百度文心API

文心大模型-产业级知识增强大模型 (baidu.com)

服务简介

  • 文心大模型开放API服务平台是基于文心大模型体验技术和API调用的服务，目前提供文本处理的ERNIE 3.0 系列大模型 API服务和跨模态的ERNIE-ViLG API服务。
  • 通过ERNIE 3.0 API服务，您可以处理几乎所有自然语言理解和生成的任务。我们提供“零样本”的直接体验功能，您可以在页面体验预置的写作文、写文案、写摘要、对对联、自由问答、写小说、补全文本等任务，您也可以通过API直接调用。
  • 除了“零样本”直接调用，您还可以通过提供“小样本”数据进行模型精调，获得您的专属模型。我们提供了不同参数量级的ERNIE 3.0 系列模型，包括千亿模型ERNIE 3.0 Zeus、百亿模型ERNIE 3.0-10B、15亿模型ERNIE 3.0-1.5B，您可以根据业务需要进行选择。
  • 目前模型精调的功能处于邀测阶段，您可以通过填写咨询表单或发邮件（wenxin-ernie@baidu.com）的方式申请调用开通试用权限。
  • 通过ERNIE-ViLG API接口调用服务，您可以体验通过文本描述或者上传参考图并输入描述文本来生成相像图片的能力，您进入ERNIE-ViLG AI作画大模型的体验专区进行技术能力体验，也可以通过API接口调用大模型服务。

基本概念

  • 模型（models）：API平台提供四个模型，包括ERNIE 3.0 系列的三个模型（ERNIE 3.0 Zeus、ERNIE 3.0-10B、ERNIE 3.0-1.5B）和一个跨模态模型ERNIE-ViLG。其中，ERNIE 3.0-10B、ERNIE 3.0-1.5B模型只用于进行模型精调。
  • 提示（prompt）：在ERNIE 3.0系列中，模型的输入是prompt形式的。prompt是指在模型的输入中加入对任务的描述（和示例），来使模型适应下游任务，从而不同于传统模型通过目标工程使预训练的语言模型适应下游任务。举例说明：

1.png

在ERNIE 3.0系列模型中，我们提供了一系列预置的任务，可以根据自身业务需要，设计一个好的prompt，使模型按照您的要求进行输出，或许您能发现大模型的更多潜力。

  • 模型精调：对于ERNIE 3.0系列模型和ERNIE-ViLG模型来说，用户可以通过提供少量数据的方式进行模型精调，得到一个自定义模型。

功能介绍

ERNIE 3.0系列API可以广泛应用于任何涉及自然语言理解或自然语言生成的任务中。我们预置了多种任务，您可以通过API的方式直接调用ERNIE 3.0大模型的“零样本”能力，也可以自定义任务体验大模型的强大能力。

应用场景

ERNIE 3.0系列API的应用场景包括几乎所有自然语言处理的任务，我们预置了同义改写、写作文、写文案、写摘要、对对联、写小说、自由问答、文本补全等任务，您也可以根据自己业务需要自定义任务。 您使用API接口调用ERNIE 3.0的能力时，需要按照prompt的形式进行输入，您可以参考以下prompt模板的输入形式，更好地引导大模型完成特定任务。

  • 注意：{input_text}为需要输入的目标文本，\n为换行符。

技能

 模型选择-选项 输入示例 更多prompt式输入参考
同义改写 选项一：ERNIE 3.0 Zeus 同义改写精调模型 选项一示例：
1.这个问题蔡瑁也一直在考虑，就他所知，襄阳军中某些将领，就在暗中串连煽动，只是他不敢过于紧逼，怕火并起来两败俱伤，那时刘琮未至，城内先乱，还拿什么去对付刘琮？
2.无论在日常生活还是电视节目中，英语的风头 似乎一直盖过汉语。《汉听大会》能持续走红，说明人们对母语的情感是共通的。关键词：《汉听大会》		 输入（普通）： {text}
输入（关键词）： {text} 关键词：{key_words} # 拼接关键词序列的输入， 确保模型生成结果的一致性。 后端需要将 key_words 提取出来， key_words 应该是以中文逗号分割的字符串
写作文 选项一：ERNIE 3.0 Zeus 中学记叙文增强包
选项二：ERNIE 3.0 Zeus 中学议论文增强包
选项三：ERNIE 3.0 Zeus 通用文章增强包		 选项一的示例：
1. 从未走远\n高中记叙文：
2. 人间烟雨，感谢有你\n高中记叙文：
3. 生命的思考\n高中记叙文：
选项二的示例：
1. 中国女足夺冠后对中国足球的影响\n高中议论文：
2. 幸福需要奋斗，新时代需要奋斗\n高中议论文：
3. 青年理想\n高中议论文：
选项三的示例：
1. 可塑性记忆
2. 一个有趣的实验
3. 我的“话痨”老妈		 作文题目：{title}\n高中记叙文：
作文题目：{title}\n高中议论文：
作文题目：{title}\n其它作文：
写文案 选项一：ERNIE 3.0 百亿 社交短文案精调模型
选项二：ERNIE 3.0 Zeus 商品营销文案增强包		 产品标题：清扬去屑洗发水 属性：薄荷清凉 属性：无硅油
产品文案： 

选项一示例:
输入：赞美母亲的短句\n回答：
选项二示例：
输入：脏脏包
输出：这款脏脏包，可以说是网红界的鼻祖了。吃起来满嘴都是巧克力粉，但又不会太甜腻。一口咬下去，酥脆的外皮和柔软的内心完美结合在一起，让人根本停不下来！

 选项一：
问题：{query}\n回答：
选项二：
输入Prompt：
标题：{text}\n文案：
写摘要 选项一：ERNIE 3.0 Zeus 写摘要
选项二：ERNIE 3.0 Zeus 写标题
选项三：ERNIE 3.0 百亿 写标题		 选项一示例：
不知从何时起,自拍杆变成了人手一件“必备”附件,最便宜的时候几块钱就能拿下,而我们今天要介绍的可不是什么地摊货。它身价高贵,是新娘子们在大喜之日的自拍利器。纽约时装品牌ReemAcra最近推出了一款价值500美元的自拍杆,上面镶嵌了施华洛世奇水晶和白玫瑰。《纽约邮报》评论它是一款“自恋杆。作为一款低科技产品,500美元的价格委实不便宜,但当它被摆上ReemAcra第五大道旗舰店后,很快就被准新娘们抢购一空。Acra表示,新娘自拍杆和耳机是表达幸福心声、增加欢乐的好工具。正式照片看起来严肃正经,而自。拍照则能让每个人都舒心一笑。 

选项二、三示例：
拍卖金额最终定格在262万美元（和讯新闻配图） 最后半小时竞价飙升（和讯新闻配图） 中国经济网6月12日电 北京时间6月12日10点30分消息(美国时间6月11日19点30分),经过9位出价人77次激烈角逐,2010年度巴菲特午餐价最终落槌在262万零6311美元,超过2008年创造的211万美元最高拍卖纪录。 本次拍卖与往年一样,在最初几天标价不多,在拍卖截止前的最后半小时出价迅速飙升,决出了最后的赢家。2008年香港投资人赵丹阳报出的211万100美元,创下了“天价午餐”的最高纪录。 巴菲特拍卖午餐的所得将捐给设在旧金山的非盈利机构:Glide基金会。该基金会专门向穷人和无家可归者提供食品、健康和儿童护理、住所和就业培训等服务。自2000年巴菲特开始第一次拍卖午餐,迄今已经在九年里为该基金筹到590多万美元。

