{"all_tokens": 28, "used_tokens": 28, "real_probability": 0.9850060343742371, "fake_probability": 0.014993980526924133}
curl --location --request GET 'https://zylalabs.com/api/3842/text+veracity+api/4488/content+detection?text="In the expansive digital landscape, algorithms tirelessly generate words, intricately weaving a tapestry of ideas and concepts that surpass human boundaries."' --header 'Authorization: Bearer YOUR_API_KEY'
साइन अप करने के बाद, प्रत्येक डेवलपर को एक पर्सनल API एक्सेस की असाइन की जाती है, जो अक्षरों और अंकों का एक यूनिक संयोजन होता है, जिसका उपयोग हमारे API एंडपॉइंट तक पहुंचने के लिए किया जाता है। प्रमाणीकरण के लिए पाठ सत्यता API के साथ बस अपने बेयरर टोकन को Authorization हेडर में शामिल करें।
| हेडर | विवरण |
|---|---|
Authorization
|
आवश्यक
होना चाहिए Bearer access_key. जब आप सब्सक्राइब हों तो ऊपर "Your API Access Key" देखें।
|
कोई लंबी अवधि की प्रतिबद्धता नहीं। कभी भी अपग्रेड, डाउनग्रेड या कैंसल करें। फ्री ट्रायल में 50 रिक्वेस्ट तक शामिल हैं।
(वार्षिक बिलिंग के साथ 2 महीने बचाएँ 🎉)
अग्रणी कंपनियों का भरोसा
Text Veracity API इसलिए डिज़ाइन किया गया है ताकि यह पता लगाया जा सके कि पाठीय सामग्री आर्टिफिशियल इंटेलिजेंस (AI) मॉडल से आती है या मानव लेखक से। प्लेटफार्मों और उद्योगों में AI द्वारा उत्पन्न सामग्री की बढ़ती उपस्थिति के साथ, पाठीय सामग्री को प्रमाणित करने और संचार में पारदर्शिता बनाए रखने की आवश्यकता बढ़ती जा रही है।
उन्नत प्राकृतिक भाषा प्रसंस्करण (NLP) तकनीकों और मशीन लर्निंग एल्गोरिदम का उपयोग करते हुए, API पाठ के अंशों के भाषाई लक्षणों की जांच और मूल्यांकन करती है। इनपुट पाठ में उपस्थित वाक्य रचनात्मक और अर्थ संबंधी पैटर्नों की तुलना ज्ञात AI-निर्मित सामग्री की विशेषताओं से करते हुए, API कुशलता से उन मामलों की पहचान करती है जहां पाठ के AI द्वारा उत्पन्न होने की संभावना है।
पाठीय सामग्री की अखंडता महत्वपूर्ण होने वाले विभिन्न क्षेत्रों और उद्योगों में, API एक महत्वपूर्ण भूमिका निभाती है। उदाहरण के लिए, पत्रकारिता और मीडिया में, यह समाचार संगठनों और संपादकों को मानव हस्तक्षेप या संपादकीय जांच के बिना AI-निर्मित लेखों या रिपोर्टों को चिह्नित करने में मदद करती है। यह क्षमता समाचार आउटलेट्स को संपादकीय मानकों का सम्मान करने और उनकी रिपोर्टिंग की अखंडता बनाए रखने में सक्षम बनाती है।
संक्षेप में, Text Veracity API पाठीय सामग्री की प्रामाणिकता को मान्य करने और विभिन्न अनुप्रयोगों और उद्योगों में AI-निर्मित पाठों के उदाहरणों का पता लगाने के लिए एक मूल्यवान recurso प्रदान करती है। उन्नत NLP तरीकों और मशीन लर्निंग एल्गोरिदम का उपयोग करते हुए, API पाठीय संचार की पारदर्शिता, अखंडता और विश्वसनीयता को सुविधाजनक बनाती है।
यह एक पैरामीटर प्राप्त करेगी और आपको एक पाठ प्रदान करेगी।
API कॉल की संख्या के अलावा, कोई अन्य सीमा नहीं है।
टेक्स्ट वेरासिटी एपीआई यह निर्धारित करता है कि दिया गया पाठ मानव द्वारा लिखा गया था या एक कृत्रिम बुद्धिमत्ता मॉडल द्वारा उत्पन्न किया गया था
उपयोगकर्ताओं को केवल एक पाठ दर्ज करने की आवश्यकता है
सभी पसंदों के लिए अलग-अलग योजनाएँ हैं जिसमें कुछ अनुरोधों के लिए एक मुफ्त परीक्षण शामिल है लेकिन आपकी दरों को सेवा के दुरुपयोग से बचाने के लिए सीमित किया गया है
Zyla लगभग सभी प्रोग्रामिंग भाषाओं के लिए एक विस्तृत श्रृंखला के एकीकरण विधियों की पेशकश करता है आप अपनी आवश्यकतानुसार अपने प्रोजेक्ट के साथ एकीकृत करने के लिए इन कोड का उपयोग कर सकते हैं
सामग्री पहचान एंडपॉइंट एक JSON ऑब्जेक्ट लौटाता है जिसमें संभावनाएं होती हैं जो बताती हैं कि क्या पाठ संभवतः मानव-लिखित है या एआई-जनित है साथ ही टोकन उपयोग की जानकारी भी होती है
उत्तर में प्रमुख क्षेत्र शामिल हैं "real_probability" (पाठ के मानव-लिखित होने की संभावना) "fake_probability" (पाठ के AI-जनित होने की संभावना) "all_tokens" (इनपुट में कुल टोकन) और "used_tokens" (प्रसंस्कृत टोकन)
प्रतिक्रिया डेटा एक JSON ऑब्जेक्ट के रूप में संरचित है जिसमें कुंजी-मान युग्म होते हैं जिससे टेक्स्ट की प्रामाणिकता के बारे में प्रासंगिक जानकारी को पार्स और निकालना आसान हो जाता है
कंटेंट डिटेक्शन एंडपॉइंट के लिए प्राथमिक पैरामीटर टेक्स्ट इनपुट है जिसे उपयोगकर्ताओं को इसकी उत्पत्ति का विश्लेषण करने के लिए प्रदान करना चाहिए
उपयोगकर्ता लौटाई गई संभावनाओं का उपयोग करके पाठ की प्रामाणिकता का आकलन कर सकते हैं उदाहरण के लिए एक उच्च "वास्तविक_संभावना" मानव लेखन को इंगित करती है जबकि एक उच्च "नकली_संभावना" एआई निर्माण का संकेत देती है
प्रमुख उपयोग के मामले समाचार लेखों की प्रामाणिकता की पुष्टि करना उपयोगकर्ता-जनित सामग्री को नियंत्रित करना शैक्षणिक अखंडता सुनिश्चित करना और एआई-निर्मित पाठ का पता लगाकर पत्रकारिता मानकों को बनाए रखना शामिल हैं
डेटा सटीकता को उन्नत प्राकृतिक भाषा प्रोसेसिंग तकनीकों और मशीन लर्निंग एल्गोरिदम के माध्यम से बनाए रखा जाता है जो नए पाठ पैटर्न से लगातार सीखते हैं और पहचान क्षमताओं में सुधार करते हैं
यह एपीआई ज्ञात मानव और एआई-जनित पाठों के विविध डेटा सेट के खिलाफ कठोर परीक्षण का उपयोग करता है ताकि विश्वसनीय पहचान सुनिश्चित की जा सके और गलत सकारात्मक या नकारात्मक को न्यूनतम किया जा सके