單擊“創(chuàng)建”開始配置新的多服務(wù)帳戶資源。

步驟 3：配置資源設(shè)置

創(chuàng)建 Azure AI 服務(wù)資源時(shí)，需要配置以下設(shè)置：

訂閱：

選擇您的 Azure 訂閱。

資源組：

選擇現(xiàn)有資源組或創(chuàng)建新資源組。如果您的權(quán)限受限，請使用提供給您的資源組。

區(qū)域：

選擇適合您需求的可用區(qū)域。

名稱：

為您的資源輸入一個(gè)唯一的名稱。

定價(jià)層：

選擇標(biāo)準(zhǔn) S0作為定價(jià)層。

步驟 4：完成并創(chuàng)建資源

1、通過選擇所需的復(fù)選框來查看條款和條件。

2、單擊“創(chuàng)建”以部署您的資源。

3、等待部署完成。此過程可能需要幾分鐘。

步驟 5：訪問資源詳細(xì)信息

部署完成后，請按照以下步驟查看資源詳細(xì)信息：

1、進(jìn)入資源頁面，查看部署詳情。

2、導(dǎo)航到密鑰和端點(diǎn)頁面。

此頁面包含連接到資源的基本信息，包括：

HTTP 端點(diǎn)：客戶端應(yīng)用程序可以發(fā)送請求的端點(diǎn)。
身份驗(yàn)證密鑰：客戶端應(yīng)用程序可用于身份驗(yàn)證的兩個(gè)密鑰。任一密鑰均可用于對請求進(jìn)行身份驗(yàn)證。

Location：資源的托管位置，某些 API 請求需要該位置。

在您的應(yīng)用程序中使用 Azure AI 服務(wù)

設(shè)置 Azure AI 服務(wù)資源后，你現(xiàn)在可以將 AI 功能整合到應(yīng)用程序中。以下是如何使用這些服務(wù)的一般概述：

1、發(fā)出 HTTP 請求：

使用提供的 HTTP 端點(diǎn)從客戶端應(yīng)用程序發(fā)送請求。確保在請求標(biāo)頭中包含其中一個(gè)身份驗(yàn)證密鑰。

2、處理響應(yīng)：

處理來自 Azure AI 服務(wù)的響應(yīng)，以將 AI 功能（例如自然語言處理、計(jì)算機(jī)視覺或其他功能）合并到您的應(yīng)用程序中。

3、特定區(qū)域的 API：

對于某些 API，您需要在請求中指定資源的位置。

將 REST 接口與 Azure AI 服務(wù)結(jié)合使用

Azure AI 服務(wù) API 基于 REST，允許你通過 HTTP 發(fā)送 JSON 請求來與它們交互。

在本文中，我們將介紹一個(gè)使用控制臺應(yīng)用程序使用語言 REST API 執(zhí)行語言檢測的示例。

此原則適用于 Azure AI 服務(wù)資源支持的所有 API。

先決條件

設(shè)置你的項(xiàng)目

1. 選擇您的首選語言

您可以選擇使用 C# 或 Python 進(jìn)行此練習(xí)。根據(jù)您的偏好，在 Visual Studio Code 中展開相應(yīng)的文件夾：

2.更新配置設(shè)置

導(dǎo)航到rest-client文件夾并打開配置文件：

C＃：appsettings.json

Python：.env

更新配置值以反映您的 Azure AI 服務(wù)端點(diǎn)和身份驗(yàn)證密鑰，然后保存更改。

3.檢查客戶端應(yīng)用程序代碼

打開您選擇的語言的主代碼文件：

C＃：Program.cs

using System;

using Newtonsoft.Json.Linq;

using System.Text;

using System.Net.Http;

using System.Net.Http.Headers;

using System.Web;

using Microsoft.Extensions.Configuration;

using System.Threading.Tasks;



namespace rest_client

{

    class Program

    {

        private static string AiSvcEndpoint;

        private static string AiSvCKey;

        static async Task Main(string[] args)