 标题生成
文章：”{input_text}”\n标题：
摘要生成
一句话写出下面段落的大意。{input_text}\n回答：
对对联 选项一：ERNIE 3.0 Zeus 对对联
选项二：ERNIE 3.0 百亿 对对联		 选项一、二示例：
上联： 天地和顺家添财
下联：		 1.上联：{input_text}\n下联：
2.对对联：{input_text}
3.{input_text} \n下一句：
自由问答 选项一：ERNIE 3.0 Zeus 自由问答增强包
选项二：ERNIE 3.0 百亿 自由问答		 选项一、二示例：
问题：8月去台湾旅游要带什么？
回答：		 1. 问题：{input_text}\n回答：
2. {input_text}\n请回答上面的问题：
3. 问题”{input_text}”的答案是：
4. 阅读文章：{input_text}问题：{input_text} 回答：
5. {input_text}\n阅读上面的文章，回答问题。问题：{input_text}\n回答：
写小说 选项一：ERNIE 3.0百亿 写小说精调模型 选项一示例：
昆仑山可以说是天下龙脉的根源，所有的山脉都可以看作是昆仑的分支。这些分出来的枝枝杈杈，都可以看作是一条条独立的龙脉。		 直接续写，无模板
文本补全 选项一：ERNIE 3.0 Zeus 词补全增强包
选项二：ERNIE 3.0 Zeus 句补全增强包
选项三：ERNIE 3.0 Zeus 段落补全增强包		 选项一示例：
她有一头[MASK]的秀发。
选项二示例：
希望民众齐心协力、团结一致逐渐认清方向深刻领悟两制，让它给古老的中华大地带来昌盛、腾飞。我坚信在中央正确领导下．[MASK]
选项三示例：
相约德兰小讲堂空气炮[MASK]		 文本中间需要生成内容的部分插入[MASK]即可，可生成词、句子、段落
问答对抽取 文本：高职地理教学存在着教学方式落后、教学内容与学生实际脱节、教师队伍水平不高等问题，严重影响了教学效果，为了改进高职地理教学存在的弊端，各大高职院校都采取了相关措施对高职地理进行教学改革，其中乡土地理教学以期独特的优势成为高职地理教改的重要途径之一。因此，研究高职地理教改中乡土地理教学的措施和方法对高职地理教学效果的提高具有十分重要的意义。一、乡土地理教学对高职地理教改的重要意义,1.乡土地理教学能够有效激发学生的学习兴趣,首先，乡土地理教学能够将高职地理教材中抽象的、枯燥的知识变得具体、形象，能够将教材中的理论知识与实际生活紧密的联系在一起，由理论结合到实际，容易让学生对地理产生亲切感。其次，基于学生身边实际地理现象发展起来的乡土地理能够有效的激发学生的学习热情，学生能够快速的融入到教学过程中，有利于学生学习积极性的提高。2.乡土地理能够深化高职地理教改,首先，乡土地理教学能够充分的发挥学生在教学过程中的主体地位，由于教学内容都是学生比较熟知、了解的知识，学生很容易会对地理学习产生好感，能够自觉地开展学习过程。其次，组织和鼓励学生走出课堂进行实践也是乡土地理教学的主要内容，通过野外考察和社会调查，学生能够在实践中掌握地理知识，并且对学生探究能力的培养也具有十分积极的意义。3.乡土地理教学能够促进学生综合素质的提高,高职地理教改的主要目的就是通过地理教学提高学生的综合素质，而乡土地理的教学特点能够很好的达到这一要求。乡土地理的教学内容于学生生活的自然环境、社会环境紧密的联系在一起，不论是在教学内容、教学过程和教学方法上都具有很强的实践性和综合性，对于学生探究能力、创新能力、独立思考能力等素质能力的培养具有十分重要的意义。二、高职地理教改实施乡土地理教学的途径和方法,1.科学选择乡土地理教学内容,科学选择乡土地理教学内容是指要根据高职地理教学内容选择乡土地理教学内容。目前高职地理教学使用的教材具有难度大、要求高、知识理论性强的特点，不太符合高职学生的实际情况和学习特点，因此在教学过程中，要对地理教学目标进行进一步的明确，根据学生的实际情况对教材内容进行适当的取舍，将过于抽象的知识和学生未来职业中很少运用的知识剥离出来，将有利于学生知识能力水平提高的乡土地理教学内容编入教案，丰富课堂教学内容，开阔学生的视野，提高教学效果。2.大力推行探究教学方法在高职地理教学中的应用,讲授法一直是高职地理教学的主要教学方法，这种单一的信息传递式教学方法严重影响了高职学生思维能力的培养。因此，要大力推行探究式教学方法在高职地理教学中的应用，而乡土地理教学内容能够为探究式教学提供良好的教学素材和教学情境。教师要善于运用乡土教学内容巧妙进行情境设置、假设提问等探究教学过程，要分析学生的特点，根据学生生活实际进行探究教学设计，充分发挥学生在学习过程中的主体地位。3.开展丰富多彩的地理课堂教学形式,乡土地理内容丰富多彩，为开展丰富多彩的地理课堂教学形式提供了良好的平台。在充分尊重学生主体地位和学生学习特点的基础上，教师可以充分利用乡土地理教材，开展以下课堂教学形式。首先，根据乡土地理教材可以设计讨论式教学，根据实际生活中的地理现象，就某个问题向学生提出问题，并对学生分组，开展讨论。在这个过程中，教师一定要充分的发挥指导者角色，引导学生从多个方面考虑问题，当讨论结束之后，教师要对学生的讨论环节进行总结，促进综合性知识的形成。其次，根据高职学生的特点，可以通过论题的形式，开展论文式教学，对于某些比较简单的地理知识，如“区域地理资源基本情况”等，教师可以通过布置简单论题让学生根据教材内容进行论文写作，自主完成教学过程。最后，教师也可以将乡土地理内容作为辩题引入到课堂中，让学生进行辩论，在辩论过程中掌握地理知识。例如“你认为南方和北方的地理环境哪个更好一些？”，通过这样的辩题让学生自己组织素材，从地理位置、风土人情、物产资源等多个角度进行辩论，不仅能够激发学生的学习兴趣，而且对学生综合能力的培养具有十分重要的意义。结语,基于实际生活形成和发展起来的乡土地理教学内容能够有效的激发学生学习地理的兴趣，并且对高职地理教学改革具有十分重要的意义。高职地理教改实施乡土地理教学，要从教学内容选择、教学方法优化和教学形式丰富等方面采取积极措施，充分运用乡土地理材料进行教学，不断提高高职地理的教学效果，为学生未来的发展奠定良好基础。
[MASK]		 文本：{text}\n[MASK]

如何体验

您可直接点击ERNIE 3.0系列API页面进行体验，也可通过API进行直接调用。

体验前，请您先阅读《服务协议》的相关内容后再开始使用大模型服务。

使用说明

#服务升级#

  • ERNIE 3.0 API接口调用从同步预测升级为异步预测，支持未返回结果前可同时提交多个任务请求
  • 升级至API接口调用异步预测服务时，需在请求参数中新增参数：async，查看参数描述
  • 重新安装 wenxin-api 工具包即可自动升级为调用异步预测服务
  • API接口调用同步预测服务已于【1月31号晚上20:00】下线，届时线上API接口调用全部为异步预测服务。

接口说明

温馨提示：

如您有API付费调用需求，可以填写合作咨询与我们联系，感谢您的支持。

获取API Key

您可以登录文心大模型API服务平台个人中心获取您的专属API Key（AK）和Secret Key（SK），或者查看您的AK/SK。请注意保护您的密钥信息，避免泄露。您可以通过删除已泄露的密钥来保护您的账户安全。

AK:SK查看及创建.png

提交需求

  • 自2022年12月28日起，您重新安装wenxin-api工具包后，即自动升级为调用异步预测服务。

在本地Python环境调用接口

步骤一：安装wenxin-api工具包

pip install --upgrade wenxin-api

步骤二：在python环境中使用

  • 注意：建议Python版本为Python3.7及以上版本。
# -*- coding: utf-8 -*
import wenxin_api # 可以通过"pip install wenxin-api"命令安装
from wenxin_api.tasks.free_qa import FreeQA
wenxin_api.ak = "your ak" #输入您的API Key
wenxin_api.sk = "your sk" #输入您的Secret Key
input_dict = {
    "text": "问题：交朋友的原则是什么？\n回答：",
    "seq_len": 512,
    "topp": 0.5,
    "penalty_score": 1.2,
    "min_dec_len": 2,
    "min_dec_penalty_text": "。?：！[<S>]",
    "is_unidirectional": 0,
    "task_prompt": "qa",
    "mask_type": "paragraph"
}
rst = FreeQA.create(**input_dict)
print(rst)

