限时优惠:PixVerse V6 Max 立减 20%。截止:11月30日。 在 Playground 试用
清晰讲解 AI 模型 API:每类模型的用途、请求与计费的方式,以及你要发送的参数。每个页面都会列出相关的可用模型。
LLM API 允许你的应用以消息列表的形式,并在多个模型上发送对话,并带有图片、视频或文档,并接收其生成的文本。你为每个请求选择模型,使用量会以输入和输出令牌计入。
图像生成 API 会根据文本提示生成图像,在许多模型上会编辑或合并您提供的图像。您发送提示时设置了宽高比和分辨率等参数,API 会以 URL 或 base64 数据的形式返回成品图像,按图像计费。
视频生成 API 会根据文本提示创建一个视频片段,并在许多模型上根据你提供的图片、视频或音频生成视频片段。你提交作业,进行投票直到视频准备好,大多数模型按分辨率设定的速率按每秒输出计费。
图像生成视频将静态图像动画化成短视频剪辑。图像通常成为第一帧,你的提示描述了画面的运动和摄像机运动,因此画面的主题、构图和风格得以延续到视频中。
text-to-speech(TTS)API将书面文本转换为口语音频。你发送文本、语音以及语言和速度等设置,API 返回音频文件,或者将音频流式传输,以便在整段文章准备好之前播放即可开始。
speech-to-text API 将语音音频转录成书面文本。你上传录音或传递其 URL,或直播音频,API 返回转录文本,并在支持这些内容的模型上标注时间戳、说话者标签或字幕文件。
实时语音 API 通过一个 WebSocket 连接进行实时双向音频会话:你的应用将麦克风音频流传到模型,并在其语音回复到达时播放。用户可以随时中断回复,同一端点也提供实时转录。
AI 音乐生成 API 会根据对风格、情绪、乐器和节奏的文本描述进行音频创作,在某些模型上还会根据歌词、参考录音或视频进行配乐。你提交一个任务,进行投票直到完成,然后下载生成的曲目。
3D 生成 API 会根据一个或多个对象的图像,以及部分模型的文本提示,创建 3D 模型、带纹理的网格。你提交作业,进行轮询直到完成,然后以 GLB、OBJ、FBX、USDZ 或 STL 等格式下载资产。
嵌入API将文本,以及某些模型中的图像或视频,转换为将相似含义相近的数字向量。借助重新排序器重新评分最佳匹配,它构成了语义搜索和检索增强生成的检索步骤。
AI 搜索 API 会为某个应用进行实时的网络搜索,并返回为语言模型设计的结果:带有文本的排名页面、带有引用来源的简短答案,或多步骤研究报告。它为 AI 应用提供比模型训练数据更新的信息。
标记是语言模型读取和写入的单位:单词、单词片段、数字或标点符号。文本模型按每100万个代币分别计费输入和输出代币,而许多媒体和搜索模型则按图片、第二秒、字符、分钟或请求计费。
上下文窗口是指语言模型在单次请求中能处理的最大令牌数,包括它读取的所有内容(指令、会话历史、文档和工具定义)以及它写入的令牌。不合适的请求必须被缩短或拆分。
推理模型在写出最终答案之前,先在中间推理符号中处理问题。这改善了数学、代码和规划等多步骤任务的结果,使用更多输出标记和时间,推理努力等设置对其进行控制。
温度和top_p控制模型如何选择下一个标记:较低的值使输出聚焦且可重复,较高的值则使其更多样化。种子固定随机选择,因此同一请求和同种子返回的结果相同或非常相似。
结构化输出会让语言模型返回代码可以解析的 JSON,而不是自由文本。JSON 模式返回一个语法有效的 JSON 对象,而 JSON schema 更进一步,让响应与你定义的架构匹配,包括其必需字段和类型。
函数调用,也称为工具调用,让语言模型请求你的应用程序运行一个函数。你用 JSON 模式描述每个函数,模型回复函数名称和参数,你的代码运行它,模型利用结果继续或回答。
提示缓存会重用模型之前对提示开头部分的处理。当请求以与最近相同的令牌开始时,这些缓存令牌在列出一个令牌的模型上按较低的缓存读取率计费,其余则按正常输入速率计费。
批次推理将多个模型请求作为一个异步作业运行,而不是一次调用一个。你上传一个请求文件,它们会在完成窗口内运行,然后下载一个结果文件,这适用于不需要立即响应的大型作业。
查看我们的定价,或者如果你想将自己的模型部署到我们的堆栈中,请联系我们。