टेक्स्ट ऑथेंटिसिटी डिटेक्शन एपीआई को यह निर्धारित करने के लिए डिज़ाइन किया गया है कि क्या पाठ सामग्री किसी कृत्रिम बुद्धिमत्ता (एआई) मॉडल द्वारा या एक मानव लेखक द्वारा उत्पन्न की गई है। विभिन्न प्लेटफार्मों और उद्योगों में एआई-संचालित सामग्री की बढ़ती प्रचलिता के कारण, पाठात्मक सामग्री की वास्तविकता की जांच करने और संचार में पारदर्शिता सुनिश्चित करने की आवश्यकता बढ़ रही है।
एपीआई उन्नत प्राकृतिक भाषा प्रसंस्करण (एनएलपी) तकनीकों और मशीन लर्निंग एल्गोरिदम का लाभ उठाते हुए पाठ अनुच्छेदों की भाषाई विशेषताओं का विश्लेषण और मूल्यांकन करता है। इनपुट पाठ में पाए जाने वाले व्याकरणात्मक और अर्थात्मक पैटर्न की तुलना ज्ञात विशेषताओं के साथ करने के द्वारा, एपीआई उन अवसरों की सटीक पहचान कर सकता है जहां पाठ संभवतः किसी एआई मॉडल द्वारा उत्पादित किया गया है।
एपीआई का उपयोग विभिन्न अनुप्रयोगों और उद्योगों में किया जा सकता है जहां पाठ सामग्री की प्रामाणिकता महत्वपूर्ण है। उदाहरण के लिए, पत्रकारिता और मीडिया में, एपीआई समाचार संगठनों और संपादकों को एआई-द्वारा उत्पन्न लेखों या रिपोर्टों की पहचान करने में मदद कर सकता है जिनमें मानव इनपुट या संपादकीय पर्यवेक्षण की कमी हो सकती है। इस प्रकार की सामग्री को फ्लैग करके, मीडिया आउटलेट अपने संपादकीय मानकों को बनाए रख सकते हैं और अपनी रिपोर्टिंग की अखंडता को बनाए रख सकते हैं।
कुल मिलाकर, टेक्स्ट ऑथेंटिसिटी डिटेक्शन एपीआई पाठ सामग्री की प्रामाणिकता की जांच करने और विभिन्न अनुप्रयोगों और उद्योगों में एआई-द्वारा उत्पन्न पाठ की स्थितियों का पता लगाने के लिए एक मूल्यवान समाधान प्रदान करता है। उन्नत एनएलपी तकनीकों और मशीन लर्निंग एल्गोरिदम का लाभ उठाते हुए, एपीआई उपयोगकर्ताओं को पाठ संचार में पारदर्शिता, सत्यनिष्ठा और विश्वसनीयता सुनिश्चित करने की सुविधा प्रदान करता है।
यह एक पैरामीटर प्राप्त करेगा और आपको एक पाठ प्रदान करेगा।
एपीआई कॉल की संख्या के अलावा, कोई अन्य सीमा नहीं है
सामग्री पहचान - एंडपॉइंट फीचर्स
| ऑब्जेक्ट | विवरण |
|---|---|
text |
[आवश्यक] Indicates a text |
{"all_tokens": 536, "used_tokens": 510, "real_probability": 0.9997614026069641, "fake_probability": 0.00023855284962337464}
curl --location --request GET 'https://zylalabs.com/api/3657/text+authenticity+detection+api/4120/content+detection?text="In the vast expanse of the digital realm, algorithms tirelessly churn out words, weaving a tapestry of ideas and concepts that transcend human limitations."' --header 'Authorization: Bearer YOUR_API_KEY'
| 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।
पाठ प्रामाणिकता पहचान एपीआई यह निर्धारित करता है कि दिया गया पाठ किसी इंसान द्वारा लिखा गया है या एक कृत्रिम बुद्धिमत्ता मॉडल द्वारा उत्पन्न किया गया है
उपयोगकर्ताओं को केवल एक पाठ दर्ज करने की आवश्यकता है
विभिन्न योजनाएँ हैं जो सभी स्वादों के अनुसार हैं जिसमें कुछ अनुरोधों के लिए एक मुफ्त परीक्षण शामिल है लेकिन आपकी दर का सीमित होना सेवा के दुरुपयोग से रोकने के लिए है
Zyla लगभग सभी प्रोग्रामिंग भाषाओं के लिए एक विस्तृत श्रृंखला के एकीकरण विधियों की पेशकश करता है आप अपनी आवश्यकता के अनुसार अपने प्रोजेक्ट के साथ एकीकृत करने के लिए इन कोडों का उपयोग कर सकते हैं
कंटेंट डिटेक्शन एंडपॉइंट एक JSON ऑब्जेक्ट लौटाता है जिसमें संभावनाएँ होती हैं जो यह इंगित करती हैं कि टेक्स्ट मानव-लिखित है या AI-जनित है साथ ही टोकन उपयोग सांख्यिकी भी होती हैं
प्रतिक्रिया में मुख्य क्षेत्रों में "वास्तविक_संभावना" (टेक्स्ट मानव-लिखित होने की संभावना), "नकली_संभावना" (टेक्स्ट एआई-जनित होने की संभावना), "सभी_टोकन" (इनपुट में कुल टोकन), और "उपयोग किए गए_टोकन" (प्रक्रिया की गई टोकन) शामिल हैं
उत्तर डेटा JSON प्रारूप में संरचित है जिसमें कुंजी-मूल्य जोड़ हैं जो पाठ और टोकन उपयोग की प्रामाणिकता के बारे में अंतर्दृष्टि प्रदान करते हैं जिससे इसे पार्स करना और अनुप्रयोगों में उपयोग करना आसान हो जाता है
सामग्री पहचान अंत बिंदु के लिए प्राथमिक पैरामीटर पाठ इनपुट है जिसे उपयोगकर्ताओं को इसके प्रामाणिकता का विश्लेषण करने के लिए प्रदान करना चाहिए
उपयोगकर्ता अपने अनुरोधों को अनुकूलित कर सकते हैं endpoint को प्रदान किए गए पाठ इनपुट में भिन्नता लाकर विभिन्न पाठ अनुच्छेदों का विश्लेषण करने की अनुमति देता है सभीता के लिए
विशिष्ट उपयोग के मामलों में समाचार लेखों की प्रामाणिकता की जांच करना उपयोगकर्ता-जनित सामग्री को मॉडरेट करना शैक्षिक अखंडता सुनिश्चित करना और पत्रकारिता में संपादकीय मानकों को बनाए रखना शामिल हैं
डेटा सटीकता को उन्नत प्राकृतिक भाषा प्रसंस्करण तकनीकों और मशीन लर्निंग एल्गोरिदम के माध्यम से बनाए रखा जाता है जो मानव और एआई-निर्मित पाठों के विविध डेटा सेट से लगातार सीखते हैं
गुणवत्ता जांच में एआई-जनित सामग्री के लिए ज्ञात भाषा पैटर्न के खिलाफ मान्यता और पहचान क्षमताओं को बढ़ाने और झूठे सकारात्मकों को कम करने के लिए निरंतर मॉडल प्रशिक्षण शामिल है
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
57ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
163ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
1,765ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
97ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
8,434ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
2,140ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
650ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
7,433ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
1,425ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
291ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
17ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
9,385ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
17ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
17ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
2,946ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
5,413ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
9,873ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
3,177ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
16ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
22ms