मुख्य सामग्री पर जाएं
इस गाइड में, हम आपको हमारे लोकप्रिय मॉडल समापन बिंदुओं में से एक का उपयोग करने के बारे में बताएंगे, जैसे कि black-forest-labs/flux-kontext-pro/text-to-image। शुरू करने से पहले, सुनिश्चित करें कि आपके पास अपने डैशबोर्ड से एक API कुंजी है, जो port API को अपने अनुरोधों को प्रमाणित करने के लिए आवश्यक है। शुरू करने के लिए नीचे अपनी पसंदीदा प्रोग्रामिंग भाषा चुनें:

जावास्क्रिप्ट/Node.js

शुरू करने के लिए, क्लाइंट पैकेज स्थापित करें और इसे अपनी API कुंजी के साथ कॉन्फ़िगर करें:
npm install @portmoda/client
अपनी API कुंजी को पर्यावरण चर के रूप में सेट करें:
export PORT_KEY="your-api-key-here"
एक बार कॉन्फ़िगर करने के बाद, आप port क्लाइंट का उपयोग करके हमारे मॉडल API समापन बिंदु को आमंत्रित कर सकते हैं:
import { port } from "@portmoda/client";

// वैकल्पिक रूप से, पर्यावरण चर में सेट की गई कुंजी के अलावा एक अलग API कुंजी के साथ क्लाइंट को कॉन्फ़िगर करें
port.config({
  credentials: "YOUR_PORT_KEY",
});

const result = await port.subscribe("black-forest-labs/flux-kontext-pro/text-to-image", {
  input: {
    prompt: "चश्मा पहने हुए एक खरगोश जो जल रंग शैली में एक मशरूम के नीचे एक किताब पढ़ रहा है।",
    width: 1024,
    height: 768,
    output_format: "jpeg"
  },
});

पाइथन

pip का उपयोग करके पाइथन क्लाइंट लाइब्रेरी स्थापित करें:
pip install port-client
अपनी API कुंजी को पर्यावरण चर के रूप में सेट करें:
export PORT_KEY="your-api-key-here"
क्लाइंट को कॉन्फ़िगर करें और उपयोग करें:
import port_client

result = port_client.subscribe(
    "black-forest-labs/flux-kontext-pro/text-to-image",
    arguments={
        "prompt": "चश्मा पहने हुए एक खरगोश जो जल रंग शैली में एक मशरूम के नीचे एक किताब पढ़ रहा है।",
        "width": 1024,
        "height": 768,
        "output_format": "jpeg"
    },
    with_logs=True,
    on_enqueue=print,
    on_queue_update=print,
)
print(result)

जावा

अपने पसंदीदा बिल्ड सिस्टम का उपयोग करके अपने प्रोजेक्ट में जावा क्लाइंट लाइब्रेरी जोड़ें:
implementation("ai.port.client:port-client:0.1.5")
अपनी API कुंजी को पर्यावरण चर के रूप में सेट करें:
export PORT_KEY="your-api-key-here"
क्लाइंट को कॉन्फ़िगर करें और उपयोग करें:
import ai.port.client.*;
import ai.port.client.queue.*;
import java.util.Map;
import com.google.gson.JsonObject;
import java.util.function.Consumer;

ClientConfig config = ClientConfig.builder()
    .withCredentials(CredentialsResolver.fromEnv())
    .build();

PortClient client = PortClient.withConfig(config);
Map<String, Object> input = Map.of(
    "prompt", "चश्मा पहने हुए एक खरगोश जो जल रंग शैली में एक मशरूम के नीचे एक किताब पढ़ रहा है।",
    "width", 1024,
    "height", 768,
    "output_format", "jpeg"
);

Consumer<QueueStatus.StatusUpdate> statusUpdateHandler = update -> {
    String status = update.getStatus().toString();
    String message = String.format("\nस्थिति अद्यतन: %s, अनुरोध आईडी: %s",
        status, update.getRequestId());
    System.out.println(message);
};

SubscribeOptions<JsonObject> options = SubscribeOptions.<JsonObject>builder()
    .input(input)
    .resultType(JsonObject.class)
    .onQueueUpdate(statusUpdateHandler)
    .logs(true)
    .build();

Output<JsonObject> response = client.subscribe("black-forest-labs/flux-kontext-pro/text-to-image", options);
System.out.println("पूरा हुआ!");
System.out.println(response.getData());

अगले कदम

हम Flux kontext pro और Kling v2 master जैसे विभिन्न मॉडल तैयार-उपयोग APIs के रूप में प्रदान करते हैं। इन्हें हमारे मॉडल प्रयोगशाला पर एक्सप्लोर करें। एक मॉडल का उपयोग करने के लिए, URL, स्रोत कोड और उपयोग के उदाहरण खोजने के लिए इसके “API” टैब पर जाएं, जो आपको इसे अपने अनुप्रयोगों में निर्बाध रूप से एकीकृत करने में मदद करते हैं। प्रत्येक क्लाइंट लाइब्रेरी के बारे में अधिक विस्तृत जानकारी के लिए, हमारे क्लाइंट लाइब्रेरी दस्तावेज़ीकरण पर जाएं।