> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/get-started/hi/guides/run-model-serverless-api.md).

# एक Model API Endpoint का उपयोग करें

द [सर्वरलेस क्लाउड API](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api) Roboflow के क्लाउड में GPUs पर मॉडल और वर्कफ़्लोज़ चलाता है। आप एक इमेज भेजते हैं और परिणाम वापस पाते हैं। सेट अप करने के लिए कोई हार्डवेयर नहीं है और चालू रखने के लिए कोई सर्वर नहीं है।

यह गाइड आपको शून्य से लेकर पाँच मिनट में एक मॉडल चलाने तक ले जाती है। आप केवल उन्हें नाम देकर किसी इमेज में वस्तुएँ ढूँढेंगे, तैयार‑मॉडल से रोज़मर्रा की वस्तुओं का पता लगाएंगे, और अपने खुद के मॉडल चलाएँगे — ये सब उसी Serverless Cloud API endpoint पर।

## नाम देकर वस्तुएँ ढूँढें

मॉडल को कुछ शब्द दें जैसे `"टैक्सी"`, `"नीली बस"`या `"झाड़ी"` और यह इमेज में हर मिलती-जुलती वस्तु की रूपरेखा बना देता है। पहले कुछ सेट अप या ट्रेन करने की ज़रूरत नहीं है। यह चलता है [SAM3](https://docs.roboflow.com/models/supported-models/sam3).

{% tabs %}
{% tab title="HTTP (पायथन)" icon="webhook" %}
{% stepper %}
{% step %}

### अपनी API कुंजी प्राप्त करें

एक Roboflow खाता बनाएँ, अपनी कुंजी यहाँ खोजें [Roboflow API सेटिंग्स पेज](https://app.roboflow.com/settings/api) और इसे अपने shell में उपलब्ध कराएँ:

```bash
export ROBOFLOW_API_KEY="your-key-here"
```

{% endstep %}

{% step %}

### निर्भरताएँ इंस्टॉल करें

`supervision` को लाता है `cv2` और `numpy`:

```bash
pip install -U supervision
```

{% endstep %}

{% step %}

### मॉडल चलाएँ

POST अनुरोध भेजें `/sam3/concept_segment` मॉडल चलाने के लिए। `sv.Detections.from_sam3` उन परिणामों को ऐसे रूप में बदलता है [`supervision`](https://supervision.roboflow.com) जिसे ड्रॉ किया जा सके:

```python
import os
import base64
import cv2
import requests
import supervision as sv

image = sv.load_image_from_url("https://media.roboflow.com/quickstart/traffic.jpg")
image_b64 = base64.b64encode(content).decode("utf-8")
h, w = image.shape[:2]

response = requests.post(
    "https://serverless.roboflow.com/sam3/concept_segment",
    headers={"Authorization": f"Bearer {os.environ['ROBOFLOW_API_KEY']}"},
    json={
        "image": {"type": "base64", "value": image_b64},
        "prompts": [
            {"type": "text", "text": "taxi"},
            {"type": "text", "text": "blue bus"},
            {"type": "text", "text": "bush"},
        ],
    },
)

detections = sv.Detections.from_sam3(response.json(), (w, h))
annotated = sv.MaskAnnotator().annotate(image.copy(), detections)
cv2.imwrite("sam3.jpg", annotated)
```

{% endstep %}
{% endstepper %}
{% endtab %}

{% tab title="SDK (पायथन)" icon="python" %}
{% stepper %}
{% step %}

### अपनी API कुंजी प्राप्त करें

एक Roboflow खाता बनाएँ, अपनी कुंजी यहाँ खोजें [Roboflow API सेटिंग्स पेज](https://app.roboflow.com/settings/api) और इसे अपने shell में उपलब्ध कराएँ:

```bash
export ROBOFLOW_API_KEY="your-key-here"
```

{% endstep %}

{% step %}

### निर्भरताएँ इंस्टॉल करें

ये दो पैकेज मॉडल को कॉल करते हैं और उसके परिणामों को ड्रॉ करते हैं:

```bash
pip install -U inference-sdk supervision
```

{% endstep %}

{% step %}

### मॉडल चलाएँ

द [Inference SDK](https://docs.roboflow.com/reference/inference/inference-sdk) आपकी इमेज को क्लाउड में भेजता है और परिणाम वापस देता है। `sv.Detections.from_sam3` उन परिणामों को ऐसे रूप में बदलता है [`supervision`](https://supervision.roboflow.com) जिसे ड्रॉ किया जा सके:

```python
import os
import cv2
import supervision as sv
from inference_sdk import InferenceHTTPClient, InferenceConfiguration

image = sv.load_image_from_url("https://media.roboflow.com/quickstart/traffic.jpg")
h, w = image.shape[:2]

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
).configure(InferenceConfiguration(api_key_transport="header"))

data = client.sam3_concept_segment(
    image,
    prompts=[
        {"type": "text", "text": "taxi"},
        {"type": "text", "text": "blue bus"},
        {"type": "text", "text": "bush"},
    ],
)

detections = sv.Detections.from_sam3(data, (w, h))
annotated = sv.MaskAnnotator().annotate(image.copy(), detections)
annotated = sv.BoxAnnotator().annotate(annotated, detections)
cv2.imwrite("sam3.jpg", annotated)
```

