{
"text": "This product is absolutely amazing! Best purchase I've made all year.",
"label": "positive",
"score": 0.9999
}
curl --location --request POST 'https://zylalabs.com/api/13314/text+intelligence+api/27577/classify+text+as+positive+or+negative+with+a+confidence+score' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"text": "This product is absolutely amazing! Best purchase I've made all year."
}'
{
"results": [
{
"label": "positive",
"score": 0.9999
},
{
"label": "negative",
"score": 0.9903
},
{
"label": "negative",
"score": 0.9821
}
]
}
curl --location --request POST 'https://zylalabs.com/api/13314/text+intelligence+api/27578/classify+multiple+texts+in+a+single+request' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"texts": [
"Great product, love it!",
"Terrible experience, never again.",
"It was okay, nothing special."
]
}'
{
"text": "I love spending time with my family and friends.",
"toxic": true,
"label": "toxic",
"score": 0.0009
}
curl --location --request POST 'https://zylalabs.com/api/13314/text+intelligence+api/27579/detect+whether+text+is+toxic+or+harmful' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"text": "I love spending time with my family and friends."
}'
{
"detected": "fr",
"probabilities": [
{
"lang": "fr",
"prob": 1
}
]
}
curl --location --request POST 'https://zylalabs.com/api/13314/text+intelligence+api/27580/detect+the+language+of+a+text+with+per-language+probability+breakdown' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"text": "Bonjour, comment allez-vous aujourd'hui?"
}'
{
"text1": "The cat sat on the mat.",
"text2": "A feline rested on a rug.",
"similarity": 0.553
}
curl --location --request POST 'https://zylalabs.com/api/13314/text+intelligence+api/27582/compute+cosine+similarity+score+between+two+texts+using+sentence+embeddings' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"text1": "The cat sat on the mat.",
"text2": "A feline rested on a rug."
}'
{
"original": "Ths sentance has som speling mistaeks.",
"corrected": "Ths sentence has som spelling mistakes",
"misspelled": {
"speling": "spelling",
"mistaeks.": "mistakes",
"ths": "the",
"sentance": "sentence"
}
}
curl --location --request POST 'https://zylalabs.com/api/13314/text+intelligence+api/27584/detect+misspelled+words+and+return+a+corrected+version+of+the+text' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"text": "Ths sentance has som speling mistaeks."
}'
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 पाठ बुद्धिमत्ता 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
सीपीयू-आधारित एनएलपी एग्रीगेट — भावना, विषाक्तता, भाषा पहचान, एनईआर, अर्थात्मक समानता, और वर्तनी जांच
प्रत्येक एंडपॉइंट संरचित JSON डेटा लौटाता है उदाहरण के लिए भावना एंडपॉइंट एक लेबल (सकारात्मक/नकारात्मक) और एक आत्मविश्वास स्कोर लौटाता है जबकि विषाक्तता एंडपॉइंट यह संकेत करता है कि पाठ विषाक्त है और एक स्कोर प्रदान करता है
मुख्य क्षेत्रों में "लेबल" और "स्कोर" भावनात्मकता के लिए "टॉक्सिक" और "लेबल" विषाक्तता के लिए "पता लगाया" और "संभावनाएँ" भाषा पहचान के लिए और "समानता" समानता स्कोर के लिए शामिल हैं प्रत्येक एंडपॉइंट के पास उसके कार्य से संबंधित विशिष्ट क्षेत्र होते हैं
पैरामीटर प्रत्येक अंतिम बिंदु के अनुसार भिन्न होते हैं उदाहरण के लिए भावना अंतिम बिंदु एकल पाठ इनपुट स्वीकार करता है जबकि बैच भावना अंतिम बिंदु पाठों के एक सरणी को स्वीकार करता है समानता अंतिम बिंदुओं के लिए दो पाठों या उम्मीदवारों की एक सूची और एक प्रश्न की आवश्यकता होती है
प्रतिक्रिया डेटा को स्पष्ट कुंजी-मान जोड़ियों के साथ JSON प्रारूप में व्यवस्थित किया गया है उदाहरण के लिए स्पेलचेक एंडपॉइंट मूल पाठ सही पाठ और गलत वर्तनी वाले शब्दों का शब्दकोश उनके सुधारों के साथ लौटाता है
एपीआई विभिन्न डेटा सेट्स पर प्रशिक्षित ओपन-सोर्स मॉडलों का उपयोग करता है उदाहरण के लिए जिग्सॉ डेटा पर प्रशिक्षित विषाक्तता मॉडल भाषा की बारीकियों की विविध और व्यापक समझ सुनिश्चित करता है
विशेष रूप से उपयोग के मामले में ग्राहक फीडबैक के लिए भावनात्मक विश्लेषण उपयोगकर्ता-जनित सामग्री में विषाक्तता का पता लगाना बहुभाषी अनुप्रयोगों के लिए भाषा पहचानना और पाठ प्रसंस्करण उपकरणों में वर्तनी जांचना शामिल है
उपयोगकर्ता विशेष एंडपॉइंट का चयन करके और प्रासंगिक टेक्स्ट इनपुट प्रदान करके अनुरोधों को कस्टमाइज़ कर सकते हैं बैच प्रोसेसिंग के लिए उपयोगकर्ता प्रदर्शन को ऑप्टिमाइज़ करने के लिए एक ही अनुरोध में कई टेक्स्ट भेज सकते हैं
यदि कोई अंत बिंदु आंशिक या खाली परिणाम लौटाता है तो उपयोगकर्ताओं को त्रुटियों के लिएinput डेटा की जांच करनी चाहिए या सुनिश्चित करना चाहिए कि टेक्स्ट बहुत छोटा नहीं है आवेदन में त्रुटि प्रबंधन को लागू करना ऐसे परिदृश्यों को प्रभावी ढंग से प्रबंधित करने में मदद कर सकता है