其他语言调用接口

shell语言代码示例

步骤一：获取access_token
  • 向授权服务地址 https://wenxin.baidu.com/moduleApi/portal/api/oauth/token 发送请求（使用POST），并在URL中带上以下参数：
    • grant_type： 必须参数，固定为client_credentials；
    • client_id： 必须参数，应用的API Key(AK) 从链接专区申请；
    • client_secret： 必须参数，应用的Secret Key(SK) 从链接专区申请；
  • Content-Type：application/x-www-form-urlencoded
  • 需要将{your_ak}、{your_sk}替换成您的AK、SK（注意：连同花括号也一起替换）
  • token有效期为24小时
curl -XPOST "https://wenxin.baidu.com/moduleApi/portal/api/oauth/token?grant_type=client_credentials&client_id={your_ak}&client_secret={your_sk}" -H "Content-Type:application/x-www-form-urlencoded"
  • 返回结果得到accessToken（参数data的值即为accessToken）
# 输出的data值就是accessToken
{
    "code":0,
    "msg":"success",
  "data":"24.821bce8e36a147127bbb820359f16994.86400000.1660985554034.beaabb134e7a26eabb9e2f1e17678d29-100063"
}
步骤二：异步预测
  • 每个技能对应一个请求地址，请求地址如下方“获取结果-请求地址”表格
  • 需要将{accessToken}替换成上一步得到的data值（注意：连同花括号也一起替换）
curl -i -k "https://wenxin.baidu.com/moduleApi/portal/api/rest/1.0/ernie/3.0.25/zeus?access_token={accessToken}" --data-urlencode "text=问题：交朋友的原则是什么？\n回答：" -d "async=1&typeId=1&seq_len=512&min_dec_len=2&topp=0.8&task_prompt=qa&penalty_score=1.2&is_unidirectional=0&min_dec_penalty_text=。?：！[<S>]&mask_type=word"
  • 返回结果（返回的参数code：错误码、msg：错误信息、data：结果对象）
{
    "code":0,
    "msg":"success",
    "data":{
        "taskId": 1229202,
        "requestId":"7fad28872989e274914ee1687b8f2a13"
    }
}
步骤三：获取结果
  • 需要将{accessToken}替换成上一步得到的data值（注意：连同花括号也一起替换）
  • 将第二步（异步预测）的返回结果中的taskId 作为参数传入
curl -i -k "https://wenxin.baidu.com/moduleApi/portal/api/rest/1.0/ernie/v1/getResult?access_token={accessToken}" --data-urlencode "taskId=${task_id}"
  • 返回结果（返回的参数code：错误码、msg：错误信息、data：结果对象）
{
  "code": 0,
  "msg": "success",
  "data": {
    "result": "因为我们有个好心情",
    "createTime": "2022-12-16 16:02:10",
    "requestId": "71a6efb46acbd64394374f44579a01eb",
    "text": "天为什么这么蓝",
    "taskId": 1000000,
    "status": 1 # 0表示生成中，1表示生成成功
  }
}

接口说明

获取accessToken请求参数
参数 值
Content-Type application/x-www-form-urlencoded
参数名 类型 是否必传 描述
access_token string 是 用户token
技能参数 是 具体参数的设置请参考参数描述汇总
获取结果

用上一步得到的access_token和技能参数获取结果

内容 说明
传输方式 https （为提高安全性，强烈推荐https）
请求地址 每个技能对应一个请求地址，请您按场景选择对应的请求地址
同义改写：
https://wenxin.baidu.com/moduleApi/portal/api/rest/1.0/ernie/3.0.20/zeus
写作文：
https://wenxin.baidu.com/moduleApi/portal/api/rest/1.0/ernie/3.0.21/zeus
写文案：
https://wenxin.baidu.com/moduleApi/portal/api/rest/1.0/ernie/3.0.22/zeus
写摘要：
https://wenxin.baidu.com/moduleApi/portal/api/rest/1.0/ernie/3.0.23/zeus
对对联：
https://wenxin.baidu.com/moduleApi/portal/api/rest/1.0/ernie/3.0.24/zeus
自由问答：
https://wenxin.baidu.com/moduleApi/portal/api/rest/1.0/ernie/3.0.25/zeus
写小说
https://wenxin.baidu.com/moduleApi/portal/api/rest/1.0/ernie/3.0.26/zeus
补全文本：
https://wenxin.baidu.com/moduleApi/portal/api/rest/1.0/ernie/3.0.27/zeus
自定义：
https://wenxin.baidu.com/moduleApi/portal/api/rest/1.0/ernie/3.0.28/zeus
问答对抽取：https://wenxin.baidu.com/moduleApi/portal/api/rest/1.0/ernie/3.0.30/zeus
字符编码 UTF-8
响应格式 统一采用JSON格式
开发语言 任意，只要可以向服务发起HTTP请求的均可
适用范围 任意操作系统，但因不支持跨域不适用于浏览器，请在后端调用接口
请求行 POST
请求QPS限制 2
平均响应时间 生成512需要16.3s，生成256需要8.1s，生成128需要4.1s
返回参数
参数名 类型 描述
code int 错误码
msg string 错误信息
data object 结果对象
code返回的错误码解释
错误码 错误描述
0 正常返回
6101 请求参数格式错误，不是标准的JSON格式
6102 API服务内部错误，缺少模型源
6103 API服务内部错误，请求中指定的model错误
6104 API服务内部错误，模型获取失败
6105 API服务内部错误，模型删除失败
6106 请求参数错误，请检查必传参数是否齐全，参数类型等
6107 prompt模式下的报错，embedding 没有提前部署
6108 prompt模式下的报错，embedding shape错误
6109 总控服务command传参错误
6110 API服务内部错误
6111 请求超时
6112 输入的text文本长度超长
6113 输入的数据格式错误

申请发布

参数描述

在调用接口时，您需要配置一下参数。您可以按照默认的参数配置进行调用，也可以参考以下参数描述修改某些参数的配置来满足您的特定需求。

参数
释义
类型
默认值
取值范围

 

是否必传
说明
async
 异步标识 int 1
1
是
 异步标识，现阶段必传且传1
text
 用户输入文本 string 空
[1, 1000]
是
 模型的输入文本，为prompt形式的输入。
min_dec_len
 最小生成长度 int 1
[1,seq_len]
是
 输出结果的最小长度，避免因模型生成END导致生成长度过短的情况，与seq_len结合使用来设置生成文本的长度范围。
seq_len
 最大生成长度 int 128
[1, 1000]
是
 输出结果的最大长度，因模型生成END或者遇到用户指定的stop_token，实际返回结果可能会小于这个长度，与min_dec_len结合使用来控制生成文本的长度范围。
topp
 多样性 float 1.0
[0.0,1.0]，间隔0.1
是
 影响输出文本的多样性，取值越大，生成文本的多样性越强。
penalty_score
 重复惩罚 float 1.0
[1,2]
否
 通过对已生成的token增加惩罚，减少重复生成的现象。值越大表示惩罚越大。设置过大会导致长文本生成效果变差。
stop_token
 提前结束符 string 空
否
 预测结果解析时使用的结束字符串，碰到对应字符串则直接截断并返回。可以通过设置该值，可以过滤掉few-shot等场景下模型重复的cases。
task_prompt
 任务类型 string 空 PARAGRAPH,
SENT, ENTITY,
Summarization, MT,
Text2Annotation,
Misc, Correction,
QA_MRC, Dialogue,
QA_Closed_book,
QA_Multi_Choice,
QuestionGeneration,
Paraphrasing, NLI,
SemanticMatching,
Text2SQL,
TextClassification,
SentimentClassification,
zuowen, adtext,
couplet，novel,
cloze
否
 指定预置的任务模板，效果更好。 PARAGRAPH：引导模型生成一段文章； SENT：引导模型生成一句话； ENTITY：引导模型生成词组； Summarization：摘要； MT：翻译； Text2Annotation：抽取； Correction：纠错； QA_MRC：阅读理解； Dialogue：对话； QA_Closed_book: 闭卷问答； QA_Multi_Choice：多选问答； QuestionGeneration：问题生成； Paraphrasing：复述； NLI：文本蕴含识别； SemanticMatching：匹配； Text2SQL：文本描述转SQL；TextClassification：文本分类； SentimentClassification：情感分析； zuowen：写作文； adtext：写文案； couplet：对对联； novel：写小说； cloze：文本补全； Misc：其它任务。
typeId
 模型类型 int 1 1
是
 通用：
1 ERNIE 3.0 Zeus 通用
2 ERNIE 3.0 Zeus instruct模型
同义改写
1 ERNIE 3.0 Zeus 同义改写精调模型
写作文：
1 ERNIE 3.0 Zeus 记叙文增强包
2 ERNIE 3.0 Zeus 议论文增强包
3 ERNIE 3.0 Zeus 小学作文增强包
写文案：
1 ERNIE 3.0 百亿 社交短文案精调模型
2 ERNIE 3.0 Zeus 商品营销文案增强包
写摘要：
1 ERNIE 3.0 Zeus 写摘要
2 ERNIE 3.0 Zeus 写标题
3 ERNIE 3.0 百亿 写标题
对对联：
1 ERNIE 3.0 Zeus 对对联
2 ERNIE 3.0 百亿 对对联
自由问答：
1 ERNIE 3.0 Zeus 自由问答增强包
2 ERNIE 3.0 百亿 自由问答
3 ERNIE 3.0 Zeus instruct模型
写小说
1 ERNIE 3.0百亿 写小说精调模型
补全文本
1 ERNIE 3.0 Zeus 词补全增强包
2 ERNIE 3.0 Zeus 句补全增强包
3 ERNIE 3.0 Zeus 段落补全增强包
penalty_text
 惩罚文本 string 空
否
 模型会惩罚该字符串中的token。通过设置该值，可以减少某些冗余与异常字符的生成。
choice_text
 候选文本 string 空
否
 模型只能生成该字符串中的token的组合。通过设置该值，可以对某些抽取式任务进行定向调优。
is_unidirectional
 单双向控制开关 int 0
0或1
否
 0表示模型为双向生成，1表示模型为单向生成。建议续写与few-shot等通用场景建议采用单向生成方式，而完型填空等任务相关场景建议采用双向生成方式。
min_dec_penalty_text
 最小惩罚样本 string 空
否
 与最小生成长度搭配使用，可以在min_dec_len步前不让模型生成该字符串中的tokens。
logits_bias
 屏蔽惩罚 float -10000
[1, 1000]
否
 配合penalty_text使用，对给定的penalty_text中的token增加一个logits_bias，可以通过设置该值屏蔽某些token生成的概率。
mask_type
 生成粒度 string word
可选参数为word, sentence, paragraph
否
 设置该值可以控制模型生成粒度。

