Pular para o conteúdo
Esta página foi traduzida por IA e pode conter erros. Ler o original em inglês

Configuração de serviço: IA genérica

Esta página é uma referência para usuários intermediários e avançados e para desenvolvedores. Ela pode ser útil ao configurar manualmente outros serviços de terceiros.

A IA genérica é usada para:

  • Extrair texto
  • Extrair resumo da imagem
  • Traduzir

Detectar blocos de texto não faz parte da IA genérica. Essa etapa exige um serviço dedicado de detecção de blocos de texto.

  • Extrair texto e Extrair resumo da imagem exigem capacidade de visão.
  • Para a tradução, priorize um modelo com qualidade de linguagem estável e comprimento de contexto suficiente.
  • Fique de olho no custo de tokens do modelo. Você pode executar primeiro um lote pequeno como teste.
  • Para reduzir custos, use um modelo local.

As duas tarefas exigem um modelo com capacidade de visão. Na terminologia de produtos, esses modelos costumam ser chamados de modelos multimodais ou modelos de visão e linguagem (VLMs).

Os principais modelos com visão costumam ter bom desempenho, especialmente com texto irregular, texto fora dos balões e letreiramento de efeitos sonoros (SFX). Eles também conseguem, até certo ponto, filtrar o furigana japonês.

Por isso, mesmo que um modelo de Detectar blocos de texto já tenha retornado o texto, passar um modelo de visão e linguagem por ele novamente ainda pode ajudar, embora a melhora possa ser limitada.

O raciocínio não ajuda na extração de texto. Em geral, é melhor desativar o raciocínio para economizar tokens e tempo.

Um resumo da imagem preciso pode descrever a cena e o clima dela, melhorando a qualidade da tradução. No entanto, um modelo mais fraco pode alucinar detalhes e induzir a tradução ao erro. Escolha com cuidado um modelo capaz.

Referências de modelos:

  • Modelos no nível de gpt-6-sol (high) ou superior têm desempenho muito bom.
  • OpenRouter: google/gemma-4-31b-it — mediano. O Guia de início rápido o usa porque ele tem baixo custo e funciona bem para Extrair texto, não porque seja a melhor escolha para resumos de imagem.
  • mimo-v2.6-flash — mediano.
  • glm-5.3-flash e deepseek-v4.1-flash — propensos a alucinações graves; não recomendados para esta tarefa.

O raciocínio tem um efeito considerável nesta tarefa. Use um nível de raciocínio mais alto sempre que possível. A capacidade dos modelos de IA de uso geral de interpretar mangás pode melhorar com o tempo.

Para a tradução, priorize qualidade de linguagem estável e comprimento de contexto suficiente. Referências de modelos:

  • DeepSeek oficial: deepseek-v4-flash, esforço de raciocínio Alto. É rápido e produz bons resultados.
  • Zhipu: glm-5.3-flash, esforço de raciocínio Máximo. Tem precisão relativamente alta.
  • Xiaomi Mimo: mimo-v2.6-flash, esforço de raciocínio Máximo. É um pouco mais fraco que os dois anteriores, mas ainda é utilizável.

O endpoint que recebe as requisições. Normalmente, as predefinições já o fornecem. Altere-o ao usar o Ollama ou outro serviço local compatível.

A chave emitida pelo provedor. Serviços locais podem deixar este campo em branco. A chave é armazenada no armazenamento seguro do dispositivo e é removida quando a configuração de serviço correspondente é excluída.

O nome exato do modelo enviado ao provedor. Ele deve corresponder a um modelo compatível com esse provedor. Um nome de exibição personalizado não altera o identificador enviado na requisição.

As capacidades determinam quais ações de automação podem usar um modelo.

Não marque um modelo sem entrada de imagem como capaz de Extrair texto ou Extrair resumo da imagem. Uma declaração de capacidade incorreta pode ativar uma ação cuja requisição acabará falhando.

O número de requisições executadas ao mesmo tempo. Valores mais altos costumam ser mais rápidos, mas têm mais chance de acionar limites de taxa e usam mais memória. 0 significa ilimitado. Se não tiver certeza, mantenha o valor predefinido.

O número máximo de requisições iniciadas em uma janela de tempo. Isso é diferente da simultaneidade: a simultaneidade limita o trabalho simultâneo, enquanto o limite de taxa limita quantas requisições começam em um período. 0 desativa o limite.

O intervalo mínimo, em segundos, entre o início de requisições consecutivas. Aumente-o quando um provedor limitar as requisições.

O número de novas tentativas após uma requisição com falha. 0 desativa as novas tentativas automáticas. Novas tentativas podem gerar cobranças do provedor; se o erro for uma chave de API inválida ou um modelo desconhecido, aumentar o número de tentativas normalmente não ajuda.

