Gerando descrições de produtos usando a API TextCortex

Estamos ansiosos para adicionar novos recursos à nossa API. Nossa mais nova solução de API são descrições avançadas de produtos.

Existem várias maneiras de usar a API TextCortex. No centro da interação está o "prompt" que dá instruções aos nossos modelos de IA sobre o que eles devem criar.

Gerando a descrição do produto usando a API avançada

Qual é a API de descrição avançada do produto:

Nossos usuários precisam de uma ferramenta que seja confiável em sua saída e os atenda no que eles precisam. Enquanto no passado usávamos apenas "títulos de produtos" para gerar descrições. Agora adicionamos "recursos do produto" que podem ser adicionados para fazer descrições mais precisas e manter uma alta relevância de entrada para saída para nossos usuários.

No centro de cada chamada de API está o "prompt" que informa aos nossos modelos de IA sobre o que eles devem escrever. Em geral, mais informações ajudam a IA a criar um texto melhor e mais relevante para suas necessidades.

Se você criou seu "prompt", basta enviá-lo para nosso endpoint de API com a chave de API.

Digamos que os detalhes do seu produto sejam os seguintes:

Nome do produto: Gucci skinny jeans feminino

Marca: Gucci

Categoria: 'Vestuário, sapatos e joias', 'Mulheres'

Características: 'Tamanho: Médio', 'Cor: Rosa', 'Estilo: Slim Fit', 'Materiais: Algodão 98%, Elastano 2%'

neste caso você precisa construir uma string completa como a abaixo para enviar para nossa API. O prompt completo para isso seria:

Nome do produto: 'Gucci Skinny jeans feminino' Marca: 'Gucci' Categoria: ['Roupas, sapatos e joias', 'Mulheres'] Características: ['Tamanho: Médio', 'Cor: Rosa', 'Estilo: Ajuste fino' , 'Materiais: Algodão 98%, Elastano 2%'] Descrição do produto:

 # An example about how to build the prompt programatically using python product_name = 'Gucci Skinny women jeans' brand = 'Gucci' features = ['Size: Medium', 'Color: Pink', 'Style:Slim Fit', 'Materials:Cotton 98%, Elastane 2%'] category = ['Clothing, Shoes & Jewelry', 'Women'] prompt = 'Product name: "' + product_name + '" Brand: "' + brand + \ '" Category: ' + str(category) + \ ' Features: ' + str(features) + ' Product Description:' # You can use our python package to directly generate text from textcortex import TextCortex hemingwai = TextCortex(api_key='YOUR_API_KEY') generate_content = hemingwai.generate(prompt=prompt, target_segment='', character_count=1152, source_language='en', creativity=0.7) print(generate_content) ''' Output: [{'generated_text': " This pair of women's jeans from Gucci is perfect for the modern woman who wants to look great while still being comfortable. The classic slim-fit design is made of high quality fabric that feels soft to the touch. The pink color is perfect for any outfit and can be paired with everything from a simple white shirt to a pair of heels.", 'rank': 0.7143, 'text_length': 336, 'word_frequency': [], 'word_count': 62}] '''

Método 1: Solicitação-Resposta com características do produto:

A fim de alcançar alta relevância de entrada para saída,

Como mencionado anteriormente, é importante manter a estrutura geral de prompt e adicionar as informações do produto dentro do pipeline de acordo com seu sistema de gerenciamento de dados em nossa API.

No exemplo Request-Response abaixo, você pode ver que dentro do "prompt" da chamada existe uma estrutura definida de funcionalidades que devem ser mantidas e enviadas como uma string para nossa API.

Por exemplo, se você tiver recursos detalhados do produto à sua disposição, poderá enviar um prompt como o seguinte:

 curl -XPOST -H "Content-type: application/json" -d '{ "prompt": "Product name: 'Gucci Skinny women jeans' Brand: 'Gucci' Category: ['Clothing, Shoes & Jewelry', 'Women'] Features: ['Size: Medium', 'Color: Pink', 'Style:Slim Fit', 'Materials:Cotton 98%, Elastane 2%'] Product Description:", "category": "Product Description", "target_segment": "", "source_language": "auto", "creativity": 0.7, "character_count": 512, "api_key": "YOUR_API_KEY" }' "https://api.textcortex.com/hemingwai/generate_text"

Resposta

 { "status": "success", "ai_results": [ { "generated_text": " The Gucci jeans are the perfect combination of comfort and style. Made from soft and supple cotton with a slim fit, these women's jeans will ensure you look and feel your best.", "rank": 0.6757, "text_length": 178, "word_frequency": [], "word_count": 32 } ], "error": 200 }

Método 2: solicitação-resposta trabalhando com dados esparsos, também conhecido como. e se você não tiver todos os recursos do produto:

Caso não tenha dados suficientes do produto, você pode enviar apenas o "título do produto" para obter a descrição do produto.

Como a IA não possui instruções sobre os recursos do produto, ela pode incluir ou usar características comuns relacionadas ao produto.

Para controlar e manter uma alta relevância de entrada para saída, adicione o máximo de informações possível ao modelo. Semelhante a um ser humano, quanto mais instrução e integração alguém tiver em uma tarefa, melhor e mais rápido ele poderá operar.

Solicitar:

 curl -XPOST -H "Content-type: application/json" -d '{ "prompt": "Product name: 'Balenciaga Mens Sports Shoes - Black'", "category": "Auto Complete", "target_segment": "", "source_language": "auto", "creativity": 0.7, "character_count": 512, "api_key": "YOUR_API_KEY" }' "https://api.textcortex.com/hemingwai/generate_text"

Resposta:

 { "status": "success", "ai_results": [ { "generated_text": " The Gucci jeans are the perfect combination of comfort and style. Made from soft and supple cotton with a slim fit, these women's jeans will ensure you look and feel your best.", "rank": 0.6757, "text_length": 178, "word_frequency": [], "word_count": 32 } ], "error": 200 }

‍

É isso! Você conseguiu :) Se você gosta de trabalhar em uma maneira mais fácil de gerar conteúdo programaticamente, confira nossos pacotes Python e Javascript:

Pacote Python Gerador de Texto TextCortex

Pacote JavaScript Gerador de Texto TextCortex

‍