Freigeben über

Schnellstart: Groundedness-Erkennung verwenden (Vorschau)

  • Artikel

In dieser Anleitung erfahren Sie, wie Sie die API zur Erkennung der Quellenübereinstimmung verwenden. Dieses Feature erkennt und korrigiert Text, der keine Quellenübereinstimmung aufweist, basierend auf den bereitgestellten Quelldokumenten automatisch und stellt sicher, dass der generierte Inhalt mit faktenbezogenen oder beabsichtigten Verweisen ausgerichtet wird. Im Folgenden untersuchen wir mehrere gängige Szenarien, die Ihnen helfen, zu verstehen, wie und wann diese Features angewendet werden, um die besten Ergebnisse zu erzielen.

Voraussetzungen

  • Azure-Abonnement: Kostenloses Azure-Konto
  • Sobald Sie über ein Azure-Abonnement verfügen, können Sie im Azure-Portal eine Content Safety-Ressource erstellen, um Ihren Schlüssel und Endpunkt abzurufen. Geben Sie für Ihre Ressource einen eindeutigen Namen ein. Wählen Sie Ihr Abonnement aus, und wählen Sie dann eine Ressourcengruppe, eine unterstützte Region und einen unterstützten Tarif. Klicken Sie anschließend auf Erstellen.
  • Die Bereitstellung der Ressource dauert einige Minuten. Navigieren Sie danach zur neuen Ressource. Wählen Sie im linken Bereich unter Ressourcenverwaltung die Option API-Schlüssel und Endpunkte aus. Kopieren Sie einen der Abonnementschlüsselwerte und den Endpunkt an einen temporären Speicherort für die spätere Verwendung.
  • (Optional) Wenn Sie das Begründungsfeature verwenden möchten, erstellen Sie eine Azure OpenAI Service-Ressource mit einem bereitgestellten GPT-Modell.
  • cURL oder Python installiert.

Überprüfen der Groundedness ohne Begründung

Im einfachen Fall ohne die Begründungsfunktion klassifiziert die Groundedness-Erkennungs-API die Unbegründetheit des übermittelten Inhalts als true oder false.

In diesem Abschnitt wird eine Beispielanforderung mit cURL erläutert. Fügen Sie den nachstehenden Befehl in einen Text-Editor ein, und nehmen Sie folgende Änderungen vor:

  1. Ersetzen Sie <endpoint> durch die Endpunkt-URL, die Ihrer Ressource zugeordnet ist.

  2. Ersetzen Sie <your_subscription_key> durch einen der Schlüssel für Ihre Ressource.

  3. Ersetzen Sie optional Felder "query" oder "text" im Text durch Ihren eigenen Text für die Analyse.

    curl --location --request POST '<endpoint>/contentsafety/text:detectGroundedness?api-version=2024-09-15-preview' \
--header 'Ocp-Apim-Subscription-Key: <your_subscription_key>' \
--header 'Content-Type: application/json' \
--data-raw '{
  "domain": "Generic",
  "task": "QnA",
  "qna": {
    "query": "How much does she currently get paid per hour at the bank?"
  },
  "text": "12/hour",
  "groundingSources": [
    "I'm 21 years old and I need to make a decision about the next two years of my life. Within a week. I currently work for a bank that requires strict sales goals to meet. IF they aren't met three times (three months) you're canned. They pay me 10/hour and it's not unheard of to get a raise in 6ish months. The issue is, **I'm not a salesperson**. That's not my personality. I'm amazing at customer service, I have the most positive customer service \"reports\" done about me in the short time I've worked here. A coworker asked \"do you ask for people to fill these out? you have a ton\". That being said, I have a job opportunity at Chase Bank as a part time teller. What makes this decision so hard is that at my current job, I get 40 hours and Chase could only offer me 20 hours/week. Drive time to my current job is also 21 miles **one way** while Chase is literally 1.8 miles from my house, allowing me to go home for lunch. I do have an apartment and an awesome roommate that I know wont be late on his portion of rent, so paying bills with 20hours a week isn't the issue. It's the spending money and being broke all the time.\n\nI previously worked at Wal-Mart and took home just about 400 dollars every other week. So I know i can survive on this income. I just don't know whether I should go for Chase as I could definitely see myself having a career there. I'm a math major likely going to become an actuary, so Chase could provide excellent opportunities for me **eventually**."
  ],
  "reasoning": false
}'

Öffnen Sie eine Eingabeaufforderung, und führen Sie den cURL-Befehl aus.