Temperatura, limites de tokens, Top P e parâmetros semelhantes afetam diretamente a requisição enviada ao modelo. Deixe-os em branco para usar os padrões do provedor ou do modelo. Não os preencha, a menos que saiba que o provedor aceita o parâmetro.

A substituição de requisição (requestOverride) lida com as diferenças entre um provedor e o formato de requisição padrão compatível com OpenAI. Ela pode modificar os cabeçalhos da requisição, os parâmetros de consulta da URL e o corpo da requisição sem alterar a lógica geral de requisições do app.

Uma substituição de requisição deve ser um objeto JSON:

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

Mantenha os três campos. Use um objeto vazio {} para uma seção que não precisa de substituição.

headers e query aceitam o marcador {{API_KEY}}. Antes de a requisição ser enviada, ele é substituído pela chave de API da configuração atual. Não coloque uma chave de API real diretamente em uma substituição de requisição nem a inclua em documentação ou em um repositório.

headers: substituições de cabeçalhos da requisição

Seção intitulada “headers: substituições de cabeçalhos da requisição”

headers é um objeto JSON plano. As chaves são nomes de cabeçalhos, e os valores devem ser strings ou null:

  • Uma string adiciona ou substitui um cabeçalho.
  • null remove o campo correspondente dos cabeçalhos padrão do app.

Por exemplo, para adicionar um cabeçalho exigido por um provedor:

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

query: substituições de parâmetros de consulta da URL

Seção intitulada “query: substituições de parâmetros de consulta da URL”

query também é um objeto plano. Ele modifica os parâmetros de consulta após a URL da API:

  • Uma string adiciona ou substitui um parâmetro de consulta.
  • null remove um parâmetro de consulta.

Por exemplo, alguns provedores exigem a chave de API em um parâmetro de consulta key:

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

Uma substituição de requisição pode modificar os parâmetros de consulta, mas não pode modificar o método HTTP nem o caminho da API.

body é um patch parcial do corpo da requisição, não um corpo de requisição completo. O app primeiro cria os parâmetros comuns da requisição e depois mescla este conteúdo neles:

  • Campos comuns adicionam ou substituem campos com o mesmo nome.
  • Objetos aninhados são mesclados recursivamente; substituir um campo filho não remove os campos irmãos.
  • Um campo cujo valor é null é removido do corpo final da requisição.
  • Números, strings, booleanos e arrays substituem diretamente um valor com o mesmo nome.

Por exemplo, para adicionar parâmetros específicos de um provedor:

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

Use null para remover um campo que o app enviaria normalmente:

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

A substituição do corpo é aplicada depois dos parâmetros do modelo e dos parâmetros de raciocínio. Portanto, os valores em body têm prioridade sobre os parâmetros comuns e os mapeamentos de raciocínio. Uma substituição incorreta pode tornar a requisição incompatível com o provedor.

Substituições no nível do provedor e no nível do modelo

Seção intitulada “Substituições no nível do provedor e no nível do modelo”

Uma substituição de requisição pode vir de dois níveis:

  • Substituição no nível do provedor: a substituição padrão do provedor, normalmente fornecida pelo catálogo de provedores.
  • Substituição no nível do modelo: uma substituição que se aplica a apenas um modelo.

As substituições no nível do modelo seguem estes estados de valor:

  • null: herda a substituição no nível do provedor.
  • Um objeto diferente de null: substitui o objeto do nível do provedor como um todo; ele não é mesclado em profundidade com o objeto do nível do provedor.
  • {}: também é um objeto diferente de null, o que significa que este modelo explicitamente não usa nenhuma substituição no nível do provedor.

Portanto, se uma substituição no nível do modelo altera apenas um campo de uma substituição no nível do provedor, ela também precisa incluir os outros campos do nível do provedor que devem ser mantidos.

Quando uma configuração é criada a partir do catálogo de provedores, o app pode preencher automaticamente uma substituição de requisição. Até que você a edite manualmente, a configuração continua acompanhando as atualizações dos padrões do catálogo.

Depois que você edita manualmente uma substituição de requisição, o app a marca como conteúdo personalizado e não substituirá mais o que você digitou pelos padrões do catálogo ao abrir a página de configurações. Selecione Restaurar padrões para voltar a usar a substituição fornecida pelo catálogo.

  • O conteúdo de headers, query e body deve ser um objeto JSON válido.
  • headers e query usam valores planos do tipo string ou null; não escreva objetos aninhados neles.
  • Somente body aceita objetos aninhados e mesclagem em profundidade.
  • Prefira os valores fornecidos automaticamente pelo catálogo de provedores.
  • Se não tiver certeza se um provedor aceita um campo, consulte primeiro a documentação da API dele.
  • Teste a configuração salva com uma imagem antes de executá-la em um volume inteiro.