تنزيل واجهات برمجة Free GenAI APIs in 2024 - تنزيل كود مصدر Free GenAI APIs in 2024

واجهات برمجة تطبيقات GenAI المجانية التي يمكنك استخدامها في عام 2024

تقدم العديد من الشركات الصغيرة واجهات برمجة تطبيقات قوية بدون أي تكلفة أو تقدم نسخة تجريبية مجانية قد تمتد لمدة تصل إلى عام بناءً على استخدامك. سننظر في بعض واجهات برمجة التطبيقات هذه ونستكشف فوائدها واستخدامها.

1. رحلة الذكاء الاصطناعي

Voyage هو فريق من الباحثين والمهندسين الرائدين في مجال الذكاء الاصطناعي، حيث يقومون ببناء نماذج مضمنة لتحسين الاسترجاع و RAG.

جيدة مثل نماذج التضمين OpenAI
السعر: مجاني حاليًا (فبراير 2024)
التوثيق: https://docs.voyageai.com/
البدء: https://docs.voyageai.com/

نماذج التضمين المدعومة، والمزيد في المستقبل.

لتثبيت مكتبة الرحلة:

 # Use pip to insatll the 'voyageai' Python package to the latest version.
pip install voyageai

دعونا نستخدم أحد نماذج التضمين voyage-2 ونرى نتائجه:

 # Import the 'voyageai' module
import voyageai

# Create a 'Client' object from the 'voyageai' module and initialize it with your API key
vo = voyageai . Client ( api_key = "<your secret voyage api key>" )

# user query
user_query = "when apple is releasing their new Iphone?"


# The 'model' parameter is set to "voyage-2", and the 'input_type' parameter is set to "document"
documents_embeddings = vo . embed (
    [ user_query ], model = "voyage-2" , input_type = "document"
). embeddings

# printing the embedding
print ( documents_embeddings )

########### OUTPUT ###########
[ 0.12 , 0.412 , 0.573 , ... 0.861 ] # dimension is 1024
########### OUTPUT ###########

2. AnyScale AI

تقوم Anyscale، الشركة التي تقف خلف Ray، بإصدار واجهات برمجة التطبيقات (APIs) لمطوري LLM لتشغيل وضبط LLMs مفتوحة المصدر بسرعة، وبتكلفة معقولة، وعلى نطاق واسع.

تشغيل/ضبط LLM قوي مفتوح المصدر بتكلفة منخفضة جدًا أو بدون تكلفة
السعر (بدون بطاقة ائتمان): الطبقة المجانية 10 دولارات، حيث 0.15 دولار لكل مليون/رمز
الوثائق: https://docs.endpoints.anyscale.com/
ابدأ: https://app.endpoints.anyscale.com/welcome

نماذج LLM والتضمين المدعومة

تعمل نقاط نهاية Anyscale مع مكتبة OpenAI:

 # Use pip to insatll the 'openai' Python package to the latest version.
pip install openai

دعونا نستخدم أحد برامج LLM الخاصة بإنشاء النصوص ونرى نتائجها:

 # Import necessary modules
import openai

# Define the Anyscale endpoint token
ANYSCALE_ENDPOINT_TOKEN = "<your secret anyscale api key>"

# Create an OpenAI client with the Anyscale base URL and API key
oai_client = openai . OpenAI (
    base_url = "https://api.endpoints.anyscale.com/v1" ,
    api_key = anyscale_key ,
)

# Define the OpenAI model to be used for chat completions
model = "mistralai/Mistral-7B-Instruct-v0.1"

# Define a prompt for the chat completion
prompt = '''hello, how are you?
'''

# Use the AnyScale model for chat completions
# Send a user message using the defined prompt
response = oai_client . chat . completions . create (
    model = model ,
    messages = [
        { "role" : "user" , "content" : prompt }
    ],
)

# printing the response
print ( response . choices [ 0 ]. message . content )


########### OUTPUT ###########
Hello ! I am just a computer program , so I dont have 
feelings or emotions like a human does ...
########### OUTPUT ###########

3. نموذج الجوزاء المتعدد

ربما تعرف هذا بالفعل، ولكن من الجدير بالذكر أن Google أصدرت نموذج Gemini Multi-Model الخاص بها العام الماضي، واستخدام واجهة برمجة التطبيقات (API) ذات الطبقة المجانية هو ما يجعلها أكثر إثارة للاهتمام.

الدردشة مع النصوص والصور (على غرار GPT-4) ونماذج التضمين
السعر: نسخة مجانية (60 استعلام في الدقيقة)
التوثيق: https://ai.google.dev/docs
ابدأ: https://makersuite.google.com/app/apikey

النماذج المدعومة

لتثبيت المكتبات المطلوبة

 # Install necessary libraries
pip install google - generativeai grpcio grpcio - tools

لاستخدام نموذج النص الجوزاء برو

 # importing google.generativeai as genai
import google . generativeai as genai

# setting the api key
genai . configure ( api_key = "<your secret gemini api key>" )

# setting the text model
model = genai . GenerativeModel ( 'gemini-pro' )

# generating response
response = model . generate_content ( "What is the meaning of life?" )

# printing the response
print ( response . text )

########### OUTPUT ###########
he query of life purpose has perplexed people 
across centuries ... 
########### OUTPUT ###########

لاستخدام نموذج الصورة الجوزاء المؤيدة للرؤية

 # importing google.generativeai as genai
import google . generativeai as genai

# setting the api key
genai . configure ( api_key = "<your secret gemini api key>" )

# setting the text model
model = genai . GenerativeModel ( 'gemini-pro-vision' )

# loading Image
import PIL . Image
img = PIL . Image . open ( 'cat_wearing_hat.jpg' )

# chating with image
response =  model . generate_content ([ img , "Is there a cat in this image?" ])

# printing the response
print ( response . text )

########### OUTPUT ###########
Yes there is a cat in this image
########### OUTPUT ###########

4. عمق أي شيء الذكاء الاصطناعي

يدور تقدير عمق الصورة حول معرفة مدى بعد الكائنات في الصورة. إنها مشكلة مهمة في رؤية الكمبيوتر لأنها تساعد في مهام مثل السيارات ذاتية القيادة. توفر مساحة Hugging Face من Lihe Young واجهة برمجة تطبيقات يمكنك من خلالها العثور على عمق الصورة.