Um eine Zusammenfassungsaufgabe anstelle einer Fragebeantwortungsaufgabe (QnA) zu testen, verwenden Sie den folgenden JSON-Beispieltext:

{
  "domain": "Medical",
  "task": "Summarization",
  "text": "Ms Johnson has been in the hospital after experiencing a stroke.",
  "groundingSources": [
    "Our patient, Ms. Johnson, presented with persistent fatigue, unexplained weight loss, and frequent night sweats. After a series of tests, she was diagnosed with Hodgkin’s lymphoma, a type of cancer that affects the lymphatic system. The diagnosis was confirmed through a lymph node biopsy revealing the presence of Reed-Sternberg cells, a characteristic of this disease. She was further staged using PET-CT scans. Her treatment plan includes chemotherapy and possibly radiation therapy, depending on her response to treatment. The medical team remains optimistic about her prognosis given the high cure rate of Hodgkin’s lymphoma."
  ],
  "reasoning": false
}

Die folgenden Felder müssen in der URL enthalten sein:

Name Erforderlich BESCHREIBUNG type
API-Version Erforderlich Die zu benutzende API-Version. Aktuelle Version: api-version=2024-09-15-preview. Beispiel: <endpoint>/contentsafety/text:detectGroundedness?api-version=2024-09-15-preview String

Die Parameter im Anforderungstext sind in der folgenden Tabelle definiert:

Name Description type
domain (Optional) MEDICAL oder GENERIC. Standardwert. GENERIC. Enumeration
Aufgabe (Optional) Typ des Vorgangs: QnA, Summarization. Standardwert. Summarization. Enumeration
qna (Optional) Enthält QnA-Daten, wenn der Aufgabentyp QnA ist. String
- query (Optional) Dies stellt die Frage in einer QnA-Aufgabe dar. Zeichengrenzwert: 7500. String
text (Erforderlich) Der zu überprüfende LLM-Ausgabetext. Zeichengrenzwert: 7500. String
groundingSources (Erforderlich) Verwendet ein Array von Grounding-Quellen, um KI-generierten Text zu überprüfen. Informationen zu Grenzwerten finden Sie unter Eingabeanforderungen. Zeichenfolgenarray
Begründung (Optional) Gibt an, ob das Begründungsfeature verwendet werden soll. Der Standardwert ist false. Falls true müssen Sie Ihre eigenen Azure OpenAI GPT4o (Version 0513, 0806) mitbringen, um eine Erklärung bereitzustellen. Seien Sie vorsichtig: Die Verwendung der Begründung erhöht die Verarbeitungszeit. Boolean

Interpretieren der API-Antwort

Nachdem Sie Ihre Anforderung übermittelt haben, erhalten Sie eine JSON-Antwort, die die durchgeführte Groundedness-Analyse widerspiegelt. So sieht eine typische Ausgabe aus:

{
  "ungroundedDetected": true,
  "ungroundedPercentage": 1,
  "ungroundedDetails": [
    {
      "text": "12/hour."
    }
  ]
}

Die JSON-Objekte in der Ausgabe werden hier definiert:

Name Description type
ungroundedDetected Gibt an, ob der Text nicht begründet ist. Boolean
ungroundedPercentage Gibt den Anteil des als nicht begründet gekennzeichneten Texts an, ausgedrückt als Zahl zwischen 0 und 1, wobei 0 keinen unbegründeten Inhalt angibt und 1 den vollständig unbegründeten Inhalt angibt. Gleitkomma
ungroundedDetails Bietet Einblicke in unbegründeten Inhalt mit bestimmten Beispielen und Prozentsätzen. Array
-text Der spezifische Text, der unbegründet ist. String

Überprüfen von Groundedness mit Begründung

Die Groundedness-Erkennungs-API bietet die Möglichkeit, Begründungen in die API-Antwort einzuschließen. Wenn die Begründung aktiviert ist, enthält die Antwort ein "reasoning" Feld, das bestimmte Instanzen und Erklärungen für alle erkannten Unbegründetheiten enthält.

Verbinden Sie für Ihre eigene GPT-Bereitstellung

Tipp

Wir unterstützen nur Ressourcen für **Azure OpenAI GPT4o (Version 0513, 0806) ** und unterstützen keine anderen GPT-Typen. Sie haben die Flexibilität, Ihre Azure OpenAI GPT4o (Version 0513, 0806)-Ressourcen in einer beliebigen Region bereitzustellen. Um jedoch potenzielle Wartezeiten zu minimieren und jegliche Bedenken bzgl. Datenschutz und Risiken im Hinblick auf geografische Grenzen auszuräumen, empfehlen wir, sie in derselben Region wie Ihre Inhaltssicherheitsressourcen zu platzieren. Ausführliche Informationen zum Datenschutz finden Sie in den Daten-, Datenschutz- und Sicherheitsrichtlinien für Azure OpenAI Service und Daten, Datenschutz und Sicherheit in Azure KI Inhaltssicherheit.