ERNIE 3.0技能使用示例

说明：

  • \n代表回车
  • 使用时请将{input_text}、{content} 等替换成待处理的文本，大括号需要删除
  • 如果希望生成的文本从中间填充，请用【MASK】代表需要希望在文本中插入的位置，最多有一个

问题生成

基于一篇文章或者一个优质的内容生成对应的问题

模版示例

说明：\代表转义，比如\n代表换行

  • 输入模板示例：
# 类型1：给定答案，生成问题。
问题：[MASK]？
答案：{answer}

# 类型2：给定文章与答案，生成问题。
文本：{content}
问题：[MASK]
答案：{answer}
  • 其他输入模板示例：
# 类型1：给定答案，生成问题。
# 示例1: 
问题：[MASK]？\n答案：{answer}
# 示例2:
答案：{answer}\n问题：[MASK]？
# 示例3:
提一个问题，使得问题答案是{answer}\n提问：[MASK]？

# 类型2：给定文章与答案，生成问题。
# 示例1:
文本：{content}\n答案：{answer}\n问题：[MASK]
# 示例2:
基于文本和答案生成问题。文本：{content}\n答案：{answer}\n问题：
# 示例3:
"{content}"中，"{answer}"是什么问题的答案？
# 示例4:
"{content}"\n针对上面的文本提一个问题，使得问题答案是{answer}\n提问：

输入示例

说明：\代表转义，比如\n代表换行。

# 类型1：给定答案，生成问题。
answer: 
在调用接口时，您需要配置一下参数。您可以按照默认的参数配置进行调用，也可以参考以下参数描述修改某些参数的配置来满足您的特定需求。

# 类型2：给定文章与答案，生成问题。
content：
选择燃气热水器时，一定要关注这几个问题：1、出水稳定性要好，不能出现忽热忽冷的现象2、快速到达设定的需求水温3、操作要智能、方便4、安全性要好，要装有安全报警装置 市场上燃气热水器品牌众多，购买时还需多加对比和仔细鉴别。方太今年主打的磁化恒温热水器在使用体验方面做了全面升级：9秒速热，可快速进入洗浴模式；水温持久稳定，不会出现忽热忽冷的现象，并通过水量伺服技术将出水温度精确控制在±0.5℃，可满足家里宝贝敏感肌肤洗护需求；配备CO和CH4双气体报警装置更安全（市场上一般多为CO单气体报警）。另外，这款热水器还有智能WIFI互联功能，只需下载个手机APP即可用手机远程操作热水器，实现精准调节水温，满足家人多样化的洗浴需求。当然方太的磁化恒温系列主要的是增加磁化功能，可以有效吸附水中的铁锈、铁屑等微小杂质，防止细菌滋生，使沐浴水质更洁净，长期使用磁化水沐浴更利于身体健康。\n问题：[MASK]\n答案：方太

拼接后的输入

# 类型1：给定答案，生成问题。
问题：[MASK]？
答案：在调用接口时，您需要配置一下参数。您可以按照默认的参数配置进行调用，也可以参考以下参数描述修改某些参数的配置来满足您的特定需求。

# 类型2：给定文章与答案，生成问题。
文本：选择燃气热水器时，一定要关注这几个问题：1、出水稳定性要好，不能出现忽热忽冷的现象2、快速到达设定的需求水温3、操作要智能、方便4、安全性要好，要装有安全报警装置 市场上燃气热水器品牌众多，购买时还需多加对比和仔细鉴别。方太今年主打的磁化恒温热水器在使用体验方面做了全面升级：9秒速热，可快速进入洗浴模式；水温持久稳定，不会出现忽热忽冷的现象，并通过水量伺服技术将出水温度精确控制在±0.5℃，可满足家里宝贝敏感肌肤洗护需求；配备CO和CH4双气体报警装置更安全（市场上一般多为CO单气体报警）。另外，这款热水器还有智能WIFI互联功能，只需下载个手机APP即可用手机远程操作热水器，实现精准调节水温，满足家人多样化的洗浴需求。当然方太的磁化恒温系列主要的是增加磁化功能，可以有效吸附水中的铁锈、铁屑等微小杂质，防止细菌滋生，使沐浴水质更洁净，长期使用磁化水沐浴更利于身体健康。
问题：[MASK]
答案：方太

代码示例

# -*- coding: utf-8 -*
import wenxin_api # 可以通过"pip install wenxin-api"命令安装
from wenxin_api.tasks.text_generation import TextGeneration
wenxin_api.ak = "your ak"
wenxin_api.sk = "your sk"
input_dict = {
"text": "文本：选择燃气热水器时，一定要关注这几个问题：1、出水稳定性要好，不能出现忽热忽冷的现象2、快速到达设定的需求水温3、操作要智能、方便4、安全性要好，要装有安全报警装置 市场上燃气热水器品牌众多，购买时还需多加对比和仔细鉴别。方太今年主打的磁化恒温热水器在使用体验方面做了全面升级：9秒速热，可快速进入洗浴模式；水温持久稳定，不会出现忽热忽冷的现象，并通过水量伺服技术将出水温度精确控制在±0.5℃，可满足家里宝贝敏感肌肤洗护需求；配备CO和CH4双气体报警装置更安全（市场上一般多为CO单气体报警）。另外，这款热水器还有智能WIFI互联功能，只需下载个手机APP即可用手机远程操作热水器，实现精准调节水温，满足家人多样化的洗浴需求。当然方太的磁化恒温系列主要的是增加磁化功能，可以有效吸附水中的铁锈、铁屑等微小杂质，防止细菌滋生，使沐浴水质更洁净，长期使用磁化水沐浴更利于身体健康。\n问题：[MASK]\n答案：方太",
"seq_len": 512,
"topp": 0.5,
"min_dec_len": 1,
"is_unidirectional": 0,
"task_prompt": "QuestionGeneration",
"penalty_text": "[]{}",
"min_dec_penalty_text": "",
"mask_type": "word",
"logits_bias": -5
}
rst = TextGeneration.create(**input_dict)
print(rst)

建议配置

# 建议配置1
{
"seq_len": 512,
"topp": 0.5,
"min_dec_len": 1,
"is_unidirectional": 0,
"task_prompt": "QuestionGeneration",
"penalty_text": "[]{}",
"min_dec_penalty_text": "",
"mask_type": "word",
"logits_bias": -5
}
# 建议配置2
{
"seq_len": 512,
"topp": 0,
"min_dec_len": 1,
"is_unidirectional": 0,
"task_prompt": "QuestionGeneration",
"penalty_text": "[]{}",
"min_dec_penalty_text": "",
"mask_type": "word",
"logits_bias": -5
}
# 建议配置3
{
"seq_len": 512,
"topp": 0,
"min_dec_len": 1,
"is_unidirectional": 0,
"task_prompt": "",
"penalty_text": "[]{}",
"min_dec_penalty_text": "",
"mask_type": "word",
"logits_bias": -5
}

结果示例

# 类型1的输出：给定答案，生成问题。
怎么调用接口

# 类型2的输出：给定文章与答案，生成问题。
燃气热水器哪个牌子好

作文创作

基于给定的作文题目创作出一篇作文

模版示例

说明：\代表转义，比如\n代表换行

  • 输入模板示例：
作文题目：{input_text}
正文：
  • 其他输入模板示例：
# 示例1:
作文题目：{input_text}\n内容：
# 示例2:
请写一篇以{input_text}为标题的作文。
# 示例3:
作文标题：{input_text}\n正文：

输入示例

拔河比赛

拼接后的输入

作文题目：拔河比赛
正文：

代码示例

# -*- coding: utf-8 -*
import wenxin_api # 可以通过"pip install wenxin-api"命令安装
from wenxin_api.tasks.composition import Composition
wenxin_api.ak = "your ak"
wenxin_api.sk = "your sk"
input_dict = {
    "text": "作文题目：拔河比赛\n正文：",
    "seq_len": 512,
    "topp": 0.9,
    "penalty_score": 1.2,
    "min_dec_len": 128,
    "is_unidirectional": 0,
    "task_prompt": "zuowen"
}
rst = Composition.create(**input_dict)
print(rst)

