ดาวน์โหลด Free GenAI APIs in 2024 - ดาวน์โหลด Free GenAI APIs in 2024 ดาวน์โหลดซอร์สโค้ด

GenAI API ฟรีที่คุณสามารถใช้ได้ในปี 2024

บริษัทขนาดเล็กหลายแห่งเสนอ API ที่มีประสิทธิภาพโดยไม่มีค่าใช้จ่ายหรือให้ทดลองใช้ฟรีซึ่งอาจขยายเวลาได้ถึงหนึ่งปีตามการใช้งานของคุณ เราจะพิจารณา API เหล่านั้นบางส่วนและสำรวจคุณประโยชน์และการใช้งาน

1. เอไอด้านการเดินทาง

Voyage คือทีมนักวิจัยและวิศวกร AI ชั้นนำ ซึ่งสร้างโมเดลการฝังเพื่อการดึงข้อมูลและ RAG ที่ดีขึ้น

ดีเท่ากับโมเดลการฝัง OpenAI
ราคา: ปัจจุบันฟรี (ก.พ. 2024)
เอกสารประกอบ: https://docs.voyageai.com/
เริ่มต้น: https://docs.voyageai.com/

โมเดลการฝังที่รองรับ และอื่นๆ อีกมากมายที่จะตามมา

ในการติดตั้งไลบรารีการเดินทาง:

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

ลองใช้หนึ่งในโมเดลการฝัง voyage-2 และดูผลลัพธ์:

 # 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. AI ทุกขนาด

Anyscale บริษัทที่อยู่เบื้องหลัง Ray เปิดตัว API สำหรับนักพัฒนา LLM เพื่อรันและปรับแต่ง LLM แบบโอเพ่นซอร์สอย่างรวดเร็ว คุ้มต้นทุน และทุกขนาด

การรัน/การปรับแต่ง LLM โอเพ่นซอร์สอันทรงพลังด้วยต้นทุนที่ต่ำมากหรือไม่มีเลย
ราคา (ไม่มีบัตรเครดิต): ระดับฟรี $10 โดยที่ $0.15 ต่อล้าน/โทเค็น
เอกสารประกอบ: https://docs.endpoints.anyscale.com/
เริ่มต้น: https://app.endpoints.anyscale.com/welcome

รองรับ LLM และรุ่น Embedding

ตำแหน่งข้อมูลทุกระดับทำงานร่วมกับไลบรารี OpenAI:

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

ลองใช้ Text generation LLM ตัวใดตัวหนึ่งและดูผลลัพธ์:

 # 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. ราศีเมถุนหลายรุ่น

อันนี้คุณอาจรู้อยู่แล้ว แต่ก็น่าพูดถึง Google เปิดตัว Gemini Multi-Model เมื่อปีที่แล้ว และการใช้งาน API ระดับฟรีคือสิ่งที่ทำให้มันน่าสนใจยิ่งขึ้น

แชทด้วยข้อความและรูปภาพ (คล้ายกับ GPT-4) และการฝังโมเดล
ราคา: เวอร์ชันฟรี (60 แบบสอบถามต่อนาที)
เอกสารประกอบ: https://ai.google.dev/docs
เริ่มต้น: https://makersuite.google.com/app/apikey

รุ่นที่รองรับ

เพื่อติดตั้งไลบรารีที่จำเป็น

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

หากต้องการใช้โมเดลข้อความ gemini-pro

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

เพื่อใช้แบบจำลองภาพราศีเมถุนโปรวิชั่น

 # 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. ความลึกทุกสิ่งที่ AI

การประมาณความลึกของภาพคือการหาว่าวัตถุในภาพอยู่ห่างจากวัตถุแค่ไหน มันเป็นปัญหาสำคัญในการมองเห็นของคอมพิวเตอร์เพราะช่วยในงานต่างๆ เช่น รถยนต์ที่ขับเคลื่อนด้วยตนเอง พื้นที่ Hugging Face จาก Lihe Young นำเสนอ API ซึ่งคุณสามารถค้นหาความลึกของภาพได้

ค้นหาความลึกของภาพในไม่กี่วินาทีโดยไม่ต้องจัดเก็บหรือโหลดโมเดล
ราคา: ฟรี (ต้องใช้โทเค็น HuggingFace)
รับโทเค็น HuggingFace: https://huggingface.co/settings/tokens
การสาธิตเว็บ: https://huggingface.co/spaces/LiheYoung/Depth-Anything

รุ่นที่รองรับ:

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

เพื่อติดตั้งไลบรารีที่จำเป็น

 # 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. ภาพหน้าจอเป็น HTML/CSS

คุณสามารถสร้างเทมเพลตหน้าเว็บได้โดยใช้ API ที่ HuggingFace M4 มอบให้

เพียงจับภาพหน้าจอของหน้าเว็บแล้วส่งต่อใน API
ราคา: ฟรี (ต้องใช้โทเค็น HuggingFace)
รับโทเค็น HuggingFace: https://huggingface.co/settings/tokens
การสาธิตเว็บ: https://huggingface … ภาพหน้าจอ2html

เพื่อติดตั้งไลบรารีที่จำเป็น

 # Install necessary libraries
pip install  gradio_client

การแปลงภาพหน้าจอเว็บไซต์เป็นโค้ดโดยใช้โมเดลภาพหน้าจอเป็นโค้ด

 # 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. กระซิบ (เสียงเป็นข้อความ)

แปลงเสียงเป็นข้อความโดยใช้ Whisper API

เพียงแปลงเสียงเป็นข้อความโดยใช้ API โดยไม่ต้องโหลดโมเดลเสียงกระซิบ
ราคา: ฟรี (ต้องใช้โทเค็น HuggingFace)
รับโทเค็น HuggingFace: https://huggingface.co/settings/tokens
เว็บสาธิต: https://hugging …กระซิบ

เพื่อติดตั้งไลบรารีที่จำเป็น

 # Install necessary libraries
pip install  gradio_client

การแปลงเสียงเป็นข้อความโดยใช้รุ่น 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 ###########

อะไรต่อไป

มี API อีกมากมายที่คุณสามารถสำรวจได้ผ่าน Hugging Face Spaces บริษัท SME หลายแห่งจัดหาเครื่องมือ Generative AI ที่ทรงพลังด้วยต้นทุนที่ต่ำมาก เช่น การฝัง OpenAI ซึ่งมีราคา 0.00013 ดอลลาร์สำหรับ 1K/โทเค็น อย่าลืมตรวจสอบใบอนุญาตของตน เนื่องจาก API ฟรีจำนวนมากในระดับฟรีมีการจำกัดคำขอต่อวันหรือเป็นการใช้งานที่ไม่ใช่เชิงพาณิชย์

ขยาย