Wenn Sie Ihre Azure OpenAI GPT4o-Turbo-Ressource (Version 0513, 0806) zum Aktivieren der Begründungsfunktion verwenden möchten, verwenden Sie eine verwaltete Identität, um Ihrer Inhaltssicherheitsressource den Zugriff auf die Azure OpenAI-Ressource zu ermöglichen:

  1. Aktivieren sie verwaltete Identität für Azure KI Inhaltssicherheit.

    Navigieren Sie im Azure-Portal zu Ihrer Azure KI Inhaltssicherheits-Instanz. Suchen Sie den Abschnitt Identität unter der Kategorie Einstellungen. Aktivieren der systemseitig zugewiesenen verwalteten Identität. Diese Aktion gewährt Ihrer Azure KI Inhaltssicherheits-Instanz eine Identität, die in Azure für den Zugriff auf andere Ressourcen erkannt und verwendet werden kann.

    Screenshot einer Inhaltssicherheits-Identitätsressource im Azure-Portal.

  2. Zuweisen einer Rolle zur verwalteten Identität.

    Navigieren Sie zu Ihrer Azure OpenAI-Instanz, wählen Sie Rollenzuweisung hinzufügen aus, um den Prozess der Zuweisung einer Azure OpenAI-Rolle zur Azure KI Inhaltssicherheits-Identität zu starten.

    Screenshot des Hinzufügens von Rollenzuweisungen im Azure-Portal.

    Wählen Sie die Rolle Benutzer oder Mitwirkender aus.

    Screenshot des Azure-Portals mit den Rollen

API-Anforderung stellen

Legen Sie in Ihrer Anforderung an die Groundedness-Erkennungs-API den "reasoning" Textparameter auf true, und geben Sie die anderen erforderlichen Parameter an:


{
  "domain": "Medical",
  "task": "Summarization",
  "text": "The patient name is Kevin.",
  "groundingSources": [
    "The patient name is Jane."
  ],
  "reasoning": true,
  "llmResource": {
    "resourceType": "AzureOpenAI",
    "azureOpenAIEndpoint": "<your_OpenAI_endpoint>",
    "azureOpenAIDeploymentName": "<your_deployment_name>"
  }
}

In diesem Abschnitt wird eine Beispielanforderung mit cURL erläutert. Fügen Sie den nachstehenden Befehl in einen Text-Editor ein, und nehmen Sie folgende Änderungen vor:

  1. Ersetzen Sie <endpoint> durch die Endpunkt-URL, die Ihrer Ressource in der Azure KI Inhaltssicherheit zugeordnet ist.

  2. Ersetzen Sie <your_subscription_key> durch einen der Schlüssel für Ihre Ressource.

  3. Ersetzen Sie <your_OpenAI_endpoint> durch die Endpunkt-URL, die Ihrer Azure OpenAI-Ressource zugeordnet ist.

  4. Ersetzen Sie <your_deployment_name> durch den Namen Ihrer Azure-OpenAI-Bereitstellung.

  5. Ersetzen Sie optional Felder "query" oder "text" im Text durch Ihren eigenen Text für die Analyse.

    curl --location --request POST '<endpoint>/contentsafety/text:detectGroundedness?api-version=2024-09-15-preview' \
--header 'Ocp-Apim-Subscription-Key: <your_subscription_key>' \
--header 'Content-Type: application/json' \
--data-raw '{
  "domain": "Generic",
  "task": "QnA",
  "qna": {
    "query": "How much does she currently get paid per hour at the bank?"
  },
  "text": "12/hour",
  "groundingSources": [
    "I'm 21 years old and I need to make a decision about the next two years of my life. Within a week. I currently work for a bank that requires strict sales goals to meet. If they aren't met three times (three months) you're canned. They pay me 10/hour and it's not unheard of to get a raise in 6ish months. The issue is, **I'm not a salesperson**. That's not my personality. I'm amazing at customer service, I have the most positive customer service \"reports\" done about me in the short time I've worked here. A coworker asked \"do you ask for people to fill these out? you have a ton\". That being said, I have a job opportunity at Chase Bank as a part time teller. What makes this decision so hard is that at my current job, I get 40 hours and Chase could only offer me 20 hours/week. Drive time to my current job is also 21 miles **one way** while Chase is literally 1.8 miles from my house, allowing me to go home for lunch. I do have an apartment and an awesome roommate that I know wont be late on his portion of rent, so paying bills with 20hours a week isn't the issue. It's the spending money and being broke all the time.\n\nI previously worked at Wal-Mart and took home just about 400 dollars every other week. So I know i can survive on this income. I just don't know whether I should go for Chase as I could definitely see myself having a career there. I'm a math major likely going to become an actuary, so Chase could provide excellent opportunities for me **eventually**."
  ],
  "reasoning": true,
  "llmResource": {
        "resourceType": "AzureOpenAI",
        "azureOpenAIEndpoint": "<your_OpenAI_endpoint>",
        "azureOpenAIDeploymentName": "<your_deployment_name>"
}'

