Lewati ke konten
Halaman ini diterjemahkan oleh AI dan mungkin mengandung kesalahan. Baca versi asli bahasa Inggris

Konfigurasi Layanan: AI Serbaguna

Halaman ini ditujukan sebagai referensi bagi pengguna tingkat menengah dan lanjutan serta developer. Halaman ini mungkin berguna saat mengonfigurasi layanan pihak ketiga lainnya secara manual.

Kemampuan apa yang disediakan AI Serbaguna?

Section titled “Kemampuan apa yang disediakan AI Serbaguna?”

AI Serbaguna digunakan untuk:

  • Ekstrak Teks
  • Ekstrak Ringkasan Gambar
  • Terjemahkan

Deteksi Blok Teks bukan bagian dari AI Serbaguna. Kemampuan ini memerlukan layanan pendeteksian blok teks khusus.

Cara memilih model AI Serbaguna yang sesuai

Section titled “Cara memilih model AI Serbaguna yang sesuai”
  • Ekstrak Teks dan Ekstrak Ringkasan Gambar memerlukan kemampuan visi.
  • Untuk terjemahan, utamakan model dengan kualitas bahasa yang stabil dan panjang konteks yang memadai.
  • Perhatikan biaya token model. Anda dapat menjalankan batch kecil terlebih dahulu sebagai uji coba.
  • Untuk menekan biaya, gunakan model lokal.

Kedua tugas ini memerlukan model dengan kemampuan visi. Dalam istilah produk, model seperti ini biasanya disebut model multimodal atau model bahasa-visi (VLM).

Model arus utama yang mendukung visi umumnya bekerja dengan baik, terutama untuk teks yang tidak beraturan, teks di luar balon dialog, dan lettering efek khusus (SFX). Model-model ini juga dapat menyaring furigana bahasa Jepang sampai batas tertentu.

Jadi, meskipun model Deteksi Blok Teks sudah mengembalikan teks, menjalankan model bahasa-visi sekali lagi mungkin tetap membantu, meskipun peningkatannya mungkin terbatas.

Penalaran tidak membantu ekstraksi teks. Umumnya lebih baik menonaktifkan penalaran untuk menghemat token dan waktu.

Ringkasan gambar yang akurat dapat menggambarkan adegan dan suasananya, sehingga meningkatkan kualitas terjemahan. Namun, model yang lebih lemah dapat berhalusinasi tentang detail dan menyesatkan terjemahan. Pilih model yang mumpuni dengan cermat.

Referensi model:

  • Model setara atau di atas gpt-6-sol (high) bekerja sangat baik.
  • OpenRouter: google/gemma-4-31b-it — biasa-biasa saja. Panduan Memulai Cepat menggunakannya karena biayanya rendah dan bekerja dengan baik untuk Ekstrak Teks, bukan karena model ini pilihan terbaik untuk ringkasan gambar.
  • mimo-v2.6-flash — biasa-biasa saja.
  • glm-5.3-flash dan deepseek-v4.1-flash — rentan terhadap halusinasi berat; tidak disarankan untuk tugas ini.

Penalaran sangat berpengaruh pada tugas ini. Gunakan tingkat penalaran yang lebih tinggi jika memungkinkan. Kemampuan model AI pada umumnya dalam memahami manga mungkin akan meningkat seiring waktu.

Untuk terjemahan, utamakan kualitas bahasa yang stabil dan panjang konteks yang memadai. Referensi model:

  • DeepSeek resmi: deepseek-v4-flash, upaya penalaran Tinggi. Cepat dan memberikan hasil yang baik.
  • Zhipu: glm-5.3-flash, upaya penalaran Maksimum. Akurasinya relatif tinggi.
  • Xiaomi Mimo: mimo-v2.6-flash, upaya penalaran Maksimum. Sedikit lebih lemah dibanding dua model di atas, tetapi masih dapat digunakan.

Endpoint yang menerima permintaan. Biasanya sudah disediakan oleh preset. Ubah jika Anda menggunakan Ollama atau layanan lokal lain yang kompatibel.

Kunci yang diterbitkan oleh penyedia. Untuk layanan lokal, kolom ini boleh dikosongkan. Kunci disimpan di penyimpanan aman perangkat dan dihapus saat konfigurasi layanannya dihapus.

Nama model persis yang dikirim ke penyedia. Nama ini harus sesuai dengan model yang didukung oleh penyedia tersebut. Nama tampilan kustom tidak mengubah pengenal yang dikirim dalam permintaan.

Kemampuan menentukan tindakan otomatisasi mana yang dapat menggunakan sebuah model.

Jangan tandai model yang tidak mendukung input gambar sebagai mampu melakukan Ekstrak Teks atau Ekstrak Ringkasan Gambar. Deklarasi kemampuan yang salah dapat mengaktifkan tindakan yang permintaannya pada akhirnya gagal.

Jumlah permintaan yang berjalan pada saat yang sama. Nilai yang lebih tinggi biasanya lebih cepat, tetapi lebih mungkin memicu batas laju dan menggunakan lebih banyak memori. 0 berarti tanpa batas. Jika ragu, pertahankan nilai preset.

Jumlah maksimum permintaan yang dimulai dalam satu jendela waktu. Ini berbeda dari konkurensi: konkurensi membatasi pekerjaan yang berjalan bersamaan, sedangkan batas laju membatasi berapa banyak permintaan yang dimulai dalam satu periode. 0 menonaktifkan batas.

Jeda minimum antara dimulainya dua permintaan berturut-turut, dalam detik. Naikkan nilainya jika penyedia membatasi (throttle) permintaan.

