---
title: NLP Space - API Texte (Phi-3 Mini)
emoji: 🧠
colorFrom: indigo
colorTo: purple
sdk: docker
cpu: true
app_file: app.py
pinned: true
---


# ⚡ Utilisation de l'API textgen (Space NLP)

Ce document fournit des exemples d'utilisation de l'API REST déployée sur votre Space Hugging Face `1dm/textgen`.

L'**URL de base** de l'API est : `https://1dm-textgen.hf.space`

Toutes les requêtes utilisent la méthode **POST** et acceptent un corps JSON.

### Schéma de Requête JSON

| Paramètre | Type | Description |
| :--- | :--- | :--- |
| `prompt` | `string` | Le texte ou l'instruction (obligatoire). |
| `max_tokens` | `integer` | Longueur maximale de la réponse (défaut: 500). |
| `temperature` | `float` | Créativité (0.1 = déterministe, 1.0 = aléatoire, défaut: 0.7). |

---

## 1. 🌐 Utilisation avec n8n (HTTP Request Node)

L'outil le plus courant pour intégrer votre API dans un workflow d'automatisation est le nœud **HTTP Request** de n8n.

### Exemple 1 : Générer un Titre Viral (`/generate`)

| Paramètre n8n | Valeur |
| :--- | :--- |
| **URL** | `https://1dm-textgen.hf.space/generate` |
| **Method** | `POST` |
| **Body (JSON/Raw)** | `{ "prompt": "Écris 5 titres YouTube pour une vidéo sur l'IA gratuite", "max_tokens": 150, "temperature": 0.8 }` |

**Récupération du Résultat :**
Le résultat se trouve dans la propriété `result` de la réponse JSON.

### Exemple 2 : Classifier un Sentiment (`/classify`)

| Paramètre n8n | Valeur |
| :--- | :--- |
| **URL** | `https://1dm-textgen.hf.space/classify` |
| **Method** | `POST` |
| **Body (JSON/Raw)** | `{ "prompt": "Classifie le sentiment de ce commentaire [positif/négatif/neutre] : 'Cette API est super rapide pour un CPU !'", "max_tokens": 10 }` |

---

## 2. 💻 Utilisation avec `curl` (Test en Ligne de Commande)

`curl` est parfait pour tester rapidement les endpoints et vérifier que votre API répond correctement.

### Exemple 1 : Résumer un Texte (`/summarize`)

```bash
curl -X POST "[https://1dm-textgen.hf.space/summarize](https://1dm-textgen.hf.space/summarize)" \
-H "Content-Type: application/json" \
-d '{
    "prompt": "L\'automatisation No-Code permet aux utilisateurs non-techniques de construire des workflows complexes en utilisant des interfaces visuelles plutôt que du code. n8n est un exemple populaire de ce type d\'outil.",
    "max_tokens": 80
}'

```
### Exemple 2 : Génération de Texte (/generate)
```
curl -X POST "[https://1dm-textgen.hf.space/generate](https://1dm-textgen.hf.space/generate)" \
-H "Content-Type: application/json" \
-d '{
    "prompt": "Rédige une courte description optimisée pour le SEO sur le thème du No-Code.",
    "max_tokens": 200,
    "temperature": 0.5
}'
```
### 3. 🐍 Utilisation avec Python (index.py / Script)
Pour l'intégration dans un script backend (SaaS, microservice), utilisez la librairie requests.

Fichier index.py


```
import requests
import json

API_BASE_URL = "[https://1dm-textgen.hf.space](https://1dm-textgen.hf.space)"

def generate_content(prompt_text):
    """Appelle l'endpoint /generate."""
    url = f"{API_BASE_URL}/generate"
    payload = {
        "prompt": prompt_text,
        "max_tokens": 300,
        "temperature": 0.7
    }
    
    try:
        response = requests.post(url, json=payload)
        response.raise_for_status() # Lève une exception pour les codes d'erreur HTTP
        data = response.json()
        
        return data.get("result", "Erreur : Résultat non trouvé.")
        
    except requests.exceptions.RequestException as e:
        return f"Erreur de connexion à l'API : {e}"

# --- Utilisation ---
prompt_user = "Écris une courte introduction pour un article sur les avantages de l'utilisation des Spaces Hugging Face."
resultat = generate_content(prompt_user)

print("--- Résultat de Génération ---")
print(resultat)

```