وسپر API

وسپر API is اوپنائیکا ایڈوانس اسپیچ ریکگنیشن سسٹم جو بولی جانے والی زبان کو متن میں تبدیل کرتا ہے اور متعدد زبانوں اور چیلنجنگ آڈیو ماحول میں قابل ذکر درستگی کے ساتھ۔

وسوسہ کا ارتقاء: تحقیق سے انقلابی ٹول تک

اصل اور ترقی

۔ سرگوشی AI ماڈل موجودہ اسپیچ ریکگنیشن ٹیکنالوجیز کی حدود کو دور کرنے کے لیے OpenAI کی وسیع تحقیقی کوششوں سے ابھرا۔ ستمبر 2022 میں تیار اور متعارف کرایا گیا، وسپر کو ایک بے مثال تربیت دی گئی 680,000 گھنٹے ویب سے جمع کردہ کثیر لسانی اور ملٹی ٹاسک کے زیر نگرانی ڈیٹا کا۔ اس بڑے ڈیٹاسیٹ، جو پہلے ASR تحقیق میں استعمال کیا گیا تھا اس سے بڑے سائز کے آرڈرز نے ماڈل کو بولنے کے مختلف انداز، صوتی ماحول اور پس منظر کے حالات سے سیکھنے کی اجازت دی۔

وسپر کا ارتقاء کی ترقی میں ایک اہم سنگ میل کی نمائندگی کرتا ہے۔ مشین سیکھنے کے ماڈل تقریر پروسیسنگ کے لئے. اپنے پیشروؤں کے برعکس جو اکثر لہجے، پس منظر کے شور، یا تکنیکی الفاظ کے ساتھ جدوجہد کرتے تھے، Whisper کو حقیقی دنیا کی تقریر کی پیچیدگیوں اور باریکیوں کو سنبھالنے کے لیے زمین سے ڈیزائن کیا گیا تھا۔ اوپن اے آئی کے محققین نے خاص طور پر ایک ایسا ماڈل بنانے پر توجہ مرکوز کی جو مختلف خصوصیات اور خصوصیات کے ساتھ ذرائع سے آڈیو پر کارروائی کرتے وقت بھی اعلیٰ درستگی کو برقرار رکھ سکے۔

اوپن سورس ریلیز اور API کا نفاذ

OpenAI کے دیگر ہائی پروفائل پروجیکٹس میں سے کچھ سے ایک قابل ذکر رخصتی میں، کمپنی نے Whisper کو بطور ایک ریلیز کیا۔ اوپن سورس ماڈلدنیا بھر میں ڈویلپرز، محققین، اور تنظیموں کو اس طاقتور ٹیکنالوجی سے فائدہ اٹھانے اور اس پر استوار کرنے کے قابل بناتا ہے۔ اس فیصلے نے اسپیچ ریکگنیشن ایپلی کیشنز میں جدت کو نمایاں طور پر تیز کیا اور مختلف استعمال کے معاملات میں وسیع تر تجربات کی اجازت دی۔

اوپن سورس ماڈل کو کامیاب اپنانے کے بعد، OpenAI نے متعارف کرایا وسپر API مارچ 2023 میں، ایک زیادہ ہموار اور بہتر نفاذ کی پیشکش کی جس نے وسیع کمپیوٹیشنل وسائل یا تکنیکی مہارت کی ضرورت کے بغیر ٹیکنالوجی کو ڈویلپرز کے لیے مزید قابل رسائی بنایا۔ اس API کے نفاذ نے تخلیق کاروں اور کاروباروں کے وسیع تر سامعین تک اعلی درجے کی تقریر کی شناخت کی صلاحیتوں کو لانے میں ایک اہم قدم کا نشان لگایا۔

تکنیکی فن تعمیر اور وسوسہ کی صلاحیتیں۔

ماڈل آرکیٹیکچر کی تفصیلات

اس کے مرکز میں، Whisper ملازمت کرتا ہے a ٹرانسفارمر پر مبنی انکوڈر-ڈیکوڈر فن تعمیر، جو ترتیب سے ترتیب سیکھنے کے کاموں کے لیے انتہائی موثر ثابت ہوا ہے۔ یہ ماڈل کئی سائزوں میں آتا ہے، جس میں 39 ملین پیرامیٹرز پر "چھوٹے" سے لے کر 1.55 بلین پیرامیٹرز پر "بڑے" تک ہوتے ہیں، جو صارفین کو ان کی مخصوص ضروریات کی بنیاد پر درستگی اور کمپیوٹیشنل کارکردگی کے درمیان مناسب توازن کا انتخاب کرنے کی اجازت دیتا ہے۔