  6. Öffnen Sie eine Eingabeaufforderung, und führen Sie den cURL-Befehl aus.

Die Parameter im Anforderungstext sind in der folgenden Tabelle definiert:

Name Description type
domain (Optional) MEDICAL oder GENERIC. Standardwert. GENERIC. Enumeration
Aufgabe (Optional) Typ des Vorgangs: QnA, Summarization. Standardwert. Summarization. Enumeration
qna (Optional) Enthält QnA-Daten, wenn der Aufgabentyp QnA ist. String
- query (Optional) Dies stellt die Frage in einer QnA-Aufgabe dar. Zeichengrenzwert: 7500. String
text (Erforderlich) Der zu überprüfende LLM-Ausgabetext. Zeichengrenzwert: 7500. String
groundingSources (Erforderlich) Verwendet ein Array von Grounding-Quellen, um KI-generierten Text zu überprüfen. Informationen zu Grenzwerten finden Sie unter Eingabeanforderungen, Zeichenfolgenarray
Begründung (Optional) Wenn auf true gesetzt, verwendet der Dienst Azure OpenAI-Ressourcen, um eine Erläuterung bereitzustellen. Seien Sie vorsichtig: Die Verwendung der Begründung erhöht die Verarbeitungszeit und verursacht zusätzliche Gebühren. Boolean
llmResource (Erforderlich:) Wenn Sie Ihre eigenen Azure OpenAI GPT4o-Turbo-Ressourcen (Version 0513, 0806) zum Aktivieren der Begründung verwenden möchten, fügen Sie dieses Feld sowie die Unterfelder für die verwendeten Ressourcen hinzu. String
- resourceType Gibt den Typ der verwendeten Ressource an. Derzeit ist nur AzureOpenAI zulässig. Wir unterstützen nur Ressourcen für Azure OpenAI GPT4o (Version 0513, 0806) und unterstützen keine anderen GPT-Typen. Enum
- azureOpenAIEndpoint Ihre Endpunkt-URL für den Azure OpenAI-Dienst. String
- azureOpenAIDeploymentName Der Name der zu verwendenden GPT-Bereitstellung. String

Interpretieren der API-Antwort

Nachdem Sie Ihre Anforderung übermittelt haben, erhalten Sie eine JSON-Antwort, die die durchgeführte Groundedness-Analyse widerspiegelt. So sieht eine typische Ausgabe aus:

{
  "ungroundedDetected": true,
  "ungroundedPercentage": 1,
  "ungroundedDetails": [
    {
      "text": "12/hour.",
      "offset": {
        "utf8": 0,
        "utf16": 0,
        "codePoint": 0
      },
      "length": {
        "utf8": 8,
        "utf16": 8,
        "codePoint": 8
      },
      "reason": "None. The premise mentions a pay of \"10/hour\" but does not mention \"12/hour.\" It's neutral. "
    }
  ]
}

Die JSON-Objekte in der Ausgabe werden hier definiert:

