> ## Documentation Index
> Fetch the complete documentation index at: https://docs.xhuoapi.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# Wskazówki dotyczące integracji API detekcji statycznej żywej twarzy (wersja o wysokiej precyzji)

> Face Transformation 集成指南 - XHuoAPI

W artykule tym przedstawiono wskazówki dotyczące integracji API detekcji statycznej żywej twarzy (wersja o wysokiej precyzji), które można wykorzystać do wykrywania żywych twarzy w przesłanych przez użytkowników statycznych obrazach, aby ocenić, czy jest to zdjęcie zrobione z reprodukcji.

## Proces aplikacji

Aby skorzystać z API, należy najpierw przejść do odpowiedniej strony [API detekcji statycznej żywej twarzy (wersja o wysokiej precyzji)](https://api.xhuoapi.ai/documents/df41d411-6ba8-41d3-a56f-3f6ec9acaa36) i złożyć wniosek o odpowiednią usługę. Po wejściu na stronę kliknij przycisk „Acquire”, jak pokazano na obrazku:

![](https://cdn.xhuoapi.ai/q6ytrc.png)

Jeśli nie jesteś zalogowany lub zarejestrowany, automatycznie zostaniesz przekierowany na stronę logowania, aby zarejestrować się i zalogować. Po zalogowaniu lub rejestracji automatycznie wrócisz na bieżącą stronę.

Podczas pierwszej aplikacji otrzymasz darmowy limit, który pozwala na bezpłatne korzystanie z tego API.

## Podstawowe użycie

Najpierw zapoznaj się z podstawowym sposobem użycia, polegającym na wprowadzeniu linku do obrazu, aby uzyskać przetworzony wynik obrazu. Należy najpierw przekazać prosty parametr `image_url`, a obraz twarzy przedstawiony jest na poniższym obrazku:

<p>
  <img src="https://cdn.xhuoapi.ai/lrbtcn.jpg" width="500" className="m-auto" />
</p>

Następnie możemy wypełnić odpowiednie pola na interfejsie, jak pokazano na obrazku:

<p>
  <img src="https://cdn.xhuoapi.ai/c975uf.png" width="500" className="m-auto" />
</p>

Możemy zauważyć, że ustawiliśmy nagłówki żądania, w tym:

* `accept`: jakiego formatu odpowiedzi oczekujesz, tutaj wpisujemy `application/json`, czyli format JSON.
* `authorization`: klucz do wywołania API, po złożeniu wniosku można go bezpośrednio wybrać z rozwijanej listy.

Dodatkowo ustawiono ciało żądania, w tym:

* `image_url`: link do obrazu twarzy, który ma być przetworzony.
* `face_model_version`: wersja modelu algorytmu używanego w usłudze rozpoznawania twarzy. Obecnie akceptowane jest „3.0”.

Po dokonaniu wyboru można zauważyć, że po prawej stronie wygenerowano odpowiedni kod, jak pokazano na obrazku:

<p>
  <img src="https://cdn.xhuoapi.ai/nkcvet.png" width="500" className="m-auto" />
</p>

Kliknij przycisk „Try”, aby przeprowadzić test, jak pokazano na powyższym obrazku, a otrzymamy następujący wynik:

```json theme={null}
{
  "score": 0,
  "face_model_version": "3.0"
}
```

Możemy zauważyć, że otrzymaliśmy wynik detekcji statycznej żywej twarzy, w tym zawartość oceny żywej.

Opis pól jest następujący:

* `score`: ocena żywej, zakres wartości \[0,100], na podstawie progu odpowiadającego ocenie żywej, aby ocenić, czy jest to zdjęcie z reprodukcji. Obecnie progi można podzielić na \[5,10,40,70,90], z zalecanym progiem wynoszącym 40.
* `face_model_version`: wersja modelu algorytmu używanego w rozpoznawaniu twarzy.

Dodatkowo, jeśli chcesz wygenerować odpowiedni kod do integracji, możesz go bezpośrednio skopiować, na przykład kod CURL wygląda następująco:

```shell theme={null}
curl -X POST 'https://api.xhuoapi.ai/v1/face/detect-live' \
-H 'accept: application/json' \
-H 'authorization: Bearer {token}' \
-H 'content-type: application/json' \
-d '{
  "image_url": "https://cdn.xhuoapi.ai/lrbtcn.jpg"
}'
```

Kod do integracji w Pythonie wygląda następująco:

```python theme={null}
import requests

url = "https://api.xhuoapi.ai/v1/face/detect-live"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "image_url": "https://cdn.xhuoapi.ai/lrbtcn.jpg"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)
```

## Obsługa błędów

Podczas wywoływania API, jeśli wystąpi błąd, API zwróci odpowiedni kod błędu i informacje. Na przykład:

* `400 token_mismatched`: Zły wniosek, prawdopodobnie z powodu brakujących lub nieprawidłowych parametrów.
* `400 api_not_implemented`: Zły wniosek, prawdopodobnie z powodu brakujących lub nieprawidłowych parametrów.
* `401 invalid_token`: Nieautoryzowany, nieprawidłowy lub brakujący token autoryzacyjny.
* `429 too_many_requests`: Zbyt wiele żądań, przekroczono limit.
* `500 api_error`: Błąd wewnętrzny serwera, coś poszło nie tak na serwerze.

### Przykład odpowiedzi błędu

```json theme={null}
{
  "success": false,
  "error": {
    "code": "api_error",
    "message": "fetch failed"
  },
  "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89"
}
```

## Wnioski

Dzięki temu dokumentowi zrozumiałeś, jak korzystać z API detekcji statycznej żywej twarzy (wersja o wysokiej precyzji), które można wykorzystać do wykrywania żywych twarzy w przesłanych przez użytkowników statycznych obrazach, aby ocenić, czy jest to zdjęcie z reprodukcji. Mamy nadzieję, że ten dokument pomoże Ci lepiej zintegrować i korzystać z tego API. W razie jakichkolwiek pytań, prosimy o kontakt z naszym zespołem wsparcia technicznego.