探索智能化新境界：云知聲山海大模型API集成與應用實踐
你可能也喜歡這些API文章!
靈積模型API（DashScope API）是阿里云提供的一項服務，它允許用戶通過編程方式調用通義千問模型來實現各種功能，如內容創作、翻譯服務、文本摘要等。用戶可以通過HTTP接口、OpenAI SDK或DashScope SDK來調用模型。在使用之前，需要開通DashScope服務并獲得API-KEY，然后選擇所需的模型進行調用。
用戶在使用靈積模型API?時，需要配置一些參數，如模型名、對話歷史、生成參數（包括溫度、概率閾值等）、隨機數種子、是否使用流式輸出等。返回結果包括模型生成的文本、角色信息、生成原因、時間戳和token使用情況等。4復制再試一次分享
作為兩個軟件應用程序之間通信的中介。它們在應用程序和公司軟件之間架起橋梁，還提供了一列可執行命令，例如：
靈積模型API是一種集成了深度學習技術的人工智能接口，能夠高效分析數據、提供智能預測，助力企業與個人做出精準決策。
用POST方法舉個例子，如何和模型進行互動：
from openai import OpenAI
import os
def get_response():
client = OpenAI(
api_key=os.getenv("DASHSCOPE_API_KEY"), # 如果您沒有配置環境變量，請在此處用您的API Key進行替換
base_url="https://dashscope.aliyuncs.com/compatible-mode/v1", # 填寫DashScope服務的base_url
)
completion = client.chat.completions.create(
model="qwen-turbo",
messages=[
{'role': 'system', 'content': 'You are a helpful assistant.'},
{'role': 'user', 'content': '用蘿卜、土豆、茄子做飯，給我個菜譜。'}],
temperature=0.8,
top_p=0.8
)
print(completion.model_dump_json())
if __name__ == '__main__':
get_response(){
"id": "chatcmpl-cb68d043-fc6d-9b3b-87d2-151e2a0f6ac4",
"choices": [
{
"finish_reason": "stop",
"index": 0,
"logprobs": null,
"message": {
"content": "當然可以，這里有一個簡單的三菜合一的菜品建議：蔬菜燉豆腐。這道菜結合了蘿卜、土豆和茄子，營養豐富，做法也相當簡單：\n\n**材料：**\n1. 蘿卜半個\n2. 土豆1個\n3. 茄子2個\n4. 嫩豆腐1塊\n5. 大蔥1根\n6. 生姜適量\n7. 大蒜2瓣\n8. 食用油適量\n9. 鹽適量\n10. 料酒適量\n11. 雞精或味精適量\n12. 清水適量\n\n**步驟：**\n1. 蘿卜、土豆去皮切塊，茄子洗凈去蒂，切成滾刀塊。大蔥切段，生姜切片，大蒜切末。\n2. 豆腐切塊，放入開水中焯水，撈出瀝干備用，這樣可以去腥并使豆腐更加嫩滑。\n3. 熱鍋涼油，放入蔥姜蒜爆香。\n4. 放入土豆塊，翻煎至微黃色，再加入蘿卜塊和茄子塊，繼續翻炒均勻。\n5. 加入料酒，翻炒均勻后，倒入足夠的清水，水量要沒過所有蔬菜。\n6. 煮沸后轉小火，慢慢燉煮15-20分鐘，讓蔬菜充分吸收湯汁。\n7. 加入焯過水的豆腐，再次煮沸后轉小火，蓋上鍋蓋燉5分鐘左右，讓豆腐充分入味。\n8. 最后加入適量的鹽和雞精（或其他調味品），攪拌均勻，嘗一下味道，根據需要調整。\n9. 關火，撒上一些蔥花點綴，即可出鍋。\n\n這道菜色彩豐富，營養均衡，是一道適合家常的健康菜肴。",
"role": "assistant",
"function_call": null,
"tool_calls": null
}
}
],
"created": 1721636832,
"model": "qwen-turbo",
"object": "chat.completion",
"service_tier": null,
"system_fingerprint": null,
"usage": {
"completion_tokens": 398,
"prompt_tokens": 32,
"total_tokens": 430
}
}靈積模型API提供了一系列的功能，使得企業和開發者可以輕松地集成和使用阿里云提供的AI大模型服務。以下是一些核心功能：
| 名稱 | 計費單元 | 計費單價 | 免費額度 |
|---|---|---|---|
| 通義千問 | 千tokens | qwen-turbo: 0.008元/千tokens qwen-plus: 0.02元/千tokens qwen-max， qwen-max-longcontext: 0.12元/千tokens | qwen-turbo: 開通即獲贈200萬 tokens 限時免費額度 qwen-plus， qwen-max， qwen-max-longcontext: 開通即獲贈100萬 tokens 限時免費額度 |
| Paraformer語音識別 | 秒 | 0.00008元/秒 | 免費額度 每月36,000秒 |
| 通用文本向量 | 千tokens | 0.0007元/千tokens | text-embedding-v1: 開通即獲贈50萬 tokens 限時免費額度 text-embedding-async-v1: 開通即獲贈2千萬 tokens 限時免費額度 |
| 通義萬相系列模型 | 圖片張數 | 不同模型計費單價為0.08 ~ 0.16 元/張 | 免費500張圖像 |
