW model

Performance

• Image Analysis: 50-800ms depending on image size
• Video Analysis: 3-6s for 30s video at 2fps
• Text Analysis: 20-200ms depending on text length
• Accuracy: 96% for pornography detection
• False Positive Rate: 2-4%
• False Negative Rate: 1-3%

Use Cases

• Social media content moderation
• Dating app photo verification
• User-generated content platforms
• Comment section filtering
• Profile picture screening
• Video streaming platforms
• E-commerce listings
• Community forums
• Educational platforms
• Corporate content filters

Best Practices

1. Use appropriate sensitivity level for your use case
2. Enable caching to reduce repeated analysis costs
3. Use GPU acceleration for production workloads
4. Implement appeal process for false positives
5. Log all violations for audit trail
6. Provide clear feedback to users on violations
7. Enable art/medical filters if applicable
8. Use batch processing for efficiency
9. Monitor false positive/negative rates
10. Regular model updates for improved accuracy
11. Implement graceful degradation if service unavailable
12. Consider user reputation/history in moderation decisions