        {

            try

            {

                // Get config settings from AppSettings

                IConfigurationBuilder builder = new ConfigurationBuilder().AddJsonFile("appsettings.json");

                IConfigurationRoot configuration = builder.Build();

                AiSvcEndpoint = configuration["AIServicesEndpoint"];

                AiSvCKey = configuration["AIServicesKey"];



                // Get user input (until they enter "quit")

                string userText = "";

                while (userText.ToLower() != "quit")

                {

                    Console.WriteLine("Enter some text ('quit' to stop)");

                    userText = Console.ReadLine();

                    if (userText.ToLower() != "quit")

                    {

                        // Call function to detect language

                        await GetLanguage(userText);

                    }



                }

            }

            catch (Exception ex)

            {

                Console.WriteLine(ex.Message);

            }

        }

        static async Task GetLanguage(string text)

        {

            // Construct the JSON request body

            try

            {

                JObject jsonBody = new JObject(

                    // Create a collection of documents (we'll only use one, but you could have more)

                    new JProperty("documents",

                    new JArray(

                        new JObject(

                            // Each document needs a unique ID and some text

                            new JProperty("id", 1),

                            new JProperty("text", text)

                    ))));



                // Encode as UTF-8

                UTF8Encoding utf8 = new UTF8Encoding(true, true);

                byte[] encodedBytes = utf8.GetBytes(jsonBody.ToString());



                // Let's take a look at the JSON we'll send to the service

                Console.WriteLine(utf8.GetString(encodedBytes, 0, encodedBytes.Length));



                // Make an HTTP request to the REST interface

                var client = new HttpClient();

                var queryString = HttpUtility.ParseQueryString(string.Empty);



                // Add the authentication key to the header

                client.DefaultRequestHeaders.Add("Ocp-Apim-Subscription-Key", AiSvCKey);



                // Use the endpoint to access the Text Analytics language API

                var uri = AiSvcEndpoint + "text/analytics/v3.1/languages?" + queryString;



                // Send the request and get the response

                HttpResponseMessage response;

                using (var content = new ByteArrayContent(encodedBytes))

                {

                    content.Headers.ContentType = new MediaTypeHeaderValue("application/json");

                    response = await client.PostAsync(uri, content);

                }



                // If the call was successful, get the response

                if (response.StatusCode == System.Net.HttpStatusCode.OK)

                {

                    // Display the JSON response in full (just so we can see it)

                    string responseContent = await response.Content.ReadAsStringAsync();

                    JObject results = JObject.Parse(responseContent);

                    Console.WriteLine(results.ToString());



                    // Extract the detected language name for each document

                    foreach (JObject document in results["documents"])

                    {

                        Console.WriteLine("\nLanguage: " + (string)document["detectedLanguage"]["name"]);

                    }

                }

                else

                {

                    // Something went wrong, write the whole response

                    Console.WriteLine(response.ToString());

                }

            }

            catch(Exception ex)

            {

                Console.WriteLine(ex.Message);

            }



        }

    }

}

Python: rest-client.py

from dotenv import load_dotenv

import os

import http.client, base64, json, urllib

from urllib import request, parse, error



def main():

    global ai_endpoint

    global ai_key



    try:

        # Get Configuration Settings

        load_dotenv()

        ai_endpoint = os.getenv('AI_SERVICE_ENDPOINT')

        ai_key = os.getenv('AI_SERVICE_KEY')



        # Get user input (until they enter "quit")

        userText =''

        while userText.lower() != 'quit':

            userText = input('Enter some text ("quit" to stop)\n')

            if userText.lower() != 'quit':

                GetLanguage(userText)



    except Exception as ex:

        print(ex)



def GetLanguage(text):

    try:

        # Construct the JSON request body (a collection of documents, each with an ID and text)

        jsonBody = {

            "documents":[

                {"id": 1,

                 "text": text}

            ]

        }



        # Let's take a look at the JSON we'll send to the service

        print(json.dumps(jsonBody, indent=2))



        # Make an HTTP request to the REST interface

        uri = ai_endpoint.rstrip('/').replace('https://', '')

        conn = http.client.HTTPSConnection(uri)



