Hugging Face 推論 API 開発者ガイド

import requests
import os

# ベストプラクティス：トークンを環境変数に保存する
# この例では直接定義しますが、本番環境では os.getenv("HF_API_TOKEN") を使用してください。
API_TOKEN = "YOUR_API_TOKEN"
API_URL = "https://api-inference.huggingface.co/models/distilbert/distilbert-base-uncased-finetuned-sst-2-english"

def query_model(payload):
    headers = {"Authorization": f"Bearer {API_TOKEN}"}
    response = requests.post(API_URL, headers=headers, json=payload)
    response.raise_for_status()  # 不正なステータスコードの場合に例外を発生させる
    return response.json()

# 文章を分類してみましょう
data_payload = {
    "inputs": "I love the new features in this software, it's amazing!"
}

try:
    output = query_model(data_payload)
    print(output)
    # 期待される出力例: [[{'label': 'POSITIVE', 'score': 0.9998...}]]
except requests.exceptions.RequestException as e:
    print(f"エラーが発生しました: {e}")

import requests

API_URL = "https://api-inference.huggingface.co/models/gpt2"
headers = {"Authorization": "Bearer YOUR_API_TOKEN"}

def query_text_generation(payload):
    response = requests.post(API_URL, headers=headers, json=payload)
    return response.json()

output = query_text_generation({
    "inputs": "The future of AI in software development will be",
    "parameters": {"max_length": 50, "temperature": 0.7}
})
print(output)
# 期待される出力: [{'generated_text': 'The future of AI in software development will be...'}]

import requests

API_URL = "https://api-inference.huggingface.co/models/google/vit-base-patch16-224"
headers = {"Authorization": "Bearer YOUR_API_TOKEN"}

def query_image_classification(filename):
    with open(filename, "rb") as f:
        data = f.read()
    response = requests.post(API_URL, headers=headers, data=data)
    return response.json()

# 同じディレクトリに画像ファイル（例：'cat.jpg'）があることを確認してください
try:
    output = query_image_classification("cat.jpg")
    print(output)
    # 期待される出力例: [{'score': 0.99..., 'label': 'Egyptian cat'}, {'score': 0.00..., 'label': 'tabby, tabby cat'}, ...]
except FileNotFoundError:
    print("エラー: 'cat.jpg' が見つかりません。有効な画像ファイルのパスを指定してください。")

// fetch を使用した JavaScript の例
async function queryZeroShot(data) {
    const response = await fetch(
        "https://api-inference.huggingface.co/models/facebook/bart-large-mnli",
        {
            headers: { Authorization: "Bearer YOUR_API_TOKEN" },
            method: "POST",
            body: JSON.stringify(data),
        }
    );
    const result = await response.json();
    return result;
}

queryZeroShot({
    "inputs": "Our new feature launch was a massive success!",
    "parameters": {"candidate_labels": ["marketing", "customer feedback", "technical issue"]}
}).then((response) => {
    console.log(JSON.stringify(response));
    // 期待される出力: {"sequence": "...", "labels": ["customer feedback", ...], "scores": [0.98..., ...]}
});

# 変更前： Hugging Face への直接 API 呼び出し
# これは単一障害点（SPOF）を生み出します。
import requests

HF_API_URL = "https://api-inference.huggingface.co/models/gpt2"
HF_TOKEN = "YOUR_HF_TOKEN"

def direct_hf_call(payload):
    headers = {"Authorization": f"Bearer {HF_TOKEN}"}
    response = requests.post(HF_API_URL, headers=headers, json=payload)
    return response.json()

# 変更後： 統一された EvoLink API（OpenAI 互換）を使用
# アプリケーションは自動フェイルオーバーと負荷分散によりレジリエントになります。
import requests

# EvoLink の統一 API エンドポイント（OpenAI 互換）
EVOLINK_API_URL = "https://api.evolink.ai/v1"
EVOLINK_TOKEN = "YOUR_EVOLINK_TOKEN"

def evolink_image_generation(prompt):
    """
    EvoLink のインテリジェント ルーティングを使用して画像を生成。
    EvoLink は選択したモデルに対して最も安価なプロバイダーに自動的にルーティングします。
    """
    headers = {"Authorization": f"Bearer {EVOLINK_TOKEN}"}

    # 例： Seedream 4.0 を使用してストーリー主導の 4K 画像を生成
    payload = {
        'model': 'doubao-seedream-4.0',  # または 'gpt-4o-image', 'nano-banana'
        'prompt': prompt,
        'size': '1024x1024'
    }

    response = requests.post(f"{EVOLINK_API_URL}/images/generations",
                            headers=headers, json=payload)
    return response.json()

def evolink_video_generation(prompt):
    """
    EvoLink の動画モデルを使用して動画を生成。
    """
    headers = {"Authorization": f"Bearer {EVOLINK_TOKEN}"}

    # 例： Sora 2 を使用して音声付きの 10 秒動画を生成
    payload = {
        'model': 'sora-2',  # または 8秒動画用の 'veo3-fast'
        'prompt': prompt,
        'duration': 10
    }

    response = requests.post(f"{EVOLINK_API_URL}/videos/generations",
                            headers=headers, json=payload)
    return response.json()