۔ انکوڈر جزو ان پٹ آڈیو کو پہلے اسپیکٹروگرام کی نمائندگی میں تبدیل کر کے عمل کرتا ہے، پھر آڈیو مواد کی اویکت نمائندگی پیدا کرنے کے لیے ٹرانسفارمر بلاکس کی ایک سیریز کا اطلاق کرتا ہے۔ دی ڈیکوڈر جزو اس کے بعد اس نمائندگی کو لیتا ہے اور متعلقہ ٹیکسٹ آؤٹ پٹ تیار کرتا ہے، ٹوکن کے ذریعے ٹوکن، ٹرانسکرپشن کے دوران آڈیو انکوڈنگ کے متعلقہ حصوں پر توجہ مرکوز کرنے کے لیے توجہ کے طریقہ کار کو شامل کرتا ہے۔

یہ فن تعمیر وسپر کو نہ صرف سادہ نقل بلکہ مزید پیچیدہ کاموں کو انجام دینے کے قابل بناتا ہے جیسے ترجمہ اور زبان کی شناخت، یہ واقعی ایک کثیر فعلی اسپیچ پروسیسنگ سسٹم بناتا ہے۔

تربیت کا طریقہ کار

وسپر کی غیر معمولی کارکردگی کو اس کی اختراع سے منسوب کیا جا سکتا ہے۔ تربیت کا طریقہ کار. ماڈل کو ملٹی ٹاسک اپروچ کا استعمال کرتے ہوئے تربیت دی گئی تھی جس میں کئی متعلقہ مقاصد شامل تھے:

1. تقریر کی شناخت (اصل زبان میں تقریر کی نقل)
2. تقریر کا ترجمہ (انگریزی میں تقریر کا ترجمہ)
3. زبان کی شناخت (اس بات کا تعین کرنا کہ کون سی زبان بولی جا رہی ہے)
4. آواز کی سرگرمی کا پتہ لگانا (تقریر پر مشتمل حصوں کی شناخت)

اس ملٹی ٹاسک سیکھنے کے فریم ورک نے وسپر کو مختلف زبانوں اور سیاق و سباق میں تقریر کی مضبوط اندرونی نمائندگی تیار کرنے کی اجازت دی۔ ماڈل کو ایک بڑے ڈیٹاسیٹ کا استعمال کرتے ہوئے تربیت دی گئی تھی جس میں مختلف ذرائع سے آڈیو شامل تھا، جس میں مختلف لہجوں، بولیوں، تکنیکی اصطلاحات، اور پس منظر کے شور کے حالات شامل تھے۔ اس متنوع تربیتی ڈیٹا نے اس بات کو یقینی بنانے میں مدد کی کہ Whisper حقیقی دنیا کے منظرناموں میں قابل اعتماد کارکردگی کا مظاہرہ کرے گا جہاں آڈیو کوالٹی اور بولنے کے حالات نمایاں طور پر مختلف ہو سکتے ہیں۔

تکنیکی وضاحتیں اور کارکردگی میٹرکس

ماڈل کی مختلف حالتیں اور وضاحتیں

Whisper کئی قسموں میں دستیاب ہے، ہر ایک مختلف سطحوں کی کارکردگی اور وسائل کی ضروریات پیش کرتا ہے:

۔ بڑا ماڈل سب سے زیادہ درستگی پیش کرتا ہے لیکن زیادہ کمپیوٹیشنل وسائل کی ضرورت ہوتی ہے اور آڈیو کو زیادہ آہستہ سے پروسیس کرتا ہے۔ چھوٹے ماڈلز تیز تر پروسیسنگ کی رفتار اور کم وسائل کی ضروریات کے لیے کچھ درستگی کا سودا کرتے ہیں، جو انہیں ان ایپلی کیشنز کے لیے موزوں بناتے ہیں جہاں حقیقی وقت کی کارکردگی اہم ہو یا جہاں کمپیوٹنگ کے وسائل محدود ہوں۔