建议配置

# 建议配置1
{
    "seq_len": 512,
    "topp": 0.9,
    "penalty_score": 1.2,
    "min_dec_len": 128,
    "is_unidirectional": 0,
    "task_prompt": "zuowen"
}
# 建议配置2
{
    "seq_len": 1000,
    "topp": 0.5,
    "penalty_score": 1.2,
    "min_dec_len": 128,
    "is_unidirectional": 0,
    "task_prompt": "zuowen"
}
# 建议配置3
{
    "seq_len": 512,
    "topp": 0.9,
    "penalty_score": 1.15,
    "min_dec_len": 2,
    "is_unidirectional": 0,
    "task_prompt": "zuowen"
}

结果示例

今天下午，阳光灿烂。我们全体同学兴高采烈地来到运动场观看拔河比赛。只见参加比赛的队伍有四支：三、五、六年级的哥哥姐姐组成的一支队伍；还有以前很少举行比赛的光华与太平街小学组成的二支队伍。两支强手狭路相逢，不知谁会更胜一筹呢？随着裁判的哨声响起，两边拉开了架势准备比赛。两位“大力士”站在绳中央，摆出了射箭姿态——身子稍向后倾，深呼吸，挺直腰杆儿，精神抖擞…… 这时，观众席上传来一阵热烈的掌声，原来他们为自己喜欢的队伍助威呐喊！过了半晌，参加比赛的同学像猛虎下山似的冲向终点线。比分是六年级零比三败给了三、五年级；光华与太平街小学二比二打平。两队争先恐后。第七局是决定胜负的最后一战，双方都派出强将顶住压力，信心十足，牙齿咬得“咯吱咯吱”作响！顿时大家更使出浑身解数，使上自己的吃奶劲儿。在观众台周围，许多叔叔阿姨爷爷奶奶们拿着饮料瓶前来助威，给运动员洒水降温，让他们全身湿透了才回去，并说：“你们真棒！”拉拉队们发挥团结协作能力，相互鼓励。终于，三、五年级获胜啦！为本次活动画上了圆满的句号。我暗暗想，等比赛再多一些就好了，那我一定要参加。

文案创作

基于给定的产品标题（可包含产品属性）创作出一篇吸引人的广告文案

模版示例

说明：\代表转义，比如\n代表换行

  • 输入模板示例：
# 示例1：基于产品标题生成文案。
标题：{input_text}
文案：

# 示例2：基于产品属性生成文案。
产品属性：{input_text}
文案：
  • 其他输入模板示例：
# 示例1：
产品标题：{input_text}\n产品描述：
# 示例2：
产品标题：{input_text}\n产品文案：
# 示例3：
标题：{input_text}\n请写出针对上述产品的广告：
# 示例4：
产品属性：{input_text}\n根据上述产品属性生成产品文案：
# 示例5：
产品属性：{input_text}\n文案：
# 示例6：
属性：{input_text}\n产品描述：

输入示例

# 示例1：基于产品标题生成文案。
芍药香氛的沐浴乳

# 示例2：基于产品属性生成文案。
类型:裤。版型:宽松;裤型:阔腿裤|版型:宽松|材质|图案:线条;风格:性感|颜色,风格

拼接后的输入

# 示例1：基于产品标题生成文案。
标题：芍药香氛的沐浴乳
文案：

# 示例2：基于产品属性生成文案。
产品属性：类型:裤。版型:宽松;裤型:阔腿裤|版型:宽松|材质|图案:线条;风格:性感|颜色,风格
文案：

代码示例

# -*- coding: utf-8 -*
import wenxin_api # 可以通过"pip install wenxin-api"命令安装
from wenxin_api.tasks.official_documents import OfficialDocuments
wenxin_api.ak = "your ak"
wenxin_api.sk = "your sk"
input_dict = {
    "text": "标题：芍药香氛的沐浴乳\n文案：",
    "seq_len": 512,
    "topp": 0.9,
    "penalty_score": 1.2,
    "min_dec_len": 32,
    "is_unidirectional": 0,
    "task_prompt": "adtext"
}
rst = OfficialDocuments.create(**input_dict)
print(rst)

建议配置

# 建议配置1
{
    "seq_len": 512,
    "topp": 0.9,
    "penalty_score": 1.2,
    "min_dec_len": 32,
    "is_unidirectional": 0,
    "task_prompt": "adtext"
}
# 建议配置2
{
    "seq_len": 512,
    "topp": 0.5,
    "penalty_score": 1.2,
    "min_dec_len": 2,
    "is_unidirectional": 0,
    "task_prompt": "adtext"
}
# 建议配置3
{
    "seq_len": 512,
    "topp": 0.3,
    "penalty_score": 1.2,
    "min_dec_len": 2,
    "is_unidirectional": 0,
    "task_prompt": "adtext"
}

结果示例

# 示例1：基于产品标题生成文案。
高贵芍药香氛沐浴露，低泡温和更滋润。可在身上长久的留下淡雅花香，如同刚刚摘下来一般保湿舒缓，味道恬静安神，质地轻薄易冲洗更是方便！

# 示例2：基于产品属性生成文案。
一款简单宽松的阔腿裤，没有太多多余的设计元素。 宽松挺括的裤型，包容腿型的不足，分分钟打造笔直大长腿。 丝滑舒适的面料，透气性强。 腰部微微收紧，凸显迷人线条，性感撩人。 利用颜色的对比，简单的风格，体现极高的设计水平。

文本摘要

基于给定的长文本，归纳总结其核心内容，得到其摘要或者标题

模版示例

说明：\代表转义，比如\n代表换行

  • 输入模板示例：
新闻：{input_text}
摘要：
  • 其他输入模板示例：
# 标题生成：
# 示例1:
请给下面这段话取一个标题："{input_text}" 
# 示例2:
如果给下面这段话"{input_text}"\n取一个标题，你会写：
# 示例3:
"{input_text}"\n给这段话一个合适的标题：
# 示例4:
文章："{input_text}"\n标题：
# 示例5:
给下面这段话写一个简短的标题：{input_text}\n回答：

# 摘要生成：
# 示例1:
请给下面这段话写一句摘要："{input_text}"
# 示例2:
{input_text}\n一句话概括上面的段落：
# 示例3:
{input_text}\n简而言之，就是：
# 示例4:
文章：{input_text}\n一句话总结一下：
# 示例5:
一句话写出下面段落的大意。{input_text}\n回答：

输入示例

外媒7月18日报道，阿联酋政府当日证实该国将建设首个核电站，以应对不断上涨的用电需求。分析称阿联酋作为世界第三大石油出口国，更愿意将该能源用于出口，而非发电。首座核反应堆预计在2017年运行。cntv李婉然编译报道

拼接后的输入

新闻：外媒7月18日报道，阿联酋政府当日证实该国将建设首个核电站，以应对不断上涨的用电需求。分析称阿联酋作为世界第三大石油出口国，更愿意将该能源用于出口，而非发电。首座核反应堆预计在2017年运行。cntv李婉然编译报道
摘要：

代码示例

# -*- coding: utf-8 -*
import wenxin_api # 可以通过"pip install wenxin-api"命令安装
from wenxin_api.tasks.summarization import Summarization
wenxin_api.ak = "your ak"
wenxin_api.sk = "your sk"
input_dict = {
    "text": "文章：外媒7月18日报道，阿联酋政府当日证实该国将建设首个核电站，以应对不断上涨的用电需求。分析称阿联酋作为世界第三大石油出口国，更愿意将该能源用于出口，而非发电。首座核反应堆预计在2017年运行。cntv李婉然编译报道\n摘要：",
    "seq_len": 512,
    "topp": 0.5,
    "penalty_score": 1.0,
    "min_dec_len": 4,
    "is_unidirectional": 0,
    "task_prompt": "Summarization"
}
rst = Summarization.create(**input_dict)
print(rst)

建议配置

# 建议配置1
{
    "seq_len": 512,
    "topp": 0.5,
    "penalty_score": 1.0,
    "min_dec_len": 4,
    "is_unidirectional": 0,
    "task_prompt": "Summarization"
}
# 建议配置2
{
    "seq_len": 128,
    "topp": 0.5,
    "penalty_score": 1.0,
    "min_dec_len": 4,
    "is_unidirectional": 0,
    "task_prompt": "Summarization"
}
# 建议配置3
{
    "seq_len": 128,
    "topp": 0.3,
    "penalty_score": 1.0,
    "min_dec_len": 4,
    "is_unidirectional": 0,
    "task_prompt": "Summarization"
}