| Sambert語音合成 | 萬字 | 1元/萬字 | 每月3萬字 |
在探索人工智能的無限可能之際，靈積模型API以其強大的文本處理能力，為各種應用場景提供了高效的解決方案。以下是該技術在不同操作中的使用情景概覽。
使用場景：獲取模型生成的文章摘要。
使用場景：提交文章生成請求。
使用場景：移除不再需要的文章草稿。
使用場景：修改文章生成請求的參數。
使用靈積模型API可以為不同行業和應用場景帶來創新和智能化的變革。以下是幾個案例，展示了如何將靈積模型API集成到各種應用中：
場景描述：
在線零售商需要一個能夠自動回答客戶咨詢的智能客服系統。
代碼示例：
import requests
url = "http://www.dlbhg.com/api/scd20240801626417525892/lingji-model"
headers = {
"Authorization": "Bearer YOUR_API_KEY",
"Content-Type": "application/json"
}
data = {"query": "如何跟蹤我的訂單？"}
response = requests.post(url, headers=headers, json=data)
print(response.json())場景描述：
一個新聞網站希望根據用戶的閱讀習慣推薦個性化的新聞文章。
代碼示例：
url = "http://www.dlbhg.com/api/scd20240801626417525892/lingji-model"
headers = {
"Authorization": "Bearer YOUR_API_KEY",
"Content-Type": "application/json"
}
user_preferences = {"history": ["科技", "政治"], "interests": ["人工智能"]}
response = requests.post(url, headers=headers, json=user_preferences)
print(response.json())場景描述：
內容創作者需要一個工具來幫助他們根據大綱生成文章草稿。
代碼示例：
url = "http://www.dlbhg.com/api/scd20240801626417525892/lingji-model"
headers = {
"Authorization": "Bearer YOUR_API_KEY",
"Content-Type": "application/json"
}
outline = {"title": "未來科技趨勢", "points": ["人工智能", "量子計算", "可持續能源"]}
response = requests.post(url, headers=headers, json=outline)
print(response.json())場景描述：
一個國際公司需要一個服務來自動翻譯公司文檔和網站內容到不同語言。
代碼示例：
url = "http://www.dlbhg.com/api/scd20240801626417525892/lingji-model"
headers = {
"Authorization": "Bearer YOUR_API_KEY",
"Content-Type": "application/json"
}
text_to_translate = {"text": "歡迎來到我們的網站", "to_language": "en"}
response = requests.post(url, headers=headers, json=text_to_translate)
print(response.json())場景描述：
教育機構希望建立一個系統，學生可以通過它提出問題并獲得與課程內容相關的答案。
代碼示例：
url = "http://www.dlbhg.com/api/scd20240801626417525892/lingji-model"
headers = {
"Authorization": "Bearer YOUR_API_KEY",
"Content-Type": "application/json"
}
student_question = {"question": "什么是機器學習？"}
response = requests.post(url, headers=headers, json=student_question)
print(response.json())請注意，以上代碼示例中的YOUR_API_KEY需要替換為您自己的API密鑰。每個場景都展示了如何將特定的請求發送到靈積模型API，并如何處理返回的響應。實際的請求和響應格式將根據靈積模型API的具體實現和要求而變化。
在選擇替代方案時，我們需要考慮幾個關鍵因素，包括API的功能、性能、易用性、成本效益以及它們在特定應用場景下的適用性。以下是針對“通用大模型開放平臺-華藏”和“山海大模型-云知聲AI開放平臺”的替代方案概述：
方案概述：
華藏平臺以其先進的自然語言處理技術和多模態交互能力為特點，提供了文本處理、文本生成、私有庫構建和組件庫支持等功能。替代方案應具備類似的能力，并能夠提供定制化服務以滿足不同行業的需求。
關鍵特性：
方案概述：
山海大模型專注于語音技術，包括語音識別、語音合成和語音分析等。替代方案應提供高質量的語音處理能力，并支持實時和批量的語音轉文本服務。
關鍵特性：
冪簡集成是國內領先的API集成管理平臺，專注于為開發者提供全面、高效、易用的API集成解決方案。冪簡API平臺可以通過以下兩種方式找到所需API：通過關鍵詞搜索API(例如，輸入’AI大模型‘這類品類詞，更容易找到結果)、或者從API Hub分類頁進入尋找。
此外，冪簡集成博客會編寫API入門指南、多語言API對接指南、API測評等維度的文章，讓開發者快速使用目標API。