بینچ مارک کارکردگی

بینچ مارک کی تشخیص میں، Whisper نے متاثر کن مظاہرہ کیا ہے۔ الفاظ کی غلطی کی شرح (WER) متعدد زبانوں اور ڈیٹا سیٹس میں۔ معیاری LibriSpeech بینچ مارک پر، Whisper کا بڑا ماڈل کلین ٹیسٹ سیٹ پر تقریباً 3.0% کا WER حاصل کرتا ہے، جو جدید ترین زیر نگرانی ASR سسٹمز سے موازنہ کرتا ہے۔ جو چیز واقعی Whisper کو الگ کرتی ہے، تاہم، زیادہ چیلنجنگ آڈیو پر اس کی مضبوط کارکردگی ہے:

• Fleurs کثیر لسانی بینچ مارک پر، Whisper 96 زبانوں میں مضبوط کارکردگی کا مظاہرہ کرتا ہے۔
• بھاری لہجے والی تقریر کے لیے، Whisper بہت سے تجارتی متبادلات کے مقابلے میں نمایاں طور پر کم خرابی کی شرح دکھاتا ہے۔
• شور مچانے والے ماحول میں، Whisper زیادہ تر مسابقتی ماڈلز سے زیادہ درستگی کو برقرار رکھتا ہے۔

ماڈل کی صفر شاٹ کارکردگی خاص طور پر قابل ذکر ہے؛ بغیر کسی ٹاسک مخصوص فائن ٹیوننگ کے، Whisper اس تقریر کو زبانوں اور ڈومینز میں نقل کر سکتا ہے جو تربیت کے دوران واضح طور پر بہتر نہیں کیے گئے ہیں۔ یہ استرتا اسے ایپلی کیشنز کے لیے ایک غیر معمولی طاقتور ٹول بناتا ہے جس میں متنوع سیاق و سباق میں تقریر کی شناخت کی ضرورت ہوتی ہے۔

وسپر کے فوائد اور تکنیکی اختراعات

کثیر لسانی صلاحیتیں۔

کے سب سے اہم فوائد میں سے ایک سرگوشی AI یہ متاثر کن ہے کثیر لسانی حمایت. یہ ماڈل تقریباً 100 زبانوں میں تقریر کو پہچان اور نقل کر سکتا ہے، جس میں بہت سی کم وسائل والی زبانیں بھی شامل ہیں جو تاریخی طور پر تجارتی ASR سسٹمز کے ذریعے کم محفوظ رہی ہیں۔ یہ وسیع زبان کی کوریج ایسی ایپلی کیشنز کو قابل بناتی ہے جو مختلف علاقوں یا زبان کے گروپس کے لیے علیحدہ ماڈلز کی ضرورت کے بغیر عالمی سامعین کی خدمت کر سکتی ہیں۔

ماڈل نہ صرف متعدد زبانوں کو نقل کرتا ہے بلکہ کوڈ سوئچنگ کو سمجھنے کی صلاحیت کا بھی مظاہرہ کرتا ہے (جب بولنے والے ایک ہی گفتگو میں زبانوں کے درمیان متبادل ہوتے ہیں)، جو کہ قدرتی اسپیچ پروسیسنگ کا ایک خاص طور پر چیلنجنگ پہلو ہے جس کے ساتھ بہت سے مسابقتی نظام جدوجہد کرتے ہیں۔

متنوع آڈیو حالات کے لیے مضبوطی۔

سرگوشی قابل ذکر نمائش کرتی ہے۔ شور کی لچک اور اعلی درستگی کو برقرار رکھ سکتا ہے یہاں تک کہ جب اہم پس منظر کے شور، اوورلیپنگ اسپیکرز، یا خراب ریکارڈنگ کوالٹی کے ساتھ آڈیو پر کارروائی کی جائے۔ یہ مضبوطی اس کے متنوع تربیتی ڈیٹا سے پیدا ہوتی ہے، جس میں مختلف ماحول اور ریکارڈنگ کے حالات سے آڈیو نمونے شامل تھے۔

ماڈل کی چیلنجنگ آڈیو کو ہینڈل کرنے کی صلاحیت اسے خاص طور پر ان ایپلی کیشنز کے لیے قابل قدر بناتی ہے جن میں شامل ہیں:

• ماحولیاتی شور کے ساتھ فیلڈ ریکارڈنگ
• متغیر آڈیو کوالٹی کے ساتھ صارف کا تیار کردہ مواد
• پرانے یا انحطاط شدہ آڈیو کے ساتھ تاریخی آرکائیوز
• متعدد شرکاء اور ممکنہ کراسسٹالک کے ساتھ ملاقاتیں۔

