기간 한정 혜택: PixVerse V6 Max 20% 할인. 종료: 11월 30일. Playground에서 테스트
AI 모델 API를 명확하게 설명합니다. 모델 유형별 역할, 요청과 과금 방식, 전송하는 파라미터를 다루며 각 페이지에서 해당하는 제공 중인 모델을 보여 줍니다.
LLM API를 사용하면 애플리케이션이 대화를 메시지 목록 형태로, 이미지, 동영상 또는 문서가 포함된 여러 모델에 대용량 언어 모델에 보내고, 생성된 텍스트를 받을 수 있습니다. 요청마다 모델을 선택하며, 사용 시점은 입력 및 출력 토큰으로 계산됩니다.
이미지 생성 API는 텍스트 프롬프트에서 이미지를 생성하며, 많은 모델에서 제공한 이미지를 편집하거나 결합합니다. 프롬프트에 화면 비율과 해상도 등의 설정을 함께 보내면, API는 완성된 이미지를 이미지 단위로 URL 또는 base64 데이터로 반환합니다.
비디오 생성 API는 텍스트 프롬프트를 바탕으로 비디오 클립을 생성하며, 많은 모델에서 제공한 이미지, 비디오 또는 오디오를 기반으로 합니다. 작업을 제출하고 영상이 준비될 때까지 설문조사를 진행하며, 대부분의 모델은 해상도에 따라 초당 출력량을 청구합니다.
이미지-비디오 생성은 정지 이미지를 짧은 비디오 클립으로 애니메이션화합니다. 보통 이미지가 첫 번째 프레임이 되고, 프롬프트는 움직임과 카메라 움직임을 설명해 주므로, 피사체, 구도, 그리고 사진의 스타일이 영상으로 이어집니다.
text-to-speech(TTS) API는 글로 쓰인 텍스트를 음성 오디오로 변환합니다. 텍스트와 음성, 언어, 속도 같은 설정을 보내면 API가 오디오 파일을 반환하거나 오디오를 스트리밍하여 전체 지문이 완성되기 전에 재생을 시작할 수 있게 합니다.
speech-to-text API는 음성 오디오를 글로 옮겨 적어줍니다. 녹음본을 업로드하거나 URL을 전달하거나 실시간 오디오를 스트리밍하면, API는 해당 모델을 지원하는 모델에 타임스탬프, 화자 라벨 또는 자막 파일을 포함한 대본을 반환합니다.
실시간 음성 API는 하나의 WebSocket 연결을 통해 실시간 양방향 오디오 세션을 진행합니다: 앱은 마이크 오디오를 모델에 스트리밍하고, 모델이 도착할 때마다 음성 응답을 재생합니다. 사용자는 언제든지 응답을 중단할 수 있으며, 같은 엔드포인트가 실시간 전사도 제공합니다.
AI 음악 생성 API는 스타일, 분위기, 악기, 템포에 대한 텍스트 설명을 바탕으로 오디오를 구성하며, 일부 모델은 가사, 참고 녹음, 또는 영상에서 음악을 채취합니다. 작업을 제출하고, 완료될 때까지 설문조사를 한 뒤 생성된 트랙을 다운로드하면 됩니다.
3D 생성 API는 하나 이상의 객체 이미지와 일부 모델의 텍스트 프롬프트를 기반으로 3D 모델, 텍스처 메쉬를 생성합니다. 작업을 제출하고, 완료될 때까지 폴링을 한 뒤, GLB, OBJ, FBX, USDZ 또는 STL 같은 형식으로 자산을 다운로드합니다.
임베딩 API는 텍스트와 일부 모델의 이미지나 비디오를 유사한 의미를 가까이 배치하는 숫자 벡터로 변환합니다. 최고의 일치를 재평가하는 리랭커와 함께, 이는 의미 탐색과 검색 증강 생성의 검색 단계를 형성합니다.
AI 검색 API는 애플리케이션에 대한 실시간 웹 검색을 실행하고, 언어 모델에 맞게 정렬된 결과를 반환합니다: 텍스트가 포함된 순위 페이지, 인용된 출처가 포함된 짧은 답변, 또는 다단계 연구 보고서 등이 있습니다. 이는 AI 애플리케이션에 모델의 학습 데이터보다 더 새로운 정보를 제공합니다.
토큰은 언어 모델이 읽고 쓰는 단위로, 단어, 단어 조각, 숫자 또는 문장부호를 의미합니다. 텍스트 모델은 입력 및 출력 토큰을 100만 토큰당 별도 요금으로 청구하는 반면, 많은 미디어 및 검색 모델은 이미지, 초, 문자, 분 또는 요청 단위로 요금을 청구합니다.
컨텍스트 윈도우는 언어 모델이 한 번의 요청에서 처리할 수 있는 최대 토큰 수를 말하며, 읽는 모든 것(명령어, 대화 기록, 문서 및 도구 정의)과 작성한 토큰을 모두 포함합니다. 맞지 않는 요청은 축약되거나 분할되어야 합니다.
추론 모델은 중간 추론 토큰에서 문제를 처리한 후 최종 답을 작성합니다. 이는 수학, 코드, 계획 등 다단계 작업에서 결과를 개선하고, 더 많은 출력 토큰과 시간을 사용하며, 추론 노력과 같은 설정이 이를 제어합니다.
온도와 top_p은 모델이 다음 토큰을 선택하는 방식을 결정합니다: 낮은 값은 출력에 집중되고 반복 가능하며, 값이 높을수록 더 다양합니다. 시드는 무작위 선택지를 고정하므로, 같은 요청과 동일한 시드에서 동일하거나 매우 유사한 결과를 반환합니다.
구조화된 출력은 언어 모델이 자유 텍스트 대신 코드가 파싱할 수 있는 JSON을 반환하게 합니다. JSON 모드는 구문적으로 유효한 JSON 객체를 반환하며, JSON 스키마는 더 나아가 응답이 정의한 스키마와 일치하도록 하고, 그 스키마에 필수 필드와 타입을 포함합니다.
함수 호출(툴 호출이라고도 함)은 언어 모델이 애플리케이션에 함수를 실행해 달라고 요청하는 방식입니다. 각 함수를 JSON 스키마로 설명하고, 모델이 함수 이름과 인자를 입력하며, 코드가 이를 실행하고, 모델은 그 결과를 이용해 계속하거나 응답합니다.
프롬프트 캐싱은 프롬프트의 시작 부분을 모델이 이전에 처리한 것을 재사용합니다. 요청이 최근 토큰과 동일한 토큰으로 시작하면, 해당 캐시 토큰은 1개 토큰을 나열하는 모델에서는 더 낮은 캐시 읽기 속도로 청구하고, 나머지는 정상 입력 속도로 청구합니다.
배치 추론은 여러 모델 요청을 한 번에 한 번에 호출하는 대신 하나의 비동기 작업으로 실행합니다. 요청 파일을 업로드하면 완료 창 내에서 실행되고, 결과 파일을 다운로드하면 즉각적인 응답이 필요하지 않은 대규모 작업에 적합합니다.
저희 가격을 확인하시거나 저희 스택에 자체 모델을 배포하고 싶으시면 연락해 주세요.