Free GenAI APIs in 2024 다운로드 - Free GenAI APIs in 2024 소스 코드 다운로드

2024년에 사용할 수 있는 무료 GenAI API

많은 소규모 회사에서는 강력한 API를 무료로 제공하거나 사용량에 따라 최대 1년까지 연장될 수 있는 무료 평가판을 제공하고 있습니다. 우리는 이러한 API 중 일부를 살펴보고 그 이점과 사용법을 살펴보겠습니다.

1. 항해 AI

Voyage는 더 나은 검색 및 RAG를 위한 임베딩 모델을 구축하는 선도적인 AI 연구원 및 엔지니어로 구성된 팀입니다.

OpenAI 임베딩 모델만큼 우수함
가격: 현재 무료(2024년 2월)
문서: https://docs.voyageai.com/
시작하기: https://docs.voyageai.com/

지원되는 임베딩 모델 등이 추가될 예정입니다.

항해 라이브러리를 설치하려면:

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

임베딩 모델 voyage-2 중 하나를 사용하고 그 출력을 살펴보겠습니다.

 # 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. 애니스케일 AI

Ray의 뒤를 잇는 회사인 Anyscale은 LLM 개발자가 오픈 소스 LLM을 신속하고 비용 효율적이며 규모에 맞게 실행하고 세부 조정할 수 있는 API를 출시합니다.

매우 저렴하거나 무료로 강력한 오픈 소스 LLM 실행/미세 조정
가격(신용카드 없음): 무료 등급 $10, 여기서 백만/토큰당 $0.15
문서: https://docs.endpoints.anyscale.com/
시작하기: https://app.endpoints.anyscale.com/welcome

지원되는 LLM 및 임베딩 모델

Anyscale 엔드포인트는 OpenAI 라이브러리와 함께 작동합니다.

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

텍스트 생성 LLM 중 하나를 사용하고 그 출력을 살펴보겠습니다.

 # 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. 제미니 멀티 모델

이미 알고 계시겠지만 언급할 가치가 있는 내용입니다. Google은 작년에 Gemini Multi-Model을 출시했는데, 무료 계층 API 사용이 이를 더욱 흥미롭게 만듭니다.

텍스트 및 이미지로 채팅(GPT-4와 유사) 및 임베딩 모델
가격: 무료 버전(분당 60개 쿼리)
문서: https://ai.google.dev/docs
시작하기: https://makersuite.google.com/app/apikey

지원되는 모델

필수 라이브러리를 설치하려면

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

텍스트 모델 gemini-pro를 사용하려면

 # 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 ###########

이미지 모델 gemini-pro-vision을 사용하려면

 # 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. AI의 깊이

이미지 깊이 추정은 이미지에서 객체가 얼마나 멀리 떨어져 있는지 파악하는 것입니다. 자율주행차 등의 작업에 도움이 되기 때문에 컴퓨터 비전에서는 중요한 문제입니다. Lihe Young의 Hugging Face 공간은 이미지 깊이를 찾을 수 있는 API를 제공합니다.

모델을 저장하거나 로드하지 않고도 몇 초 안에 이미지 깊이를 찾을 수 있습니다.
가격: 무료(HuggingFace 토큰 필요)
HuggingFace 토큰 받기: https://huggingface.co/settings/tokens
웹 데모: https://huggingface.co/spaces/LiheYoung/Depth-Anything

지원되는 모델:

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

필수 라이브러리를 설치하려면

 # 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. HTML/CSS에 대한 스크린샷

HuggingFace M4에서 제공하는 API를 사용하여 웹페이지 템플릿을 만들 수 있습니다.

웹페이지의 스크린샷을 찍어 API에 전달하면 됩니다.
가격: 무료(HuggingFace 토큰 필요)
HuggingFace 토큰 받기: https://huggingface.co/settings/tokens
웹 데모: https://huggingface … 스크린샷2html

필수 라이브러리를 설치하려면

 # Install necessary libraries
pip install  gradio_client

스크린샷-코드 모델을 사용하여 웹사이트 스크린샷을 코드로 변환합니다.

 # 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. 속삭임(오디오를 텍스트로)

Whisper API를 사용하여 오디오를 텍스트로 변환합니다.

속삭임 모델을 로드하지 않고 API를 사용하여 오디오를 텍스트로 변환하세요.
가격: 무료(HuggingFace 토큰 필요)
HuggingFace 토큰 받기: https://huggingface.co/settings/tokens
웹 데모: https://hugging … 속삭임

필수 라이브러리를 설치하려면

 # Install necessary libraries
pip install  gradio_client

Whisper 모델을 사용하여 오디오를 텍스트로 변환합니다.

 # 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 ###########

다음은 무엇입니까

Hugging Face Spaces를 통해 탐색할 수 있는 더 많은 API가 있습니다. 많은 중소기업 회사는 1K/토큰당 $0.00013의 비용이 드는 OpenAI 임베딩과 같은 강력한 생성 AI 도구를 매우 저렴한 비용으로 제공합니다. 무료 등급의 많은 무료 API는 일일 요청 수를 제한하거나 비상업적 용도로 사용되므로 라이선스를 확인하세요.

확장하다