درستگی اور سیاق و سباق کی تفہیم

سادہ لفظوں کی پہچان کے علاوہ، وسپر اعلی درجے کا مظاہرہ کرتا ہے۔ سیاق و سباق کی تفہیم جو اسے ارد گرد کے سیاق و سباق کی بنیاد پر مبہم تقریر کو درست طریقے سے نقل کرنے کی اجازت دیتا ہے۔ ماڈل مناسب اسموں کو صحیح طریقے سے کیپٹلائز کر سکتا ہے، رموز اوقاف داخل کر سکتا ہے، اور متن کے عناصر جیسے نمبرز، تاریخوں اور پتے کو مناسب طریقوں سے فارمیٹ کر سکتا ہے۔

یہ صلاحیتیں ماڈل کے بڑے پیرامیٹر کی گنتی اور وسیع تربیتی اعداد و شمار سے حاصل ہوتی ہیں، جو اسے محض تقریر کے صوتی نمونوں سے ہٹ کر پیچیدہ لسانی نمونوں اور کنونشنز کو سیکھنے کے قابل بناتی ہیں۔ یہ گہری تفہیم مواد کے تجزیہ، خلاصہ، یا معلومات کے اخراج جیسے نیچے کی دھارے والی ایپلی کیشنز کے لیے Whisper کی نقلوں کے استعمال کو نمایاں طور پر بڑھاتی ہے۔

وسپر ٹیکنالوجی کی عملی ایپلی کیشنز

مواد کی تخلیق اور میڈیا پروڈکشن

میں مواد تخلیق انڈسٹری، Whisper نے انٹرویوز، پوڈکاسٹس، اور ویڈیو مواد کی تیز اور درست نقل کو فعال کر کے ورک فلو میں انقلاب برپا کر دیا ہے۔ میڈیا کے پیشہ ور افراد Whisper کا استعمال کرتے ہیں:

• ویڈیوز کے لیے سب ٹائٹلز بنائیں
• آڈیو مواد کے قابل تلاش آرکائیوز بنائیں
• رسائی کے لیے بولے جانے والے مواد کے متنی ورژن تیار کریں۔
• آڈیو مواد کو متن کے قابل تلاش بنا کر ترمیم کے عمل کو ہموار کریں۔

Whisper ٹرانسکرپشنز کی اعلیٰ درستگی پچھلی نسل کی ASR ٹیکنالوجیز کے مقابلے میں مطلوبہ دستی ترمیم کے وقت کو نمایاں طور پر کم کرتی ہے، جس سے مواد کے تخلیق کاروں کو اپنے کام کے تخلیقی پہلوؤں پر زیادہ توجہ مرکوز کرنے کی اجازت ملتی ہے۔

قابل رسائی ایپلی کیشنز

سرگوشی کی صلاحیتوں کے گہرے مضمرات ہیں۔ رسائی کے اوزار سماعت سے محروم افراد کی مدد کے لیے ڈیزائن کیا گیا ہے۔ ماڈل ایپلی کیشنز کو طاقت دیتا ہے جو فراہم کرتا ہے:

• میٹنگز اور بات چیت کے لیے ریئل ٹائم ٹرانسکرپشن
• تعلیمی مواد کے لیے درست کیپشن
• ٹیلی کمیونیکیشنز کے لیے آواز سے متن کی فعالیت
• معاون آلات جو محیطی تقریر کو پڑھنے کے قابل متن میں تبدیل کرتے ہیں۔

ماڈل کی متنوع لہجوں اور بولنے کے انداز کو سنبھالنے کی صلاحیت اسے خاص طور پر قابل قدر مواصلاتی ٹولز بنانے کے لیے بناتی ہے جو تمام صارفین کے لیے قابل اعتماد طریقے سے کام کرتے ہیں، خواہ ان کے بولنے کے نمونوں سے قطع نظر۔

بزنس انٹیلی جنس اور تجزیات

تنظیمیں تیزی سے Whisper for استعمال کر رہی ہیں۔ کاروبار کی ذہانت وہ ایپلیکیشنز جو صوتی ڈیٹا سے بصیرت نکالتی ہیں۔ کلیدی ایپلی کیشنز میں شامل ہیں:

