सीमित समय का ऑफ़र: PixVerse V6 Max पर 20% छूट। समाप्ति: 30 नवंबर। Playground में आजमाएं
AI मॉडल APIs की साफ़ व्याख्या: हर तरह का मॉडल क्या करता है, अनुरोध और बिलिंग कैसे काम करते हैं, और आप कौन से पैरामीटर भेजते हैं। हर पेज उन उपलब्ध मॉडलों की सूची दिखाता है जिनके बारे में वह है।
एक LLM API आपके एप्लिकेशन को संदेशों की सूची के रूप में और कई मॉडलों पर छवियों, वीडियो या दस्तावेज़ों के साथ एक बड़े भाषा मॉडल को बातचीत भेजने और उसका उत्पन्न पाठ प्राप्त करने की अनुमति देता है। आप प्रत्येक अनुरोध के अनुसार मॉडल चुनते हैं, और उपयोग इनपुट और आउटपुट टोकन में गिना जाता है।
एक इमेज जनरेशन API टेक्स्ट प्रॉम्प्ट से इमेज बनाता है, और कई मॉडलों में आपके द्वारा प्रदान की गई इमेज को संपादित या संयोजित करता है। आप प्रॉम्प्ट को आस्पेक्ट रेशियो और रिज़ॉल्यूशन जैसी सेटिंग्स के साथ भेजते हैं, और API तैयार इमेजेज को URLs या base64 डेटा के रूप में लौटाता है, जो प्रति इमेज बिल किया जाता है।
एक वीडियो जनरेशन API एक टेक्स्ट प्रॉम्प्ट से वीडियो क्लिप बनाता है, और कई मॉडलों में आपके द्वारा प्रदान की गई छवियों, वीडियो या ऑडियो से भी। आप एक जॉब सबमिट करते हैं, वीडियो तैयार होने तक पोल करते हैं, और अधिकांश मॉडल आउटपुट के प्रति सेकंड को रिज़ॉल्यूशन द्वारा निर्धारित दर से बिल करते हैं।
इमेज-टू-वीडियो जनरेशन एक स्थिर छवि को एक छोटे वीडियो क्लिप में एनिमेट करता है। छवि आमतौर पर पहला फ्रेम बन जाती है, और आपका प्रॉम्प्ट गति और कैमरे की गति का वर्णन करता है, इसलिए विषय, फ्रेमिंग और तस्वीर की शैली वीडियो में भी बनी रहती है।
एक text-to-speech (TTS) API लिखित टेक्स्ट को बोले गए ऑडियो में बदलता है। आप टेक्स्ट, एक आवाज़ और भाषा तथा गति जैसी सेटिंग्स भेजते हैं, और API एक ऑडियो फ़ाइल लौटाता है, या ऑडियो स्ट्रीम करता है ताकि पूरा पैसेज तैयार होने से पहले प्लेबैक शुरू हो सके।
एक speech-to-text API बोले गए ऑडियो को लिखित टेक्स्ट में ट्रांसक्राइब करता है। आप रिकॉर्डिंग अपलोड करते हैं या उसका URL पास करते हैं, या लाइव ऑडियो स्ट्रीम करते हैं, और API ट्रांसक्रिप्ट लौटाता है, जिसमें टाइमस्टैम्प, स्पीकर लेबल या सबटाइटल फाइलें होती हैं जो उन्हें सपोर्ट करते हैं।
एक रियलटाइम वॉयस API एक WebSocket कनेक्शन पर लाइव, दो-तरफा ऑडियो सत्र रखता है: आपका ऐप माइक्रोफोन ऑडियो को मॉडल पर स्ट्रीम करता है और जैसे ही वह आता है, उसका स्पोकन रिप्लाई चलाता है। उपयोगकर्ता कभी भी जवाब को रोक सकता है, और वही एंडपॉइंट लाइव ट्रांसक्रिप्शन भी प्रदान करता है।
एक AI म्यूजिक जनरेशन API स्टाइल, मूड, इंस्ट्रूमेंट्स और टेम्पो के टेक्स्ट विवरण से ऑडियो बनाता है, और कुछ मॉडलों में गीत, संदर्भ रिकॉर्डिंग या वीडियो से स्कोर करता है। आप एक जॉब सबमिट करते हैं, पोल करते हैं जब तक वह पूरा न हो जाए, और जनरेट किया गया ट्रैक डाउनलोड करते हैं।
3D जनरेशन API एक 3D मॉडल, एक टेक्सचर्ड मेष, किसी ऑब्जेक्ट की एक या अधिक छवियों से, और कुछ मॉडलों पर टेक्स्ट प्रॉम्प्ट से बनाता है। आप एक जॉब सबमिट करते हैं, पूरा होने तक पोल करते हैं, और एसेट को GLB, OBJ, FBX, USDZ या STL जैसे फॉर्मेट में डाउनलोड करते हैं।
