AWS SDK AI Examples: Rekognition Image Labels आणि Bedrock Text Generation (Python, PHP, Node.js)

By Ravindra Bagale, trainer · LinkedIn · Last updated: 24 October 2026

1. मोठं चित्र: shop assistant

हे का लागतं?

Seller bicycle चा photo upload करतो. एक assistant पाहून सांगतो "bicycle, wheel, outdoor". दुसरा छान listing लिहितो: "थोडी वापरलेली city bike, €180". Rekognition पहिला, Bedrock दुसरा.

हे काय आहे?

Rekognition Image (bytes किंवा S3Object) घेतो आणि Confidence सह labels देतो. Bedrock Converse modelId व messages घेतो आणि reply व token usage देतो. आधी Bedrock console मध्ये model access चालू करा.

कसं करायचं (step by step)

2. Labels detect करा

हे का लागतं?

Buyers "bicycle" किंवा "sofa" शोधू शकतील म्हणून Giulia ला प्रत्येक photo tag हवा.

हे काय आहे?

MaxLabels व MinConfidence सह DetectLabels. S3 मधल्या photos साठी S3Object (same region).

कसं करायचं (step by step)

1. Python.

import boto3
rk = boto3.client("rekognition", region_name="eu-west-1")
r = rk.detect_labels(Image={"S3Object": {"Bucket": "market-photos-mi", "Name": "bike-221.jpg"}},
    MaxLabels=5, MinConfidence=80)
for l in r["Labels"]: print(l["Name"], round(l["Confidence"]))

अपेक्षित output:

Bicycle 99
Wheel 98
Vehicle 97
Outdoors 88
City 82

2. Node.js: local bytes मधून.

import { readFileSync } from "node:fs";
import { RekognitionClient, DetectLabelsCommand } from "@aws-sdk/client-rekognition";
const rk = new RekognitionClient({ region: "ap-south-1" });
const r = await rk.send(new DetectLabelsCommand({ Image: { Bytes: readFileSync("sofa-88.jpg") }, MaxLabels: 3 }));
console.log(r.Labels.map(l => l.Name).join(", "));

अपेक्षित output:

Couch, Furniture, Living Room

3. PHP.

<?php
require "vendor/autoload.php";
$rk = new Aws\Rekognition\RekognitionClient(["region" => "eu-west-1"]);
$r = $rk->detectLabels(["Image" => ["Bytes" => file_get_contents("lamp.jpg")], "MaxLabels" => 2]);
echo implode(", ", array_column($r["Labels"], "Name")), PHP_EOL;

अपेक्षित output:

Lamp, Lampshade

4. CLI ने verify.

aws rekognition detect-labels --image "S3Object={Bucket=market-photos-mi,Name=bike-221.jpg}" --max-labels 1 --region eu-west-1 --query "Labels[0].Name" --output text

अपेक्षित output:

Bicycle

3. Text वाचा आणि moderate

हे का लागतं?

Meera unsafe photos block करते आणि कोचीच्या मसाल्याच्या डब्याच्या photo मधला price tag वाचते: ₹350.

हे काय आहे?

DetectText LINE व WORD items देतो. DetectModerationLabels "Violence" सारख्या categories देतो; रिकामी list म्हणजे safe.

कसं करायचं (step by step)

1. Python: text lines.

r = rk.detect_text(Image={"Bytes": open("tin.jpg", "rb").read()})
print([t["DetectedText"] for t in r["TextDetections"] if t["Type"] == "LINE"])

अपेक्षित output:

['KERALA PEPPER', 'MRP ₹350', '200 g']

2. Node.js: moderation.

import { DetectModerationLabelsCommand } from "@aws-sdk/client-rekognition";
const r = await rk.send(new DetectModerationLabelsCommand({ Image: { Bytes: readFileSync("sofa-88.jpg") }, MinConfidence: 60 }));
console.log(r.ModerationLabels.length === 0 ? "safe" : r.ModerationLabels.map(m => m.Name));

अपेक्षित output:

safe

3. PHP: upload handler मध्ये reject.

<?php
$m = $rk->detectModerationLabels(["Image" => ["Bytes" => file_get_contents($_FILES["p"]["tmp_name"])], "MinConfidence" => 70]);
if (count($m["ModerationLabels"])) { http_response_code(422); exit("Photo not allowed"); }
echo "accepted", PHP_EOL;

अपेक्षित output:

accepted

4. Verify: test image.

aws rekognition detect-text --image-bytes fileb://tin.jpg --region ap-south-1 --query "TextDetections[?Type=='LINE'] | [1].DetectedText" --output text

अपेक्षित output:

MRP ₹350

4. Bedrock ने text generate

हे का लागतं?

Labels व price वरून English किंवा Italian मध्ये छोटी, प्रामाणिक listing.

हे काय आहे?

Converse प्रत्येक model साठी तोच request shape: messages, system, inferenceConfig. तुमच्या account मध्ये enabled model ID किंवा inference profile वापरा.