• کسٹمر سروس کالز کی نقل اور تجزیہ
• منٹس اور ایکشن آئٹمز بنانے کے لیے میٹنگ کی ریکارڈنگ پر کارروائی
• آواز پر مبنی صارف کے تجربے کی تحقیق
• ریگولیٹڈ مواصلات کے لیے تعمیل کی نگرانی

ڈومین سے متعلق مخصوص اصطلاحات کو درست طریقے سے نقل کرنے کی ماڈل کی صلاحیت اسے صحت کی دیکھ بھال سے لے کر مالیاتی خدمات تک صنعتوں میں قابل قدر بناتی ہے، جہاں خصوصی الفاظ عام ہیں۔

تعلیمی اور تحقیقی ایپلی کیشنز

In تعلیمی تحقیق, Whisper بولی جانے والی زبان کے ڈیٹا کا تجزیہ کرنے کے لیے نئے طریقہ کار کو قابل بناتا ہے۔ محققین اس ٹیکنالوجی کا استعمال کرتے ہیں:

• کوالٹیٹیو ریسرچ میں انٹرویو کے ڈیٹا کی بڑے پیمانے پر پروسیسنگ
• تقریر کے نمونوں اور زبان کے استعمال کا سماجی لسانی مطالعہ
• زبانی تاریخ کا تحفظ اور تجزیہ
• بشریاتی تحقیق میں فیلڈ ریکارڈنگ پر کارروائی کرنا

بنیادی Whisper ماڈل کی اوپن سورس نوعیت تعلیمی ایپلی کیشنز کے لیے خاص طور پر قابل قدر رہی ہے، جس سے محققین کو خصوصی تحقیقی تقاضوں کے لیے ٹیکنالوجی کو اپنانے اور بڑھانے کی اجازت ملتی ہے۔

متعلقہ موضوعات:8 کے بہترین 2025 مقبول ترین AI ماڈلز کا موازنہ

مستقبل کی سمتیں اور جاری ترقی

موجودہ حدود اور چیلنجز

اپنی متاثر کن صلاحیتوں کے باوجود، سرگوشی کی ٹیکنالوجی اب بھی کئی حدود کا سامنا ہے جو مستقبل میں بہتری کے مواقع پیش کرتے ہیں:

• ریئل ٹائم پروسیسنگ بڑے، زیادہ درست ماڈل کی مختلف حالتوں کے لیے چیلنجنگ رہتی ہے۔
• بہت خاص تکنیکی الفاظ اب بھی درستگی کے چیلنجز پیش کر سکتے ہیں۔
• ایک سے زیادہ اوورلیپنگ اسپیکرز کے ساتھ انتہائی شور والا ماحول نقل کے معیار کو کم کر سکتا ہے۔
• غیر واضح آڈیو پر کارروائی کرتے وقت ماڈل کبھی کبھار ہیلوسینیٹڈ مواد تیار کرتا ہے۔

یہ حدود کے میدان میں تحقیق اور ترقی کے فعال شعبوں کی نمائندگی کرتی ہیں۔ تقریر کی شناخت کی ٹیکنالوجیہر چیلنج سے نمٹنے کے لیے جاری کام کے ساتھ۔

دوسرے AI سسٹمز کے ساتھ انضمام

وسپر کا مستقبل ممکنہ طور پر گہرا شامل ہے۔ تکمیلی AI سسٹمز کے ساتھ انضمام مزید جامع لینگویج پروسیسنگ پائپ لائنز بنانے کے لیے۔ خاص طور پر امید افزا ہدایات میں شامل ہیں:

• سپیکر ڈائرائزیشن سسٹم کے ساتھ وِسپر کو ملٹی سپیکر ریکارڈنگ میں مخصوص افراد سے منسوب کرنا
• سیاق و سباق سے متعلق آگاہی اور غلطی کی اصلاح کے لیے بڑے زبان کے ماڈلز کے ساتھ ضم کرنا
• جذباتی شناخت اور جذباتی تجزیہ کے ساتھ شامل کرنا
• زیادہ روانی بہزبانی صلاحیتوں کے لیے ترجمے کے نظام کے ساتھ جوڑا بنانا

یہ انضمام ایپلی کیشنز اور استعمال کے معاملات میں تقریر کی شناخت کی ٹیکنالوجی کی افادیت کو نمایاں طور پر بڑھا سکتا ہے۔