结果示例

阿联酋将建首座核电站

对对联

基于给定的上联，生成相关联的下联

模版示例

说明：\代表转义，比如\n代表换行

  • 输入模板示例
# 示例1:
上联：{input_text}
下联：
  • 其他输入模板示例：
# 示例1:
对对联：{input_text}\n
# 示例2:
{input_text}\n下一句：

输入示例

五湖四海皆春色

拼接后的输入

上联：五湖四海皆春色
下联：

代码示例

# -*- coding: utf-8 -*
import wenxin_api # 可以通过"pip install wenxin-api"命令安装
from wenxin_api.tasks.couplet import Couplet
wenxin_api.ak = "your ak"
wenxin_api.sk = "your sk"
input_dict = {
    "text": "上联：五湖四海皆春色\n下联：",
    "seq_len": 512,
    "topp": 0.9,
    "penalty_score": 1.0,
    "min_dec_len": 2,
    "is_unidirectional": 0,
    "task_prompt": "couplet"
}
rst = Couplet.create(**input_dict)
print(rst)

建议配置

# 建议配置1
{
    "seq_len": 512,
    "topp": 0.9,
    "penalty_score": 1.0,
    "min_dec_len": 2,
    "is_unidirectional": 0,
    "task_prompt": "couplet"
}
# 建议配置2
{
    "seq_len": 512,
    "topp": 0.5,
    "penalty_score": 1.0,
    "min_dec_len": 2,
    "is_unidirectional": 0,
    "task_prompt": "couplet"
}
# 建议配置3
{
    "seq_len": 512,
    "topp": 0.3,
    "penalty_score": 1.0,
    "min_dec_len": 2,
    "is_unidirectional": 0,
    "task_prompt": "couplet"
}

结果示例

万水千山尽得辉

自由问答

基于给定的问题，生成问题对应的答案

模版示例

说明：\代表转义，比如\n代表换行

  • 输入模板示例：
问题：{input_text}
回答：
  • 其他输入模板示例：
# 示例1:
问题：{input_text}\n答案：
# 示例2:
请问：{input_text}\n
# 示例3:
{input_text}\n请回答这个问题。

输入示例

交朋友的原则是什么？

拼接后的输入

问题：交朋友的原则是什么？
回答：

代码示例

# -*- coding: utf-8 -*
import wenxin_api # 可以通过"pip install wenxin-api"命令安装
from wenxin_api.tasks.free_qa import FreeQA
wenxin_api.ak = "your ak"
wenxin_api.sk = "your sk"
input_dict = {
    "text": "问题：交朋友的原则是什么？\n回答：",
    "seq_len": 512,
    "topp": 0.5,
    "penalty_score": 1.2,
    "min_dec_len": 2,
    "min_dec_penalty_text": "。?：！",
    "is_unidirectional": 0,
    "task_prompt": "qa",
    "mask_type": "word"
}
rst = FreeQA.create(**input_dict)
print(rst)

建议配置

# 建议配置1
{
    "seq_len": 512,
    "topp": 0.5,
    "penalty_score": 1.2,
    "min_dec_len": 2,
    "min_dec_penalty_text": "。?：！",
    "is_unidirectional": 0,
    "task_prompt": "qa",
    "mask_type": "word"
}
# 建议配置2
{
    "seq_len": 256,
    "topp": 0.3,
    "penalty_score": 1.2,
    "min_dec_len": 2,
    "min_dec_penalty_text": "。?：！",
    "is_unidirectional": 0,
    "task_prompt": "qa",
    "mask_type": "word"
}
# 建议配置3
{
    "seq_len": 128,
    "topp": 0.3,
    "penalty_score": 1.2,
    "min_dec_len": 2,
    "is_unidirectional": 0,
    "task_prompt": "adtext"
}

结果示例

真诚，平等。你要看他是否有上进心，或者说能不能给你带来利益，再就是交朋友的原则了！我觉得这样挺好的，真实一点比较好。只有自己知道怎么做才会更加快乐。其实最重要的还是看那个人对待你的态度和方式吧。如果你在乎她，她也在乎你，你们之间都相互尊重、理解、包容、体谅的话，应该可以成为很好的朋友。但是前提是，两个人必须都愿意把彼此当作真正的朋友，并且愿意付出努力去经营这段关系。毕竟感情是需要用心去维护的，而不是单纯地通过物质条件所能获取的。我认为人与人之间的相处贵在真诚,所谓君子之交淡如水.希望你找到属于你的幸福!

小说续写

基于给定的小说上文进行续写

模版示例

直接续写，无模板

输入示例

昆仑山可以说是天下龙脉的根源，所有的山脉都可以看作是昆仑的分支。这些分出来的枝枝杈杈，都可以看作是一条条独立的龙脉。

代码示例

# -*- coding: utf-8 -*
import wenxin_api # 可以通过"pip install wenxin-api"命令安装
from wenxin_api.tasks.novel import Novel
wenxin_api.ak = "your ak"
wenxin_api.sk = "your sk"
input_dict = {
    "text": "昆仑山可以说是天下龙脉的根源，所有的山脉都可以看作是昆仑的分支。这些分出来的枝枝杈杈，都可以看作是一条条独立的龙脉。",
    "seq_len": 512,
    "topp": 0.9,
    "penalty_score": 1.2,
    "min_dec_len": 16,
    "min_dec_penalty_text": "。?：！",
    "is_unidirectional": 1,
    "mask_type": "word",
    "task_prompt": "novel",
    "logits_bias": "-5"
}
rst = Novel.create(**input_dict)
print(rst)

建议配置

# 建议配置1
{
    "seq_len": 512,
    "topp": 0.9,
    "penalty_score": 1.2,
    "min_dec_len": 16,
    "min_dec_penalty_text": "。?：！",
    "is_unidirectional": 1,
    "mask_type": "word",
    "task_prompt": "novel",
    "logits_bias": "-5"
}
# 建议配置2
{
    "seq_len": 512,
    "topp": 0.5,
    "penalty_score": 1.2,
    "min_dec_len": 4,
    "min_dec_penalty_text": "。?：！",
    "is_unidirectional": 1,
    "mask_type": "word",
    "task_prompt": "novel",
    "logits_bias": "-5"
}
# 建议配置3
{
    "seq_len": 512,
    "topp": 0.3,
    "penalty_score": 1.2,
    "min_dec_len": 4,
    "min_dec_penalty_text": "。?：！",
    "is_unidirectional": 1,
    "mask_type": "word",
    "task_prompt": "novel",
    "logits_bias": "-5"
}

结果示例

其中最为重要的，还是昆仑山脉西北方向的三大支脉： 玉龙、雅鲁藏布江以及雅砻河。这些才是昆仑正宗所在。虽然有一部分因为时间太长而渐渐沉寂于地下，但依旧能够依稀辨别出他们当年的样貌和痕迹。也足见多少万年过去了，他们都不曾丢失自己的根源与精髓！

补全文本

基于上下文与用户指定位置，补全内容，使得文本完整、通顺

模版示例

{input_text_left}[MASK]{input_text_right}

输入示例

#示例1:
input_text_left: 
她有着一双
#示例2:
input_text_right:
的眼眸。

拼接后的输入

她有着一双[MASK]的眼眸。

代码示例

# -*- coding: utf-8 -*
import wenxin_api # 可以通过"pip install wenxin-api"命令安装
from wenxin_api.tasks.cloze import Cloze
wenxin_api.ak = ""
wenxin_api.sk = ""
input_dict = {
    "text": "她有着一双[MASK]的眼眸。",
    "seq_len": 512,
    "topp": 0.3,
    "penalty_score": 1.2,
    "min_dec_len": 2,
    "is_unidirectional": 0,
    "task_prompt": "cloze"
}
rst = Cloze.create(**input_dict)
print(rst)

建议配置

# 建议配置1
{
    "seq_len": 512,
    "topp": 0.3,
    "penalty_score": 1.2,
    "min_dec_len": 2,
    "is_unidirectional": 0,
    "task_prompt": "cloze"
}
# 建议配置2
{
    "seq_len": 512,
    "topp": 0.5,
    "penalty_score": 1.2,
    "min_dec_len": 2,
    "is_unidirectional": 0,
    "task_prompt": "cloze"
}
# 建议配置3
{
    "seq_len": 512,
    "topp": 0.9,
    "penalty_score": 1.2,
    "min_dec_len": 2,
    "is_unidirectional": 0,
    "task_prompt": "cloze"
}

