त्वरित प्रारंभ: अपने OCR ऐप में बिना सेंसर LLM एकीकृत करें

आवश्यकताएँ: API कुंजी और बेस URL

कोई भी अनुरोध करने से पहले, आपको एक API कुंजी और सही बेस URL की आवश्यकता है। केवल एक ईमेल और पासवर्ड के साथ API कुंजी प्राप्त करें पृष्ठ पर साइन अप करें। आपकी कुंजी साइन अप के तुरंत बाद प्रदर्शित होती है, और ट्रायल के लिए किसी क्रेडिट कार्ड की आवश्यकता नहीं होती है।

इस API का बेस URL https://api.llmocrapi.com/v1 है। यह एंडपॉइंट मानक OpenAI SDKs के साथ संगत है। आपको अपने क्लाइंट को इस बेस URL का उपयोग करने के लिए कॉन्फ़िगर करना होगा और अपने API कुंजी को Authorization हेडर में शामिल करना होगा। सभी अनुरोधों के लिए आप जिस मॉडल पहचानकर्ता का उपयोग करेंगे, वह uncensored है, जो हमारे अपने GPU सर्वरों पर चलता है और बिना कानूनी वयस्क या विवादास्पद सामग्री के अस्वीकार किए कच्चे टेक्स्ट निष्कर्षण को संभालने के लिए डिज़ाइन किया गया है।

बेसिक टेक्स्ट एक्सट्रैक्शन अनुरोध

कनेक्शन का परीक्षण करने के लिए एक सरल चैट पूर्णता अनुरोध भेजकर शुरू करें। यह एंडपॉइंट पाठ इनपुट स्वीकार करता है और निष्कर्षित या शुद्ध पाठ लौटाता है। POST /v1/chat/completions एंडपॉइंट का उपयोग uncensored मॉडल के साथ करें। सुनिश्चित करें कि आपके अनुरोध बॉडी में संदेश सामग्री और मॉडल ID शामिल है।

यह बेसिक अनुरोध सत्यापित करता है कि आपकी API कुंजी काम कर रही है और बिना सेंसर मॉडल अपेक्षित रूप से प्रतिक्रिया दे रहा है। यह आपकी OCR पोस्ट-प्रोसेसिंग पाइपलाइन बनाने का पहला कदम है।

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."}]
  }'

यदि आपको पाठ वाले choices के साथ एक प्रतिक्रिया प्राप्त होती है, तो आपकी एकीकरण सफल है। यदि आपको 401 त्रुटि मिलती है, तो अपनी API कुंजी की जाँच करें। यदि आपको 402 त्रुटि मिलती है, तो आपको प्रीपेड क्रेडिट जोड़ने की आवश्यकता हो सकती है।

Python SDK एकीकरण

Python डेवलपर्स के लिए, आधिकारिक OpenAI SDK का उपयोग अनुशंसित दृष्टिकोण है। openai पैकेज को इंस्टॉल करें और बेस URL को हमारे API की ओर इशारा करने के लिए कॉन्फ़िगर करें। इससे आपको परिचित विधियों जैसे chat.completions.create() का उपयोग करने की अनुमति मिलती है।

base_url पैरामीटर को https://api.llmocrapi.com/v1 पर सेट करें और अपनी API कुंजी पास करें। यह सुनिश्चित करता है कि सभी अनुरोध सही तरीके से हमारे बिना सेंसर मॉडल की ओर रूट किए जाएं। आप फिर अपने OCR-निष्कर्षित पाठ को उपयोगकर्ता संदेश के रूप में भेज सकते हैं और मॉडल को डेटा को साफ़ या सारांशित करने के निर्देश देने के लिए एक सिस्टम प्रॉम्प्ट परिभाषित कर सकते हैं।

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)

यह विधि उन दस्तावेज़ों के बैच प्रोसेसिंग के लिए आदर्श है जहाँ स्ट्रीमिंग की आवश्यकता नहीं है। यह LLM को अपने मौजूदा Python OCR स्क्रिप्ट में एकीकृत करने का एक सरल तरीका प्रदान करता है।

