本文件给出了基于AI的多媒体内容识别的技术框架和基本要求，包括不限于多媒体视觉技术、多媒体内容文字识别技术、多媒体语义理解技术等，在语音、视频、图片、NLP等多媒体内容上的检索识别能力，以及多媒体内容识别中的数据安全能力要求。本文件适用于互联网企业、政府、科研单位开展基于AI的多媒体内容识别的设计、开发、应用等方面的指导和参考。