结果示例

深邃

古诗创作

给定诗词题目，创作出相关的诗词

模版示例

  • 输入示例模板
诗词题目：{input_text}。作者：无。诗词内容：
  • 其他输入示例模板：
诗词题目：{input_text}。诗词内容

输入示例

燕燕

拼接后的输入

诗词题目：燕燕。作者：无。诗词内容：

代码示例

# -*- coding: utf-8 -*
import wenxin_api # 可以通过"pip install wenxin-api"命令安装
from wenxin_api.tasks.text_generation import TextGeneration
wenxin_api.ak = "your ak"
wenxin_api.sk = "your sk"
input_dict = {
"text": "诗词题目：燕燕。作者：无。诗词内容：",
"seq_len": 512,
"topp": 0.5,
"min_dec_len": 3,
"is_unidirectional": 0,
"task_prompt": "poetry",
"min_dec_penalty_text": "。?：！",
"penalty_text": "[]{}",
"mask_type": "word",
"logits_bias": -5
}
rst = TextGeneration.create(**input_dict)
print(rst)

建议配置

# 建议配置1
{
"seq_len": 512,
"topp": 0.5,
"min_dec_len": 3,
"is_unidirectional": 0,
"task_prompt": "poetry",
"min_dec_penalty_text": "。?：！",
"penalty_text": "[]{}",
"mask_type": "word",
"logits_bias": -5
}
# 建议配置2
{
"seq_len": 512,
"topp": 0.3,
"min_dec_len": 3,
"is_unidirectional": 0,
"task_prompt": "poetry",
"min_dec_penalty_text": "。?：！",
"penalty_text": "[]{}",
"mask_type": "word",
"logits_bias": -5
}
# 建议配置3
{
"seq_len": 512,
"topp": 0.3,
"min_dec_len": 3,
"is_unidirectional": 0,
"task_prompt": "",
"min_dec_penalty_text": "。?：！",
"penalty_text": "[]{}",
"mask_type": "word",
"logits_bias": -5
}

结果示例

燕燕于飞。差池其羽。之子于归。远送于野。瞻望弗及。实劳我心。仲氏任只。其心塞渊。终温且惠。淑慎其身。先君之思。以勖寡人。

同义改写

改写一个文本，使生成的文本在字面上与原始有区别，但语义上相同

模版示例

说明：\代表转义，比如\n代表换行。

  • 输入模版示例：
\"{input_text}\"换种表达，意思不变：
  • 其他输入模版示例：
# 示例1:
"{input_text}"换句话说就是：
# 示例2:
用自己的话改写下面的文本：{input_text}
# 示例3:
"{input_text}"意思是：
# 示例4:
原句：{input_text}同义改写：
# 示例5:
"{input_text}"，换句话可以说：
# 示例6:
"{input_text}"的另一种说法是：
# 示例7:
给"{input_text}"换种说法：
# 示例8:
"{input_text}"换个说法，可以是：
# 示例9:
改写"{input_text}"，但不改变它的意思：

输入示例

巩义桶装水电话号码

拼接后的输入

\"巩义桶装水电话号码\"换种表达，意思不变：

代码示例

# -*- coding: utf-8 -*
import wenxin_api # 可以通过"pip install wenxin-api"命令安装
from wenxin_api.tasks.text_generation import TextGeneration
wenxin_api.ak = "your ak"
wenxin_api.sk = "your sk"
input_dict = {
"text": "\"巩义桶装水电话号码\"换种表达，意思不变：",
"seq_len": 512,
"topp": 0.5,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "Paraphrasing",
"min_dec_penalty_text": "。?：！",
"penalty_text": "[]{}",
"mask_type": "word",
"logits_bias": -5
}
rst = TextGeneration.create(**input_dict)
print(rst)

建议配置

# 建议配置1
{
"seq_len": 512,
"topp": 0.5,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "Paraphrasing",
"min_dec_penalty_text": "。?：！",
"penalty_text": "[]{}",
"mask_type": "word",
"logits_bias": -5
}
# 建议配置2
{
"seq_len": 512,
"topp": 0.3,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "Paraphrasing",
"min_dec_penalty_text": "。?：！",
"penalty_text": "[]{}",
"mask_type": "word",
"logits_bias": -5
}
# 建议配置3
{
"seq_len": 512,
"topp": 0.3,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "",
"min_dec_penalty_text": "。?：！",
"penalty_text": "[]{}",
"mask_type": "word",
"logits_bias": -5
}

结果示例

巩义桶装水联系方式

文本纠错

修改原句中的错别字

模版示例

说明：\代表转义，比如\n代表换行。

  • 输入模版示例：
改正下面文本中的错误："{input_text}"
  • 其他输入模版示例：
# 示例1:
{input_text}\n请纠正文本中的错误：
# 示例3:
文本：{input_text}\n校对结果：
# 示例4:
"{input_text}" 上述文本中有错，请改正：
# 示例5:
请校对"{input_text}" 中的错误：
# 示例6:
校对下面的文本："{input_text}"结果：
# 示例7:
"{input_text}"纠正上述文本中的错别字：
# 示例8:
校正错别字："{input_text}"
# 示例9:
"{input_text}" 错别字校正：
# 示例10:
"{input_text}" 中有错别字，请改正：

输入示例

沿路主要城市有：上海－苏骤－无锡－常州－镇江－南京－合遂肥－六安－麻城－武汉－孝感－荆门－宜昌－万州－点江－邻水－华－广安－岳池－南充－遂宁－成都镇。

拼接后的输入

改正下面文本中的错误："沿路主要城市有：上海－苏骤－无锡－常州－镇江－南京－合遂肥－六安－麻城－武汉－孝感－荆门－宜昌－万州－点江－邻水－华－广安－岳池－南充－遂宁－成都镇。"

代码示例

# -*- coding: utf-8 -*
import wenxin_api # 可以通过"pip install wenxin-api"命令安装
from wenxin_api.tasks.text_generation import TextGeneration
wenxin_api.ak = "your ak"
wenxin_api.sk = "your sk"
input_dict = {
"text": "改正下面文本中的错误：\"沿路主要城市有：上海－苏骤－无锡－常州－镇江－南京－合遂肥－六安－麻城－武汉－孝感－荆门－宜昌－万州－点江－邻水－华－广安－岳池－南充－遂宁－成都镇。\" ",
"seq_len": 512,
"topp": 0.5,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "Correction",
"min_dec_penalty_text": "。?：！",
"penalty_text": "[]{}",
"mask_type": "word",
"logits_bias": -5
}
rst = TextGeneration.create(**input_dict)
print(rst)

建议配置

# 建议配置1
{
"seq_len": 512,
"topp": 0.5,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "Correction",
"min_dec_penalty_text": "。?：！",
"penalty_text": "[]{}",
"mask_type": "word",
"logits_bias": -5
}
# 建议配置2
{
"seq_len": 512,
"topp": 0.3,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "Correction",
"min_dec_penalty_text": "。?：！",
"penalty_text": "[]{}",
"mask_type": "word",
"logits_bias": -5
}
# 建议配置3
{
"seq_len": 512,
"topp": 0.3,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "",
"min_dec_penalty_text": "。?：！",
"penalty_text": "[]{}",
"mask_type": "word",
"logits_bias": -5
}

结果示例

沿路主要城市有：上海－苏州－无锡－常州－镇江－南京－合肥－六安－麻城－武汉－孝感－荆门－宜昌－万州－垫江－邻水－华蓥－广安－岳池－南充－遂宁－成都。

Text2SQL

给予给定的自然语言描述，生成对应的SQL结构化语句

模版示例

说明：\代表转义，比如\n代表换行。

  • 输入模板示例：
{input_text}\n上述问题转换成SQL语句是：
  • 其他输入模板示例：
# 示例1:
问题：{input_text}\n请用SQL表示上面的问题。SQL：
# 示例2:
问题：{input_text}\n把这个问题转化成SQL语句：
# 示例3:
请写出下述问题对应的SQL语句。问题：{input_text}\nSQL：
# 示例4:
用SQL表示下述问题：{input_text}\n
# 示例5:
把"{input_text}"写成SQL形式是：
# 示例6:
把问题翻译成SQL语句。问题：{input_text}\n翻译：
# 示例7:
由问题"{input_text}"生成SQL查询语句:
# 示例8:
问题：{input_text}\n把上述问题表示成SQL语句：
# 示例9:
如果把"{input_text}"表示成SQL形式，可以写成：