        # Add the authentication key to the request header

        headers = {

            'Content-Type': 'application/json',

            'Ocp-Apim-Subscription-Key': ai_key

        }



        # Use the Text Analytics language API

        conn.request("POST", "/text/analytics/v3.1/languages?", str(jsonBody).encode('utf-8'), headers)



        # Send the request

        response = conn.getresponse()

        data = response.read().decode("UTF-8")



        # If the call was successful, get the response

        if response.status == 200:



            # Display the JSON response in full (just so we can see it)

            results = json.loads(data)

            print(json.dumps(results, indent=2))



            # Extract the detected language name for each document

            for document in results["documents"]:

                print("\nLanguage:", document["detectedLanguage"]["name"])



        else:

            # Something went wrong, write the whole response

            print(data)



        conn.close()



    except Exception as ex:

        print(ex)



if __name__ == "__main__":

    main()

檢查代碼，注意以下細(xì)節(jié)：

命名空間和導(dǎo)入：導(dǎo)入各種命名空間以啟用 HTTP 通信。

主要函數(shù)：主要函數(shù)檢索 Azure AI 服務(wù)資源的端點(diǎn)和密鑰，用于向文本分析服務(wù)發(fā)送 REST 請求。

用戶輸入：該程序接受用戶輸入并使用該GetLanguage函數(shù)為您的端點(diǎn)調(diào)用文本分析語言檢測 REST API。

JSON 請求：發(fā)送到 API 的請求由包含輸入數(shù)據(jù)的 JSON 對象組成，其中包括文檔對象的集合，每個(gè)對象都有一個(gè) id 和文本。

身份驗(yàn)證：您的服務(wù)的密鑰包含在請求標(biāo)頭中，用于驗(yàn)證您的客戶端應(yīng)用程序。

JSON 響應(yīng)：來自服務(wù)的響應(yīng)是客戶端應(yīng)用程序可以解析的 JSON 對象。

4. 運(yùn)行客戶端應(yīng)用程序

右鍵單擊rest-client文件夾，選擇在集成終端中打開，然后運(yùn)行適合您的語言的命令：

Python

C＃

5.測試應(yīng)用程序

出現(xiàn)提示時(shí)，輸入一些文本來測試語言檢測服務(wù)。例如，您可以嘗試輸入“Hello”、“Bonjour”或“Gracias”。檢測到的語言將在 JSON 響應(yīng)中返回。

6.停止程序

當(dāng)您完成應(yīng)用程序測試后，輸入“quit”以停止該程序。

Azure AI 服務(wù)簡化了向應(yīng)用程序添加復(fù)雜 AI 功能的過程。

通過遵循本指南中概述的步驟，您可以快速配置 Azure AI 服務(wù)資源并開始利用人工智能的強(qiáng)大功能。

無論您構(gòu)建的是需要語言理解、圖像識別還是其他 AI 功能的應(yīng)用程序，Azure AI 服務(wù)都可以提供創(chuàng)新和增強(qiáng)解決方案所需的工具。

文章轉(zhuǎn)自微信公眾號@PikeTalk

上一篇：

文心一言的三種使用方式（附api接入方式）

下一篇：

在.NET?API中使用內(nèi)存中緩存時(shí)，性能提高了90%！
#你可能也喜歡這些API文章!

我們有何不同？

API服務(wù)商零注冊

多API并行試用

數(shù)據(jù)驅(qū)動(dòng)選型，提升決策效率

查看全部API→
??

熱門場景實(shí)測，選對API

#AI文本生成大模型API

對比大模型API的內(nèi)容創(chuàng)意新穎性、情感共鳴力、商業(yè)轉(zhuǎn)化潛力

25個(gè)渠道
一鍵對比試用API 限時(shí)免費(fèi)

#AI深度推理大模型API

對比大模型API的邏輯推理準(zhǔn)確性、分析深度、可視化建議合理性

10個(gè)渠道
一鍵對比試用API 限時(shí)免費(fèi)