Name Description type
ungroundedDetected Gibt an, ob der Text nicht begründet ist. Boolean
ungroundedPercentage Gibt den Anteil des als nicht begründet gekennzeichneten Texts an, ausgedrückt als Zahl zwischen 0 und 1, wobei 0 keinen unbegründeten Inhalt angibt und 1 den vollständig unbegründeten Inhalt angibt. Gleitkomma
ungroundedDetails Bietet Einblicke in unbegründeten Inhalt mit bestimmten Beispielen und Prozentsätzen. Array
-text Der spezifische Text, der unbegründet ist. String
-offset Ein Objekt, das die Position des unbegründeten Texts in verschiedener Codierung beschreibt. String
- offset > utf8 Die Offsetposition des unbegründeten Texts in UTF-8-Codierung. Ganzzahl
- offset > utf16 Die Offsetposition des unbegründeten Texts in UTF-16-Codierung. Ganzzahl
- offset > codePoint Die Offsetposition des unbegründeten Texts in Bezug auf Unicode-Codepunkte. Ganzzahl
-length Ein Objekt, das die Länge des unbegründeten Texts in verschiedener Codierung beschreibt. (utf8, utf16, codePoint), ähnlich dem Offset. Objekt
- length > utf8 Die Länge des unbegründeten Texts in UTF-8-Codierung. Ganzzahl
- length > utf16 Die Länge des unbegründeten Texts in UTF-16-Codierung. Ganzzahl
- length > codePoint Die Länge des unbegründeten Texts in Bezug auf Unicode-Codepunkte. Ganzzahl
-reason Bietet Erklärungen für erkannte Unbegründetheit. String

Überprüfen der Quellenübereinstimmung mit der Korrekturfunktion

Die API zur Erdungserkennung enthält eine Korrekturfunktion, die automatisch jede erkannte Nicht-Erdung im Text auf der Grundlage der bereitgestellten Erdungsquellen korrigiert. Wenn die Korrekturfunktion aktiviert ist, enthält die Antwort ein "correction Text"-Feld, das den korrigierten Text darstellt, der an den Grounding-Quellen ausgerichtet ist.

Verbinden Sie für Ihre eigene GPT-Bereitstellung

Tipp

Derzeit unterstützt das Korrekturfeature nur Ressourcen für **Azure OpenAI GPT4o (0513, 0806 Version) **. Um die Latenz zu minimieren und Datenschutzrichtlinien einzuhalten, wird empfohlen, Ihre Azure OpenAI GPT4o (Version 0513, 0806) in derselben Region wie Ihre Inhaltssicherheitsressourcen bereitzustellen. Weitere Informationen zum Datenschutz finden Sie in den Daten-, Datenschutz- und Sicherheitsrichtlinien für Azure OpenAI Service und Daten, Datenschutz und Sicherheit in Azure KI Inhaltssicherheit.

Wenn Sie das Korrekturfeature für Ihre Azure OpenAI GPT4o-Turbo-Ressource (Version 0513, 0806) aktivieren möchten, verwenden Sie eine verwaltete Identität, um Ihrer Inhaltssicherheit-Ressource den Zugriff auf die Azure OpenAI-Ressource zu ermöglichen. Führen Sie die Schritte im vorherigen Abschnitt aus, um die verwaltete Identität einzurichten.

API-Anforderung stellen

Legen Sie in Ihrer Anforderung an die API zur Erkennung der Quellenübereinstimmung den Textparameter "correction" auf true, und geben Sie die anderen erforderlichen Parameter an:

{
  "domain": "Medical",
  "task": "Summarization",
  "text": "The patient name is Kevin.",
  "groundingSources": [
    "The patient name is Jane."
  ],
  "correction": true,
  "llmResource": {
    "resourceType": "AzureOpenAI",
    "azureOpenAIEndpoint": "<your_OpenAI_endpoint>",
    "azureOpenAIDeploymentName": "<your_deployment_name>"
  }
}

In diesem Abschnitt wird eine Beispielanforderung mit cURL veranschaulicht. Ersetzen Sie die Platzhalter nach Bedarf:

  • Ersetzen Sie <endpoint> durch Ihre Ressourcenendpunkt-URL.
  • Ersetzen Sie <your_subscription_key> durch Ihren Abonnementschlüssel.
  • Ersetzen Sie optional das Feld „Text“ durch den Text, den Sie analysieren möchten.
curl --location --request POST '<endpoint>/contentsafety/text:detectGroundedness?api-version=2024-09-15-preview' \
--header 'Ocp-Apim-Subscription-Key: <your_subscription_key>' \
--header 'Content-Type: application/json' \
--data-raw '{
  "domain": "Generic",
  "task": "Summarization",
  "text": "The patient name is Kevin.",
  "groundingSources": [
    "The patient name is Jane."
  ],
  "correction": true,
  "llmResource": {
        "resourceType": "AzureOpenAI",
        "azureOpenAIEndpoint": "<your_OpenAI_endpoint>",
        "azureOpenAIDeploymentName": "<your_deployment_name>"
  }
}'

Die Parameter im Anforderungstext sind in der folgenden Tabelle definiert:

Name Description type
domain (Optional) MEDICAL oder GENERIC. Standardwert. GENERIC. Enumeration
Aufgabe (Optional) Typ des Vorgangs: QnA, Summarization. Standardwert. Summarization. Enumeration
qna (Optional) Enthält QnA-Daten, wenn der Aufgabentyp QnA ist. String
- query (Optional) Dies stellt die Frage in einer QnA-Aufgabe dar. Zeichengrenzwert: 7500. String
text (Erforderlich) Der zu überprüfende LLM-Ausgabetext. Zeichengrenzwert: 7500. String
groundingSources (Erforderlich) Verwendet ein Array von Grounding-Quellen, um KI-generierten Text zu überprüfen. Informationen zu Grenzwerten finden Sie unter Eingabeanforderungen. String Array
Korrektur (Optional) Wenn er auf true festgelegt ist verwendet der Dienst Azure OpenAI-Ressourcen, um den korrigierten Text bereitzustellen, um die Konsistenz mit den Erdungsquellen sicherzustellen. Seien Sie vorsichtig: Die Verwendung der Korrektur erhöht die Verarbeitungszeit und verursacht zusätzliche Gebühren. Boolean
llmResource (Erforderlich:) Wenn Sie Ihre eigenen Azure OpenAI GPT4o-Turbo-Ressourcen (Version 0513, 0806) zum Aktivieren der Begründung verwenden möchten, fügen Sie dieses Feld sowie die Unterfelder für die verwendeten Ressourcen hinzu. String
- resourceType Gibt den Typ der verwendeten Ressource an. Derzeit ist nur AzureOpenAI zulässig. Wir unterstützen nur Ressourcen für Azure OpenAI GPT4o (Version 0513, 0806) und unterstützen keine anderen GPT-Typen. Enum
- azureOpenAIEndpoint Ihre Endpunkt-URL für den Azure OpenAI-Dienst. String
- azureOpenAIDeploymentName Der Name der zu verwendenden GPT-Bereitstellung. String

Interpretieren der API-Antwort

Die Antwort enthält ein "correction Text"-Feld, das den korrigierten Text enthält und die Konsistenz mit den bereitgestellten Erdungsquellen gewährleistet.

Die Korrekturfunktion erkennt, dass Kevin keine Übereinstimmung mit den Quellen aufweist, da dieser Text mit der Erdungsquelle Jane in Konflikt steht. Die API gibt den korrigierten Text zurück: "The patient name is Jane."

{
  "ungroundedDetected": true,
  "ungroundedPercentage": 1,
  "ungroundedDetails": [
    {
      "text": "The patient name is Kevin"
    }
  ],
  "correction Text": "The patient name is Jane"
}

Die JSON-Objekte in der Ausgabe werden hier definiert:

Name Description type
ungroundedDetected Gibt an, ob nicht übereinstimmender Inhalt erkannt wurde. Boolean
ungroundedPercentage Der Anteil des nicht übereinstimmenden Inhalts im Text. Gleitkomma
ungroundedDetails Details zu nicht übereinstimmende Inhalten, einschließlich bestimmter Textsegmente. Array
-text Der spezifische Text, der unbegründet ist. String
-offset Ein Objekt, das die Position des unbegründeten Texts in verschiedener Codierung beschreibt. String
- offset > utf8 Die Offsetposition des unbegründeten Texts in UTF-8-Codierung. Ganzzahl
- offset > utf16 Die Offsetposition des unbegründeten Texts in UTF-16-Codierung. Ganzzahl
-length Ein Objekt, das die Länge des unbegründeten Texts in verschiedener Codierung beschreibt. (utf8, utf16, codePoint), ähnlich dem Offset. Objekt
- length > utf8 Die Länge des unbegründeten Texts in UTF-8-Codierung. Ganzzahl
- length > utf16 Die Länge des unbegründeten Texts in UTF-16-Codierung. Ganzzahl
- length > codePoint Die Länge des unbegründeten Texts in Bezug auf Unicode-Codepunkte. Ganzzahl
-correction Text Der korrigierte Text, der die Konsistenz mit den Erdungsquellen gewährleistet. String

Bereinigen von Ressourcen

Wenn Sie ein Azure KI Services-Abonnement bereinigen und entfernen möchten, können Sie die Ressource oder die Ressourcengruppe löschen. Wenn Sie die Ressourcengruppe löschen, werden auch alle anderen Ressourcen gelöscht, die ihr zugeordnet sind.

Zugehöriger Inhalt