مقدمة سريعة: دمج نموذج LLM بدون رقابة في تطبيق OCR الخاص بك

المتطلبات الأساسية: مفتاح API وعنوان URL الأساسي

قبل إرسال أي طلبات، تحتاج إلى مفتاح API وعنوان URL الأساسي الصحيح. سجّل في صفحة الحصول على مفتاح API باستخدام البريد الإلكتروني وكلمة المرور فقط. يتم عرض المفتاح مباشرة بعد التسجيل، ولا يلزم بطاقة الائتمان للتجربة.

الـ URL الأساسي لهذه الـ API هو https://api.llmocrapi.com/v1. تتوافق نقطة النهاية هذه مع مكتبات الـ SDK القياسية الخاصة بـ OpenAI. يجب عليك تكوين عميلك لاستخدام هذا الـ URL الأساسي وإدراج مفتاح الـ API الخاص بك في رأس الـ Authorization. مُعرّف النموذج الذي ستستخدمه لجميع الطلبات هو uncensored، والذي يعمل على خوادم GPU الخاصة بنا ومصمم للتعامل مع استخراج النص الخام دون رفض المحتوى البالغ القانوني أو المثير للجدل.

طلب استخراج النص الأساسي

ابدأ بإرسال طلب إكمال محادثة بسيط لاختبار الاتصال. تقبل نقطة النهاية هذه إدخال النص وتعيد النص المستخرج أو المنقح. استخدم نقطة النهاية POST /v1/chat/completions مع نموذج uncensored. تأكد من أن جسم الطلب يتضمن محتوى الرسالة ومعرف النموذج.

يؤكد هذا الطلب الأساسي أن مفتاح API الخاص بك يعمل وأن نموذج بدون رقابة يستجيب كما هو متوقع. إنه الخطوة الأولى في بناء خط أنابيب معالجة نصوص OCR الخاص بك.

Copycurl https://api.llmocrapi.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
  }'

إذا تلقيت استجابة تحتوي على choices يتضمن نصًا، فإن تكاملك ناجح. إذا حصلت على خطأ 401، تحقق من مفتاح الـ API الخاص بك. إذا حصلت على خطأ 402، فقد تحتاج إلى شحن رصيد مسبق الدفع.

تكامل SDK لـ Python

لمطوري Python، يُعد استخدام SDK الرسمي لـ OpenAI هو النهج الموصى به. قم بتثبيت الحزمة openai وقم بتكوين عنوان URL الأساسي للإشارة إلى واجهة برمجة التطبيقات الخاصة بنا. هذا يتيح لك استخدام الأساليب المألوفة مثل chat.completions.create().

قم بتعيين معلمة base_url إلى https://api.llmocrapi.com/v1 ومرر مفتاح API الخاص بك. يضمن ذلك توجيه جميع الطلبات بشكل صحيح إلى نموذج بدون رقابة الخاص بنا. يمكنك بعد ذلك إرسال النص المستخرج من OCR كرسالة المستخدم وتحديد موجّه النظام لتوجيه النموذج حول كيفية تنظيف أو تلخيص البيانات.

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.llmocrapi.com/v1", api_key="YOUR_KEY")

resp = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Summarise this thread without softening it."}],
)
print(resp.choices[0].message.content)

هذه الطريقة مثالية لمعالجة المستندات دفعة حيث لا يلزم البث المتدفق. إنها توفر طريقة مباشرة لدمج LLM في نصوص Python OCR الحالية الخاصة بك.

تكامل SDK لـ Node.js

يمكن لمطوري Node.js أيضًا استخدام OpenAI SDK للتفاعل مع واجهة برمجة التطبيقات. قم بتثبيت الحزمة openai لـ Node وقم بتكوين عنوان URL الأساسي بشكل مشابه لإعداد Python. هذا يتيح لك الاستفادة من نقطة النهاية chat.completions نفسها باستخدام صيغة JavaScript المألوفة.

قم بتكوين العميل بمفتاح API الخاص بك وعنوان URL الأساسي https://api.llmocrapi.com/v1. يضمن ذلك التوافق مع تطبيقات Node.js الحالية الخاصة بك. يمكنك بعد ذلك إرسال طلبات لاستخراج أو تلخيص النصوص من خط أنابيب OCR الخاص بك.

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.llmocrapi.com/v1", apiKey: process.env.API_KEY });

const resp = await client.chat.completions.create({
  model: "uncensored",
  messages: [{ role: "user", content: "Draft a villain monologue for my game." }],
});
console.log(resp.choices[0].message.content);

هذا النهج مناسب للمعالجة من جانب الخادم في بيئات Node، مما يتيح لك معالجة مخرجات OCR بكفاءة دون مغادرة بيئة Node الخاصة بك.

استجابات البث المتدفق للمستندات الكبيرة

عند معالجة المستندات الكبيرة، يمكن أن تحسّن استجابات البث المتدفق تجربة المستخدم من خلال تسليم النص على شكل قطع أثناء إنشائه. استخدم المعلمة stream: true في طلبك لتمكين أحداث الإرسال من الخادم (SSE). يتيح لك ذلك معالجة النص في الوقت الفعلي، وهو مفيد لمخرجات OCR الطويلة أو عند عرض التقدم للمستخدمين.

يساعد البث المتدفق في إدارة استخدام الذاكرة من خلال عدم الحاجة إلى الاحتفاظ بالاستجابة الكاملة في الذاكرة قبل المعالجة. وهو مفيد بشكل خاص للمستندات ذات النصوص الكبيرة التي قد تسبب مشاكل في زمن الاستجابة.

Copystream = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Tell the story in second person."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

تأكد من أن عميلك يتعامل مع أحداث SSE بشكل صحيح لتحليل أجزاء النص المتزايدة. هذه الطريقة مثالية للتطبيقات التي تتطلب ملاحظات في الوقت الفعلي أثناء مرحلة معالجة نصوص OCR.

حدود المعدل والأخطاء ونوافذ السياق

كن على دراية بحدود واجهة برمجة التطبيقات لتجنب انقطاع الخدمة. أنت محدود بـ 300 طلب في الدقيقة لكل مفتاح API. يجب ألا يتجاوز جسم كل طلب 8 MB. إذا تجاوزت حد المعدل، ستتلقى خطأ 429. تأكد من أن تطبيقك يطبق زيادة الأسي للتعامل مع هذه الأخطاء بسلاسة.

نافذة السياق هي 100,000 رمز (token) لكل من الموجّه والإكمال معاً. إذا تجاوزت مخرجات OCR هذا الحد، فقد تحتاج إلى تقسيم المستند أو اقتسام الأجزاء السابقة. الأخطاء الشائعة تشمل 401 للمفاتيح غير الصالحة، و402 لقلة الرصيد، و429 لحدود المعدل. راقب استخدامك وأضف رصيد مسبق الدفع حسب الحاجة للحفاظ على الخدمة دون انقطاع.