ابحث عن عمق الصورة في ثوانٍ دون تخزين النموذج أو تحميله
السعر: مجاني (مطلوب رمز HuggingFace)
احصل على رمز HuggingFace: https://huggingface.co/settings/tokens
العرض التوضيحي على الويب: https://huggingface.co/spaces/LiheYoung/Depth-Anything

النماذج المدعومة:

https://huggingface.co/spaces/LiheYoung/Depth-Anything/tree/main/checkpoints

لتثبيت المكتبات المطلوبة

 # Install necessary libraries
pip install  gradio_client

Finding image depth using depth - anything model .

from gradio_client import Client

# Your Hugging Face API token
huggingface_token = "YOUR_HUGGINGFACE_TOKEN"

# Create a Client instance with the URL of the Hugging Face model deployment
client = Client ( "https://liheyoung-depth-anything.hf.space/--replicas/odat1/" )

# Set the headers parameter with your Hugging Face API token
headers = { "Authorization" : f"Bearer { huggingface_token } " }

# image link or path
my_image = "house.jpg"

# Use the Client to make a prediction, passing the headers parameter
result = client . predict (
    my_image ,
    api_name = "/on_submit" ,
    headers = headers  # Pass the headers with the Hugging Face API token
)

# loading the result
from IPython . display import Image
image_path = result [ 0 ][ 1 ]
Image ( filename = image_path )

5. لقطة شاشة لـ HTML/CSS

يمكنك إنشاء قالب صفحة ويب باستخدام واجهة برمجة التطبيقات التي توفرها HuggingFace M4.

ما عليك سوى التقاط لقطة شاشة لصفحة الويب وتمريرها إلى واجهة برمجة التطبيقات (API).
السعر: مجاني (مطلوب رمز HuggingFace)
احصل على رمز HuggingFace: https://huggingface.co/settings/tokens
العرض التوضيحي للويب: https://huggingface …screen2html

لتثبيت المكتبات المطلوبة

 # Install necessary libraries
pip install  gradio_client

تحويل لقطة شاشة موقع الويب إلى رمز باستخدام نموذج لقطة الشاشة إلى رمز.

 # Installing required library
from gradio_client import Client

# Your Hugging Face API token
huggingface_token = "YOUR_HUGGINGFACE_TOKEN"

# Create a Client instance with the URL of the Hugging Face model deployment
client = Client ( "https://huggingfacem4-screenshot2html.hf.space/--replicas/cpol9/" )

# Set the headers parameter with your Hugging Face API token
headers = { "Authorization" : f"Bearer { huggingface_token } " }

# website image link or path
my_image = "mywebpage_screenshot.jpg"

# Use the Client to generate code, passing the headers parameter
result = client . predict (
    my_image ,
    api_name = "/model_inference" ,
    headers = headers  # Pass the headers with the Hugging Face API token
)

# printing the output
printing ( result )


########### OUTPUT ###########
< html >
< style >
body {
...
< / body >
< / html >
########### OUTPUT ###########

6. الهمس (الصوت إلى النص)

تحويل الصوت إلى نص باستخدام Whisper API.

ما عليك سوى تحويل الصوت إلى نص باستخدام واجهة برمجة التطبيقات (API)، دون تحميل نموذج الهمس.
السعر: مجاني (مطلوب رمز HuggingFace)
احصل على رمز HuggingFace: https://huggingface.co/settings/tokens
عرض الويب: https://hugging … Whisper

لتثبيت المكتبات المطلوبة

 # Install necessary libraries
pip install  gradio_client

تحويل الصوت إلى نص باستخدام نموذج Whisper.

 # Installing required library
from gradio_client import Client

# Your Hugging Face API token
huggingface_token = "YOUR_HUGGINGFACE_TOKEN"

# Create a Client instance with the URL of the Hugging Face model deployment
client = Client ( "https://huggingfacem4-screenshot2html.hf.space/--replicas/cpol9/" )

# Set the headers parameter with your Hugging Face API token
headers = { "Authorization" : f"Bearer { huggingface_token } " }

# audio link or path
my_image = "myaudio.mp4"

# Use the Client to generate a response, passing the headers parameter
result = client . predict (
    my_audio ,
    "transcribe" , # str in 'Task' Radio component
    api_name = "/predict"
    headers = headers  # Pass the headers with the Hugging Face API token
)

# printing the output
printing ( result )

########### OUTPUT ###########
Hi , how are you ?
########### OUTPUT ###########

ما هو التالي

هناك العديد من واجهات برمجة التطبيقات التي يمكنك استكشافها من خلال Hugging Face Spaces. توفر العديد من الشركات الصغيرة والمتوسطة أدوات ذكاء اصطناعي توليدية قوية بتكلفة منخفضة جدًا، مثل تضمينات OpenAI، والتي تكلف 0.00013 دولارًا أمريكيًا مقابل 1 ألف/الرمز المميز. تأكد من التحقق من تراخيصهم، حيث أن العديد من واجهات برمجة التطبيقات المجانية في الطبقة المجانية إما تحدد الطلبات اليومية أو تكون مخصصة للاستخدام غير التجاري.

يوسع