Jumlah percobaan ulang setelah permintaan gagal. 0 menonaktifkan percobaan ulang otomatis. Percobaan ulang dapat menimbulkan biaya dari penyedia; jika error-nya berupa kunci API yang tidak valid atau model yang tidak dikenal, menambah jumlah percobaan ulang biasanya tidak akan membantu.

Temperature, batas token, Top P, dan parameter serupa langsung memengaruhi permintaan yang dikirim ke model. Biarkan kosong untuk menggunakan nilai default penyedia atau model. Jangan isi kecuali Anda tahu bahwa penyedia mendukung parameter tersebut.

Override permintaan (requestOverride) menangani perbedaan antara penyedia dan format permintaan standar yang kompatibel dengan OpenAI. Fitur ini dapat mengubah header permintaan, parameter kueri URL, dan isi (body) permintaan tanpa mengubah logika permintaan umum aplikasi.

Override permintaan harus berupa objek JSON:

{
"headers": {},
"query": {},
"body": {}
}

Pertahankan ketiga kolom tersebut. Gunakan objek kosong {} untuk bagian yang tidak memerlukan override.

headers dan query mendukung placeholder {{API_KEY}}. Sebelum permintaan dikirim, placeholder ini diganti dengan kunci API dari konfigurasi saat ini. Jangan menaruh kunci API asli langsung di override permintaan atau meng-commit-nya ke dokumentasi atau repositori.

headers adalah objek JSON datar. Kuncinya adalah nama header, dan nilainya harus berupa string atau null:

  • String menambahkan atau mengganti sebuah header.
  • null menghapus kolom yang bersangkutan dari header default aplikasi.

Misalnya, untuk menambahkan header yang diwajibkan oleh penyedia:

{
"headers": {
"X-Provider-Version": "2026-01"
},
"query": {},
"body": {}
}

query juga merupakan objek datar. Objek ini mengubah parameter kueri setelah URL API:

  • String menambahkan atau mengganti parameter kueri.
  • null menghapus parameter kueri.

Misalnya, beberapa penyedia mewajibkan kunci API dalam parameter kueri key:

{
"headers": {},
"query": {
"key": "{{API_KEY}}"
},
"body": {}
}

Override permintaan dapat mengubah parameter kueri, tetapi tidak dapat mengubah metode HTTP atau path API.

body adalah tambalan parsial pada isi permintaan, bukan isi permintaan yang lengkap. Aplikasi terlebih dahulu membuat parameter permintaan umum, lalu menggabungkan konten ini ke dalamnya:

  • Kolom biasa menambahkan atau mengganti kolom dengan nama yang sama.
  • Objek bersarang digabungkan secara rekursif; mengganti satu kolom anak tidak menghapus kolom saudaranya.
  • Kolom yang nilainya null dihapus dari isi permintaan akhir.
  • Angka, string, boolean, dan array langsung menggantikan nilai dengan nama yang sama.

Misalnya, untuk menambahkan parameter khusus penyedia:

{
"headers": {},
"query": {},
"body": {
"response_format": {
"type": "json_object"
},
"vendor_option": "value"
}
}

Gunakan null untuk menghapus kolom yang seharusnya dikirim oleh aplikasi:

{
"headers": {},
"query": {},
"body": {
"reasoning": null,
"reasoning_effort": null
}
}

Override body diterapkan setelah parameter model dan parameter penalaran. Karena itu, nilai di body lebih diutamakan daripada parameter umum dan pemetaan penalaran. Override yang salah dapat membuat permintaan tidak kompatibel dengan penyedia.

Override tingkat penyedia dan tingkat model

Section titled “Override tingkat penyedia dan tingkat model”

Override permintaan dapat berasal dari dua tingkat:

  • Override tingkat penyedia: override default milik penyedia, biasanya disediakan oleh katalog penyedia.
  • Override tingkat model: override yang hanya berlaku untuk satu model.

Override tingkat model mengikuti status nilai berikut:

  • null: mewarisi override tingkat penyedia.
  • Objek non-null: menggantikan objek tingkat penyedia secara keseluruhan; objek ini tidak digabungkan secara mendalam dengan objek tingkat penyedia.
  • {}: juga merupakan objek non-null, yang berarti model ini secara eksplisit tidak menggunakan override tingkat penyedia.

Karena itu, jika override tingkat model hanya mengubah satu kolom dari override tingkat penyedia, override tersebut juga harus menyertakan kolom-kolom tingkat penyedia lainnya yang ingin dipertahankan.

Saat konfigurasi dibuat dari katalog penyedia, aplikasi dapat mengisi override permintaan secara otomatis. Selama Anda belum mengeditnya secara manual, konfigurasi akan terus mengikuti pembaruan default katalog.

Setelah Anda mengedit override permintaan secara manual, aplikasi menandainya sebagai konten kustom dan tidak akan lagi mengganti input Anda dengan default katalog saat halaman pengaturan dibuka. Pilih Pulihkan Default untuk kembali menggunakan override yang disediakan katalog.

  • Isi headers, query, dan body harus berupa objek JSON yang valid.
  • headers dan query menggunakan nilai string atau null yang datar; jangan menulis objek bersarang di sana.
  • Hanya body yang mendukung objek bersarang dan penggabungan mendalam.
  • Utamakan nilai yang disediakan secara otomatis oleh katalog penyedia.
  • Jika Anda tidak yakin apakah penyedia mendukung suatu kolom, periksa dokumentasi API-nya terlebih dahulu.
  • Uji konfigurasi yang telah disimpan dengan satu gambar sebelum menjalankannya pada satu volume penuh.