एक एम्बेडिंग API टेक्स्ट को, और कुछ मॉडलों पर छवियों या वीडियो को, संख्याओं के वेक्टर में बदल देता है जो समान अर्थों को एक-दूसरे के करीब रखते हैं। सर्वश्रेष्ठ मिलान पुनः स्कोर करने के लिए एक रिरैंकर के साथ, यह सेमांटिक सर्च और रिट्रीवल-ऑगमेंटेड जनरेशन की पुनः प्राप्ति चरण बनाता है।
एक AI सर्च API किसी एप्लिकेशन के लिए लाइव वेब सर्च चलाता है और भाषा मॉडल के लिए आकार दिए गए परिणाम लौटाता है: रैंक किए गए पेज उनके टेक्स्ट के साथ, एक संक्षिप्त उत्तर जिसमें उद्धृत स्रोत हों, या एक बहु-चरणीय शोध रिपोर्ट। यह AI एप्लिकेशन को मॉडल के प्रशिक्षण डेटा से नई जानकारी देता है।
टोकन वे इकाइयाँ हैं जिन्हें भाषा मॉडल पढ़ता और लिखता है: शब्द, शब्दों के टुकड़े, संख्याएँ या विराम चिह्न। टेक्स्ट मॉडल इनपुट और आउटपुट टोकन को 1M टोकन के लिए अलग-अलग दरों पर बिल करते हैं, जबकि कई मीडिया और सर्च मॉडल प्रति छवि, सेकंड, अक्षर, मिनट या अनुरोध के अनुसार बिल करते हैं।
एक संदर्भ विंडो वह अधिकतम टोकन संख्या है जिन्हें एक भाषा मॉडल एक अनुरोध में संभाल सकता है, जिसमें वह जो कुछ भी पढ़ता है (निर्देश, बातचीत इतिहास, दस्तावेज़ और उपकरण परिभाषाएँ) उसके द्वारा लिखे गए टोकन शामिल होते हैं। जो अनुरोध फिट नहीं होता, उसे छोटा या विभाजित करना पड़ता है।
एक तर्क मॉडल मध्यवर्ती तर्क टोकन में समस्या को हल करता है इससे पहले कि वह अपना अंतिम उत्तर लिखे। यह गणित, कोड और योजना जैसे बहु-चरणीय कार्यों में परिणामों को बेहतर बनाता है, अधिक आउटपुट टोकन और समय का उपयोग करता है, और तर्क प्रयास जैसी सेटिंग्स इसे नियंत्रित करती हैं।
तापमान और top_p यह नियंत्रित करते हैं कि मॉडल प्रत्येक अगला टोकन कैसे चुनता है: कम मान आउटपुट को केंद्रित और दोहराने योग्य बनाते हैं, जबकि उच्च मान इसे अधिक विविध बनाते हैं। एक बीज यादृच्छिक विकल्पों को ठीक करता है, इसलिए एक ही बीज के साथ वही अनुरोध समान या बहुत समान परिणाम देता है।
संरचित आउटपुट एक भाषा मॉडल को JSON लौटाता है जिसे आपका कोड मुक्त पाठ के बजाय पार्स कर सकता है। JSON मोड एक व्याकरणिक रूप से मान्य JSON ऑब्जेक्ट लौटाता है, और JSON स्कीमा आगे बढ़कर प्रतिक्रिया को आपके परिभाषित स्कीमा से मेल खाता है, जिसमें आवश्यक फ़ील्ड और प्रकार होते हैं।
फंक्शन कॉलिंग, जिसे टूल कॉलिंग भी कहा जाता है, एक भाषा मॉडल को आपके एप्लिकेशन से फ़ंक्शन चलाने के लिए कहने देता है। आप प्रत्येक फ़ंक्शन का वर्णन JSON स्कीमा के साथ करते हैं, मॉडल एक फ़ंक्शन नाम और तर्कों के साथ उत्तर देता है, आपका कोड उसे चलाता है, और मॉडल परिणाम का उपयोग जारी रखने या उत्तर देने के लिए करता है।
प्रॉम्प्ट कैशिंग मॉडल के प्रारंभिक प्रॉम्प्ट भाग की प्रोसेसिंग को पुनः उपयोग करता है। जब कोई अनुरोध हाल के टोकन के समान टोकन से शुरू होता है, तो वे कैश किए गए टोकन उन मॉडलों पर कम कैश रीड रेट पर बिल करते हैं जो एक को सूचीबद्ध करते हैं, और बाकी बिल्स सामान्य इनपुट दर पर।
बैच अनुमान कई मॉडल अनुरोधों को एक कॉल के बजाय एक असिंक्रोनस जॉब के रूप में चलाता है। आप अनुरोधों की एक फ़ाइल अपलोड करते हैं, वे एक पूर्णता विंडो के भीतर चलते हैं, और आप परिणामों की एक फ़ाइल डाउनलोड करते हैं, जो बड़े कार्यों के लिए उपयुक्त है जिन्हें तुरंत उत्तर की आवश्यकता नहीं होती।
हमारे मूल्य निर्धारण की जाँच करें या यदि आप चाहते हैं कि आपका अपना मॉडल हमारे स्टैक पर तैनात किया जाए, तो पहुंचें।