{% endstep %}
{% endstepper %}
{% endtab %}
{% endtabs %}

प्रतिक्रिया हर प्रॉम्प्ट के लिए मिली रूपरेखाएँ सूचीबद्ध करती है, और प्रत्येक के लिए एक confidence score होता है। `sv.Detections.from_sam3` यह सब आपके लिए पढ़ता है।

<figure><img src="/files/adaf968cce0f4a0a7643e1a962c760b119b35eb3" alt="Outlines around taxis, a blue bus, and bushes from text prompts"><figcaption><p>पाठ प्रॉम्प्ट्स से रूपांकित वस्तुएँ</p></figcaption></figure>

विज़ुअल प्रॉम्प्ट्स, exemplar boxes, और RLE आउटपुट सहित पूरी SAM3 API के लिए, देखें [SAM3 दस्तावेज़ीकरण](https://docs.roboflow.com/models/supported-models/sam3).

## तैयार‑मॉडल से रोज़मर्रा की वस्तुओं का पता लगाएँ

{% tabs %}
{% tab title="HTTP (पायथन)" icon="webhook" %}
नामित वस्तुओं की रूपरेखा बनाने के बजाय सामान्य वस्तुओं के चारों ओर बॉक्स बनाने के लिए, कॉल करें `POST /{project}/{version}` के साथ, इसके बजाय `POST /sam3/concept_segment`. यह उदाहरण एक तैयार‑मॉडल का उपयोग करता है [RF-DETR](https://docs.roboflow.com/models/supported-models/rf-detr) मॉडल, जो वाहनों, लोगों और पालतू जानवरों जैसी सामान्य वस्तुओं का पता लगा सकता है:

```python
result = requests.post(
    "https://serverless.roboflow.com/coco/40",  # coco/40 is the rfdetr-medium alias
    data=image_b64,  # raw base64 in the body, not JSON
    headers={
        "Authorization": f"Bearer {os.environ['ROBOFLOW_API_KEY']}",
        "Content-Type": "application/x-www-form-urlencoded",
    },
).json()
detections = sv.Detections.from_inference(result)

print(f"{len(detections)} वस्तुएँ मिलीं")

annotated = sv.BoxAnnotator().annotate(image.copy(), detections)
annotated = sv.LabelAnnotator().annotate(annotated, detections)
cv2.imwrite("rf-detr.jpg", annotated)
```

{% endtab %}

{% tab title="SDK (पायथन)" icon="python" %}
नामित वस्तुओं की रूपरेखा बनाने के बजाय सामान्य वस्तुओं के चारों ओर बॉक्स बनाने के लिए, कॉल करें `client.infer()` के साथ, इसके बजाय `client.sam3_concept_segment()`. यह उदाहरण एक तैयार‑मॉडल का उपयोग करता है [RF-DETR](https://docs.roboflow.com/models/supported-models/rf-detr) मॉडल, जो वाहनों, लोगों और पालतू जानवरों जैसी सामान्य वस्तुओं का पता लगा सकता है:

```python
result = client.infer(image, model_id="rfdetr-medium")
detections = sv.Detections.from_inference(result)

print(f"{len(detections)} वस्तुएँ मिलीं")

annotated = sv.BoxAnnotator().annotate(image.copy(), detections)
annotated = sv.LabelAnnotator().annotate(annotated, detections)
cv2.imwrite("rf-detr.jpg", annotated)
```

{% endtab %}
{% endtabs %}

<figure><img src="/files/5a89af65ead75a4dd7acbb74b098b2917d95d79c" alt="RF-DETR bounding boxes for cars, buses, people, and motorcycles"><figcaption><p>RF-DETR कारों, बसों, लोगों और मोटरसाइकिलों का पता लगाता है</p></figcaption></figure>

## अपना खुद का या कोई और मॉडल चलाएँ

वही `client.infer()` या `POST /{project}/{version}` कॉल इसके `model_id`:

* के आधार पर किसी भी मॉडल को चलाती है। Roboflow में प्रशिक्षित मॉडल। उसका model ID कॉपी करें (जिसका फ़ॉर्मेट है `{project}/{version}`अपने प्रोजेक्ट से [Roboflow ऐप](https://app.roboflow.com)
* से एक सार्वजनिक मॉडल [Roboflow Universe](https://docs.roboflow.com/datasets/universe/universe/what-is-roboflow-universe)
* एक तैयार‑मॉडल [पूर्व-प्रशिक्षित मॉडल](https://docs.roboflow.com/models/pretrained-aliases) को alias द्वारा, जैसे `rfdetr-nano`, `rfdetr-seg-medium`या `yolo26l-640` (केवल inference SDK के लिए)

## आगे कहाँ जाएँ

आप क्लाउड में एक मॉडल चला रहे हैं। यहाँ से आप:

* अपने खुद के हार्डवेयर पर वही मॉडल चलाएँ। देखें [मॉडल को स्थानीय रूप से चलाएँ](/get-started/hi/guides/run-a-model-locally.md)
* बड़े मॉडलों और स्थिर ट्रैफ़िक के लिए एक निजी, single-tenant endpoint पाएँ [Dedicated Deployments](https://docs.roboflow.com/deployment/roboflow-cloud/dedicated-deployments)
* मॉडलों और लॉजिक को एक एप्लिकेशन में जोड़ें [Workflows](https://docs.roboflow.com/workflows)
* समझें कि हर अनुरोध की लागत कितनी है यहाँ [Serverless pricing page](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api/pricing)