कसं करायचं (step by step)

1. Python.

br = boto3.client("bedrock-runtime", region_name="eu-west-1")
r = br.converse(modelId="amazon.nova-lite-v1:0",
    system=[{"text": "You write short marketplace listings. Max 25 words. No made-up facts."}],
    messages=[{"role": "user", "content": [{"text": "Labels: Bicycle, City. Price €180. Condition: lightly used. Italian."}]}],
    inferenceConfig={"maxTokens": 120, "temperature": 0.4})
print(r["output"]["message"]["content"][0]["text"]); print(r["usage"])

अपेक्षित output:

Bici da città poco usata, pronta per Milano. €180.
{'inputTokens': 41, 'outputTokens': 17, 'totalTokens': 58}

2. Node.js.

import { BedrockRuntimeClient, ConverseCommand } from "@aws-sdk/client-bedrock-runtime";
const br = new BedrockRuntimeClient({ region: "ap-south-1" });
const r = await br.send(new ConverseCommand({ modelId: "apac.amazon.nova-lite-v1:0",
  messages: [{ role: "user", content: [{ text: "Write a 20-word listing: Couch, 3-seater, ₹9,500, Kochi pickup." }] }],
  inferenceConfig: { maxTokens: 100 } }));
console.log(r.output.message.content[0].text);

अपेक्षित output:

Comfortable 3-seater couch in great shape. ₹9,500. Pickup in Kochi.

3. PHP.

<?php
$br = new Aws\BedrockRuntime\BedrockRuntimeClient(["region" => "eu-west-1"]);
$r = $br->converse(["modelId" => "amazon.nova-lite-v1:0",
  "messages" => [["role" => "user", "content" => [["text" => "One-line listing: Lamp, brass, £25, London."]]]],
  "inferenceConfig" => ["maxTokens" => 60]]);
echo $r["output"]["message"]["content"][0]["text"], PHP_EOL;

अपेक्षित output:

Vintage brass lamp, warm light, £25 — collect in London.

4. Verify: model access चालू.

aws bedrock list-foundation-models --region eu-west-1 --by-provider amazon --query "modelSummaries[?modelId=='amazon.nova-lite-v1:0'].modelId" --output text

अपेक्षित output:

amazon.nova-lite-v1:0

5. उत्तर stream करा

हे का लागतं?

Chat helper मध्ये Dubai च्या buyers ना 5 seconds थांबण्याऐवजी शब्द लगेच दिसायला हवेत.

हे काय आहे?

ConverseStream event stream देतो: contentBlockDelta events मध्ये text चे तुकडे; metadata मध्ये usage.

कसं करायचं (step by step)

1. Python.

r = br.converse_stream(modelId="amazon.nova-lite-v1:0",
    messages=[{"role": "user", "content": [{"text": "Is a used bike for AED 700 a fair price? 2 lines."}]}])
for ev in r["stream"]:
    if "contentBlockDelta" in ev: print(ev["contentBlockDelta"]["delta"]["text"], end="", flush=True)
print()

अपेक्षित output:

For a lightly used city bike, AED 700 is fair.
Check brakes and gears before paying.

2. Node.js.

import { ConverseStreamCommand } from "@aws-sdk/client-bedrock-runtime";
const r = await br.send(new ConverseStreamCommand({ modelId: "apac.amazon.nova-lite-v1:0",
  messages: [{ role: "user", content: [{ text: "Give 3 tips to sell a sofa fast." }] }] }));
for await (const ev of r.stream) if (ev.contentBlockDelta) process.stdout.write(ev.contentBlockDelta.delta.text);

अपेक्षित output:

1. Clear photos in daylight. 2. Fair price. 3. Offer pickup times.

3. PHP.

<?php
$r = $br->converseStream(["modelId" => "amazon.nova-lite-v1:0",
  "messages" => [["role" => "user", "content" => [["text" => "Say hello in Italian and Malayalam."]]]]]);
foreach ($r["stream"] as $ev) if (isset($ev["contentBlockDelta"])) echo $ev["contentBlockDelta"]["delta"]["text"];
echo PHP_EOL;

अपेक्षित output:

Ciao! നമസ്കാരം!

4. Verify: token usage metric.

aws cloudwatch get-metric-statistics --namespace AWS/Bedrock --metric-name OutputTokenCount --dimensions Name=ModelId,Value=amazon.nova-lite-v1:0 --statistics Sum --period 3600 --start-time $(date -u -d "-1 hour" +%FT%TZ) --end-time $(date -u +%FT%TZ) --region eu-west-1 --query "Datapoints[0].Sum"

अपेक्षित output:

112.0

6. हाच call Java, Go, .NET आणि CLI मध्ये

हे का लागतं?

Teams अनेकदा भाषा मिसळतात. Python, PHP आणि Node.js मध्ये call समजला की बाकीचे SDKs म्हणजे तोच API, फक्त syntax वेगळा.

हे काय आहे?

सगळे Converse API call करतात. Terminal मधून पटकन test करायला CLI ओळ वापरा.

कसं करायचं (step by step)

7. काहीही खर्च चालू राहू नये म्हणून cleanup

हे का लागतं?

चालू ठेवलेले lab resources पैसे खातात आणि security risk बनतात.

हे काय आहे?

उलट्या क्रमाने delete करा: आधी children, मग parents.

कसं करायचं (step by step)

1. On-demand calls साठी delete करायला काही नाही; test photos काढा.

aws s3 rm s3://market-photos-mi/bike-221.jpg

अपेक्षित output:

(no output means success)

8. मुलाखत प्रश्न आणि उत्तरं

उजळणी, तुलना आणि मुलाखत cards

हा lesson काही मिनिटांत revise करा. Cards phone वर save करा किंवा PNG download करा. प्रत्येक card वरचा QR हा lesson उघडतो.

अजून cards: Ravi Sir's Cards.