{"request_id":"a92c6fa4-2649-4a1b-9c2e-0af536a77e17","overall_score":0.2841,"classification":"toxic","confidence":0.2841,"category_scores":{"toxic":0.2841,"severe_toxic":0.003,"obscene":0.0075,"threat":0.0313,"insult":0.0505,"identity_hate":0.0417}}
curl --location --request POST 'https://zylalabs.com/api/7802/text+toxicity+capture+api/12774/toxicity+detection' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"text": "I hate you.."
}'
साइन अप करने के बाद, प्रत्येक डेवलपर को एक पर्सनल API एक्सेस की असाइन की जाती है, जो अक्षरों और अंकों का एक यूनिक संयोजन होता है, जिसका उपयोग हमारे API एंडपॉइंट तक पहुंचने के लिए किया जाता है। प्रमाणीकरण के लिए टेक्ट्स टॉक्सिसिटी कैप्चर API के साथ बस अपने बेयरर टोकन को Authorization हेडर में शामिल करें।
| हेडर | विवरण |
|---|---|
Authorization
|
आवश्यक
होना चाहिए Bearer access_key. जब आप सब्सक्राइब हों तो ऊपर "Your API Access Key" देखें।
|
कोई लंबी अवधि की प्रतिबद्धता नहीं। कभी भी अपग्रेड, डाउनग्रेड या कैंसल करें। फ्री ट्रायल में 50 रिक्वेस्ट तक शामिल हैं।
(वार्षिक बिलिंग के साथ 2 महीने बचाएँ 🎉)
अग्रणी कंपनियों का भरोसा
टेक्स्ट टॉक्सिसिटी कैप्चर एपीआई को टेक्स्ट भागों में टॉक्सिसिटी का विश्लेषण और वर्गीकरण करने के लिए डिज़ाइन किया गया है यह एपीआई संभावित हानिकारक सामग्री का सटीक मूल्यांकन करके सुरक्षित और सम्मानजनक बातचीत के स्थानों को बनाए रखने में मदद करता है जब भी कोई टेक्स्ट इनपुट के रूप में प्रस्तुत किया जाता है सिस्टम एक समग्र टॉक्सिसिटी स्कोर स्पष्ट वर्गीकरण (जैसे "गैर-टॉक्सिक" या "टॉक्सिक") और श्रेणी द्वारा विस्तृत ब्रेकडाउन लौटाता है जिसमें सामान्य टॉक्सिसिटी गंभीर टॉक्सिसिटी अश्लील भाषा धमकियाँ अपमान और पहचान आधारित नफरत शामिल हैं
उन्नत प्राकृतिक भाषा प्रसंस्करण (एनएलपी) मॉडलों के लिए धन्यवाद यह एपीआई भाषा में सूक्ष्म बारीकियों की पहचान कर सकता है यहां तक कि उन अभिव्यक्तियों का पता लगाता है जो दुरुपयोग पैसिव आक्रामकता या ध्रुवीकरण भाषा के रूप में छिपी हुई हैं प्रत्येक विश्लेषण में स्वचालित निर्णयों या मानव सहायता प्राप्त मॉडरेशन का समर्थन करने के लिए आत्मविश्वास स्तर शामिल होते हैं
API एक समग्र विषाक्तता स्कोर लौटाती है एक वर्गीकरण लेबल (जैसे "गैर विषाक्त" या "विषाक्त") और विषाक्तता श्रेणियों का विस्तृत विवरण जैसे सामान्य विषाक्तता गंभीर विषाक्तता अभद्र भाषा धमकियाँ अपमान और पहचान आधारित नफरत
प्रतिक्रिया में प्रमुख क्षेत्रों में "toxicity_score" "classification" और श्रेणी विभाजन जैसे "general_toxicity" "severe_toxicity" "obscene" "threats" "insults" और "hate_speech" शामिल हैं प्रत्येक के साथ विश्वास स्तर संलग्न है
प्रतिक्रिया डेटा JSON प्रारूप में संरचित है जिसमें एक मुख्य वस्तु है जिसमें कुल विषाक्तता स्कोर और वर्गीकरण है इसके बाद प्रत्येक विषाक्तता श्रेणी के लिए निहित वस्तुएं हैं जो स्कोर और विश्वास स्तरों का विवरण देती हैं
POST अंत बिंदु के लिए मुख्य पैरामीटर "टेक्स्ट" फ़ील्ड है जहाँ उपयोगकर्ता उस पाठ को इनपुट करते हैं जिसे वे विषाक्तता के लिए विश्लेषण करना चाहते हैं अतिरिक्त पैरामीटर में भाषा सेटिंग या विशेष विषाक्तता श्रेणियाँ शामिल हो सकती हैं जिन पर ध्यान केंद्रित करना है
डेटा की सटीकता उन्नत प्राकृतिक भाषा प्रसंस्करण (NLP) मॉडल के माध्यम से बनाए रखी जाती है जो नियमित रूप से अपडेट किए जाते हैं और विविध डेटा सेट पर प्रशिक्षित होते हैं ताकि सूक्ष्म भाषा सूक्ष्मताओं और विषाक्तता की विकसित अभिव्यक्तियों को पहचाना जा सके
विशिष्ट उपयोग मामलों में ऑनलाइन फोरम का moderation करना हानिकारक भाषा के लिए उपयोगकर्ता-जनित सामग्री का विश्लेषण करना सामुदायिक दिशा-निर्देशों को बढ़ाना और चैट एप्लिकेशन में सुरक्षित संचार के लिए उपकरण विकसित करना शामिल है
उपयोगकर्ता लौटाए गए डेटा को विषाक्तता स्कोर और वर्गीकरणों को संतुलन कार्यप्रवाहों में एकीकृत कर उच्च विषाक्तता स्तरों के लिए अलर्ट ट्रिगर करने या समुदाय की स्वास्थ्य और सुरक्षा का आकलन करने के लिए रिपोर्ट बनाने के लिए उपयोग कर सकते हैं
गुणवत्ता जांच में वास्तविक डेटा के खिलाफ निरंतर मॉडल मूल्यांकन उपयोगकर्ता फीडबैक लूप और प्रदर्शन मेट्रिक्स शामिल हैं ताकि यह सुनिश्चित किया जा सके कि एपीआई विभिन्न संदर्भों और भाषाओं में विषाक्तता को सही ढंग से पहचानता और वर्गीकृत करता है