输入示例

在各届金曲奖提名名单中，给出每一位提名的歌手和其所出专辑的数量，其获得提名的金曲奖以及提名的奖项

拼接后的输入

在各届金曲奖提名名单中，给出每一位提名的歌手和其所出专辑的数量，其获得提名的金曲奖以及提名的奖项\n上述问题转换成SQL语句是：

代码示例

# -*- coding: utf-8 -*
import wenxin_api # 可以通过"pip install wenxin-api"命令安装
from wenxin_api.tasks.text_generation import TextGeneration
wenxin_api.ak = "your ak"
wenxin_api.sk = "your sk"
input_dict = {
"text": "在各届金曲奖提名名单中，给出每一位提名的歌手和其所出专辑的数量，其获得提名的金曲奖以及提名的奖项\n上述问题转换成SQL语句是：",
"seq_len": 512,
"topp": 0.5,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "Text2SQL",
"min_dec_penalty_text": "。?：！",
"penalty_text": "",
"mask_type": "word",
"logits_bias": 0
}
rst = TextGeneration.create(**input_dict)
print(rst)

建议配置

# 建议配置1
{
"seq_len": 512,
"topp": 0.5,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "Text2SQL",
"min_dec_penalty_text": "。?：！",
"penalty_text": "",
"mask_type": "word",
"logits_bias": 0
}
# 建议配置2
{
"seq_len": 512,
"topp": 0.3,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "Text2SQL",
"min_dec_penalty_text": "。?：！",
"penalty_text": "",
"mask_type": "word",
"logits_bias": 0
}
# 建议配置3
{
"seq_len": 512,
"topp": 0.3,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "",
"min_dec_penalty_text": "。?：！",
"penalty_text": "",
"mask_type": "word",
"logits_bias": 0
}

结果示例

select T3.姓名, T3.专辑数量, T2.名称, T1.奖项名称 from 金曲奖提名名单 as T1 join 各届金曲奖 as T2 join 歌手 as T3 on 金曲奖提名名单.奖届 id==各届金曲奖.词条 id and 金曲奖提名名单.提名歌手 id==歌手.词条 id

文本匹配

判断给定的两句话是否为同一个意思

模版示例

说明：\代表转义，比如\n代表换行。

  • 输入模版示例：
如果"{input_text_a}" 那么"{input_text_b}"上面的说法成立还是不成立？
  • 其他输入模版示例：
# 示例1:
说"{input_text_a}"是不是就等于说"{input_text_b}"？
# 示例2:
"{input_text_a}"是不是相当于"{input_text_b}"？
# 示例3:
"{input_text_a}"和"{input_text_b}"是不是一个意思？
# 示例4:
下面这两个句子"{input_text_a}"和"{input_text_b}"说的是一个意思吗？
# 示例5:
"{input_text_a}"和"{input_text_b}"这两个句子是一个意思，对吗？
# 示例6:
问题："{input_text_a}"和"{input_text_b}"表达的意思相同，对吗？回答：
# 示例7:
下面这两个句子"{input_text_a}"和"{input_text_b}"的语义相同吗？
# 示例8:
"{input_text_a}"和"{input_text_b}"意思相同吗？
# 示例9:
下面两个句子："{input_text_a}"和"{input_text_b}"是不是同义？

输入示例

# 示例1:
input_text_a: 健全国家安全体系
# 示例2:
input_text_b: 国家安全体系需要健全

拼接后的输入

如果"健全国家安全体系" 那么"国家安全体系需要健全"上面的说法成立还是不成立？

代码示例

# -*- coding: utf-8 -*
import wenxin_api # 可以通过"pip install wenxin-api"命令安装
from wenxin_api.tasks.text_generation import TextGeneration
wenxin_api.ak = "your ak"
wenxin_api.sk = "your sk"
input_dict = {
"text": "如果\"健全国家安全体系\" 那么\"国家安全体系需要健全\"上面的说法成立还是不成立？",
"seq_len": 512,
"topp": 0,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "SemanticMatching",
"min_dec_penalty_text": "",
"penalty_text": "",
"mask_type": "word",
"logits_bias": 0
}
rst = TextGeneration.create(**input_dict)
print(rst)

建议配置

# 建议配置1
{
"seq_len": 512,
"topp": 0,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "SemanticMatching",
"min_dec_penalty_text": "",
"penalty_text": "",
"mask_type": "word",
"logits_bias": 0
}
# 建议配置2
{
"seq_len": 512,
"topp": 0,
"min_dec_len": 1,
"is_unidirectional": 0,
"task_prompt": "SemanticMatching",
"mask_type": "word",
}
# 建议配置3
{
"seq_len": 512,
"topp": 0,
"min_dec_len": 1,
"is_unidirectional": 0,
"task_prompt": "",
"mask_type": "word",
}

结果示例

成立

情感分析

给定一段文本，判断该文本的情感倾向

模版示例

说明：\代表转义，比如\n代表换行。

  • 输入模版示例：
下面是好评还是差评？\n"{input_text}"
  • 其他输入模版示例：
# 示例1:
"{input_text}"这是好评吗？
# 示例2:
下面这是差评吗？"{input_text}"
# 示例3:
"{input_text}"从上面的评论来看，产品让人满意吗？
# 示例4:
下面评论里提到的产品值得买吗？"{input_text}"
# 示例5:
"{input_text}"从上面的文本可以看出评价者的态度是喜欢还是不喜欢？
# 示例6:
下面这个评价是正面还是负面的？{input_text}
# 示例7:
"{input_text}"是夸奖还是吐槽？
# 示例8:
从"{input_text}"看出买家是满意还是不满意？
# 示例9:
"{input_text}"看到这个评价，你会下单吗？

输入示例

希望大家也能像我一样，每家酒店都能尝试的住一下，因为每个酒店都各有特色

拼接后的输入

下面是好评还是差评？\n"希望大家也能像我一样，每家酒店都能尝试的住一下，因为每个酒店都各有特色"

代码示例

# -*- coding: utf-8 -*
import wenxin_api # 可以通过"pip install wenxin-api"命令安装
from wenxin_api.tasks.text_generation import TextGeneration
wenxin_api.ak = "your ak"
wenxin_api.sk = "your sk"
input_dict = {
"text": "下面是好评还是差评？\n\"希望大家也能像我一样，每家酒店都能尝试的住一下，因为每个酒店都各有特色\"",
"seq_len": 512,
"topp": 0,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "SentimentClassification",
"min_dec_penalty_text": "",
"penalty_text": "",
"mask_type": "word",
"logits_bias": 0
}
rst = TextGeneration.create(**input_dict)
print(rst)

建议配置

# 建议配置1
{
"seq_len": 512,
"topp": 0,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "SentimentClassification",
"min_dec_penalty_text": "",
"penalty_text": "",
"mask_type": "word",
"logits_bias": 0
}
# 建议配置2
{
"seq_len": 512,
"topp": 0,
"min_dec_len": 1,
"is_unidirectional": 0,
"task_prompt": "SentimentClassification",
"mask_type": "word",
}
# 建议配置3
{
"seq_len": 512,
"topp": 0,
"min_dec_len": 1,
"is_unidirectional": 0,
"task_prompt": "",
"mask_type": "word",
}

结果示例

好评

信息抽取

给定一段文本，抽取文本中相关实体、事件或者关系

模版示例

说明：\代表转义，比如\n代表换行。

  • 输入模版示例：
{content}。问题：{question}？回答：
  • 其他输入模版示例：
# 示例1:
{input_text}\n实体与关系标注为：
# 示例2:
{input_text}\n该句的命名实体标注为：
# 示例3:
{input_text}\n文中的实体为：

输入示例

content: 尤卡坦啄木鸟是啄木鸟科、啄木鸟属的一种攀禽，生活在中美洲丛林中。
question: 尤卡坦啄木鸟的属是

拼接后的输入

尤卡坦啄木鸟是啄木鸟科、啄木鸟属的一种攀禽，生活在中美洲丛林中。问题：尤卡坦啄木鸟的属是？回答：

代码示例

# -*- coding: utf-8 -*
import wenxin_api # 可以通过"pip install wenxin-api"命令安装
from wenxin_api.tasks.text_generation import TextGeneration
wenxin_api.ak = "your ak"
wenxin_api.sk = "your sk"
input_dict = {
"text": "尤卡坦啄木鸟是啄木鸟科、啄木鸟属的一种攀禽，生活在中美洲丛林中。问题：尤卡坦啄木鸟的属是？回答：",
"seq_len": 512,
"topp": 0,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "QA_MRC",
"min_dec_penalty_text": "。?：！",
"penalty_text": "",
"mask_type": "word",
"logits_bias": -5
}
rst = TextGeneration.create(**input_dict)
print(rst)

建议配置

# 建议配置1
{
"seq_len": 512,
"topp": 0,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "QA_MRC",
"min_dec_penalty_text": "。?：！",
"penalty_text": "",
"mask_type": "word",
"logits_bias": -5
}
# 建议配置2
{
"seq_len": 512,
"topp": 0,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "QA_MRC",
"mask_type": "word",
}
# 建议配置3
{
"seq_len": 512,
"topp": 0,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "",
"mask_type": "word",
}

结果示例

啄木鸟属

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注