خصوصی موافقت اور فائن ٹیوننگ

As تقریر سے متن تکنیک ارتقاء جاری ہے، ہم مخصوص ڈومینز اور ایپلیکیشنز کے لیے Whisper کے مزید خصوصی موافقت دیکھنے کی توقع کر سکتے ہیں۔ مخصوص کے لیے ماڈل کو ٹھیک کرنا:

• صنعت کی اصطلاحات اور اصطلاحات
• علاقائی لہجے اور بولیاں
• مخصوص تقریر کے نمونوں کے ساتھ عمر کے گروپ
• طبی، قانونی، یا تکنیکی الفاظ

یہ خصوصی موافقتیں مخصوص استعمال کے معاملات کے لیے کارکردگی کو نمایاں طور پر بڑھا سکتی ہیں جبکہ بیس Whisper فن تعمیر کے بنیادی فوائد کو برقرار رکھتی ہیں۔

نتیجہ

۔ سرگوشی AI ماڈل اسپیچ ریکگنیشن ٹیکنالوجی میں ایک تاریخی کامیابی کی نمائندگی کرتا ہے، جو بے مثال درستگی، کثیر لسانی صلاحیتوں، اور چیلنجنگ آڈیو ماحول میں مضبوطی کی پیشکش کرتا ہے۔ ایک اوپن سورس ماڈل اور ایک تجارتی API دونوں کے طور پر، Whisper نے اعلی درجے کی تقریر کی شناخت کی صلاحیتوں تک رسائی کو جمہوری بنایا ہے، جس سے صنعتوں اور ایپلی کیشنز میں اختراعات کو قابل بنایا گیا ہے۔

مواد کے تخلیق کاروں سے لے کر رسائی کے حامیوں تک، تعلیمی محققین سے لے کر کاروباری تجزیہ کاروں تک، متنوع شعبوں کے صارفین کو بولی جانے والی زبان کو درست متن میں تبدیل کرنے کی Whisper کی صلاحیت سے فائدہ ہوتا ہے۔ جیسے جیسے ترقی جاری رہتی ہے اور ٹیکنالوجی دوسرے AI سسٹمز کے ساتھ مزید مربوط ہوتی جاتی ہے، ہم اس بنیادی ٹیکنالوجی سے مزید طاقتور اور خصوصی ایپلی کیشنز سامنے آنے کی توقع کر سکتے ہیں۔

تحقیقی پروجیکٹ سے وسیع پیمانے پر تعینات ٹیکنالوجی تک Whisper کا سفر مصنوعی ذہانت میں پیشرفت کی تیز رفتاری کی عکاسی کرتا ہے اور اس بات کی ایک جھلک فراہم کرتا ہے کہ کس طرح تقریری ٹیکنالوجیز مزید درست، زیادہ قابل رسائی، اور ہمارے ڈیجیٹل تجربات میں مزید گہرائی سے مربوط ہوتی رہیں گی۔

اس کو کیسے بلایا جائے۔ کسبی ہماری ویب سائٹ سے API

1.لاگ ان کریں cometapi.com پر۔ اگر آپ ابھی تک ہمارے صارف نہیں ہیں، تو براہ کرم پہلے رجسٹر کریں۔

2.رسائی کی سند API کلید حاصل کریں۔ انٹرفیس کے. ذاتی مرکز میں API ٹوکن پر "ٹوکن شامل کریں" پر کلک کریں، ٹوکن کی حاصل کریں: sk-xxxxx اور جمع کرائیں۔

3. اس سائٹ کا url حاصل کریں: https://www.cometapi.com/console

4. منتخب کریں کسبی API کی درخواست بھیجنے اور درخواست کا باڈی سیٹ کرنے کے لیے اینڈ پوائنٹ۔ درخواست کا طریقہ اور درخواست باڈی سے حاصل کیا جاتا ہے۔ ہماری ویب سائٹ API دستاویز. ہماری ویب سائٹ آپ کی سہولت کے لیے Apifox ٹیسٹ بھی فراہم کرتی ہے۔

5. تیار کردہ جواب حاصل کرنے کے لیے API جواب پر کارروائی کریں۔ API کی درخواست بھیجنے کے بعد، آپ کو ایک JSON آبجیکٹ موصول ہوگا جس میں تیار کردہ تکمیل ہوگی۔