Node SDK एकीकरण

Node.js डेवलपर्स API के साथ बातचीत करने के लिए OpenAI SDK का भी उपयोग कर सकते हैं। Node के लिए openai पैकेज इंस्टॉल करें और बेस URL को Python सेटअप की तरह ही कॉन्फ़िगर करें। इससे आपको परिचित JavaScript सिंटैक्स के साथ उसी chat.completions एंडपॉइंट का लाभ उठाने की अनुमति मिलती है।

अपने API कुंजी और बेस URL https://api.llmocrapi.com/v1 के साथ क्लाइंट को कॉन्फ़िगर करें। यह आपके मौजूदा Node.js एप्लिकेशन के साथ संगतता सुनिश्चित करता है। आप फिर अपने OCR पाइपलाइन से टेक्स्ट निकालने या सारांशित करने के लिए अनुरोध भेज सकते हैं।

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);

यह दृष्टिकोण Node वातावरण में सर्वर-साइड प्रोसेसिंग के लिए उपयुक्त है, जिससे आप अपने Node इकोसिस्टम से बाहर न निकलते हुए OCR आउटपुट को कुशलता से हैंडल कर सकते हैं।

बड़े दस्तावेज़ों के लिए स्ट्रीमिंग रिस्पॉन्स

बड़े दस्तावेजों को प्रोसेस करते समय, स्ट्रीमिंग प्रतिक्रियाएं उपयोगकर्ता अनुभव को बेहतर बना सकती हैं क्योंकि पाठ को जनरेट होने के दौरान हिस्सों में वितरित किया जाता है। सर्वर-सेंट इवेंट्स (SSE) सक्षम करने के लिए अपने अनुरोध में stream: true पैरामीटर का उपयोग करें। यह आपको वास्तविक समय में पाठ प्रोसेस करने की अनुमति देता है, जो लंबे OCR आउटपुट या उपयोगकर्ताओं को प्रगति प्रदर्शित करते समय उपयोगी है।

स्ट्रीमिंग मेमोरी उपयोग को प्रबंधित करने में मदद करती है क्योंकि इसे संसाधित करने से पहले पूरी प्रतिक्रिया को मेमोरी में रखने की आवश्यकता नहीं होती है। यह उन दस्तावेज़ों के लिए विशेष रूप से उपयोगी है जिनमें महत्वपूर्ण पाठ होता है जो अन्यथा विलंबता की समस्याएं पैदा कर सकते हैं।

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)

सुनिश्चित करें कि आपका क्लाइंट SSE इवेंट्स को सही तरीके से संभालता है ताकि क्रमिक पाठ हिस्सों को पार्स किया जा सके। यह उन एप्लिकेशन के लिए आदर्श है जिन्हें OCR पोस्ट-प्रोसेसिंग चरण के दौरान वास्तविक समय प्रतिक्रिया की आवश्यकता होती है।

रेट लिमिट, त्रुटियाँ और कॉन्टेक्स्ट विंडो

सेवा में रुकावट से बचने के लिए API सीमाओं के बारे में जागरूक रहें। प्रति API कुंजी प्रति मिनट 300 अनुरोधों की सीमा है। प्रत्येक अनुरोध बॉडी 8 MB से अधिक नहीं होनी चाहिए। यदि आप रेट लिमिट को पार करते हैं, तो आपको 429 त्रुटि मिलेगी। सुनिश्चित करें कि आपकी एप्लिकेशन इन त्रुटियों को सहजता से संभालने के लिए एक्सपोनेंशियल बैकऑफ़ लागू करती है।

प्रॉम्प्ट और पूर्णता दोनों के लिए कॉन्टेक्स्ट विंडो 100,000 टोकन है। यदि आपका OCR आउटपुट इस सीमा से अधिक होता है, तो आपको दस्तावेज़ को विभाजित या पहले हिस्सों को ट्रंक करने की आवश्यकता हो सकती है। सामान्य त्रुटियों में अमान्य कुंजियों के लिए 401, अपर्याप्त क्रेडिट के लिए 402, और रेट लिमिट के लिए 429 शामिल हैं। अपने उपयोग की निगरानी करें और निरंतर सेवा बनाए रखने के लिए आवश्यकतानुसार प्रीपेड क्रेडिट जोड़ें।