了解 JSON 响应
成功的单个响应包含 data 和 meta。下面的数据集响应是一个说明性示例,不是产品准确性的测量或相同实时结果的承诺。它显示 IP 试用访问。使用帐户密钥验证的请求返回 access.mode: api_key;仅适用于试用的字段的值为 null。
| 场 | 含义 |
|---|---|
| data.input | 输入类型、值和国家/地区。 true 时包含 forceToGenderize。 |
| data.name | 匹配或提取的名字; null,当没有可用时。 |
| data.gender | male、female 或 JSON null。这是一个预测,而不是一个人身份的证明。 |
| data.result_status / reason | 当result_status为identified时,reason为null。当状态为unknown时,原因为not_found、no_name_candidate、ambiguous或insufficient_evidence。 |
| data.confidence | 0–1 分数或 null。空性别有 null 信心。 |
| data.confidence_kind | observed_frequency:主导性别计数除以所选数据集中的总计数。 model_reported:AI 分数,而不是校准概率。不可用时值为null。 |
| data.sample_count | 数据集样本大小或 null。人工智能并没有发明样本计数。 |
| data.source | dataset、ai 或 none。 |
| data.country / country_source | 数据集或 ai_association 或 null 中的国家/地区关联。不规定国籍、居住地或种族。 |
| data.match | 数据集中匹配的姓名、匹配方法(normalized、token、substring 或 model_inference)、范围(country 或 global)以及匹配的国家。无法提供的依据为 null。 |
| meta.request_id / duration_ms | 操作标识符和处理持续时间(以毫秒为单位)。 |
| meta.access | 如何授予访问权限以及试用回退的原因(如果有)。 |
| meta.usage | 净费用、完成时间余额、计费状态和试用重置信息。 |
{
"data": {
"input": {
"type": "name",
"value": "Onur",
"country": "TR"
},
"name": "onur",
"gender": "male",
"country": "TR",
"confidence": 0.9,
"confidence_kind": "observed_frequency",
"sample_count": 100,
"source": "dataset",
"result_status": "identified",
"reason": null,
"country_source": "dataset",
"match": {
"name": "onur",
"method": "normalized",
"scope": "country",
"country": "TR"
}
},
"meta": {
"request_id": "11111111-1111-4111-8111-111111111111",
"duration_ms": 12,
"access": {
"mode": "ip_trial",
"reason": "api_key_missing"
},
"usage": {
"charged_credits": 1,
"remaining_credits": 9,
"billing_status": "confirmed",
"resets_at": "2026-09-26T12:00:00.000Z",
"limit": 10,
"period_seconds": 86400
}
}
}成功的未知结果
HTTP 200 表示操作完成;它不能保证性别。保留 JSON null 而不是将其转换为 male、female、空字符串或零置信度。与 HTTP 错误分开检查 data.result_status 和 data.reason。
此仅数据集示例返回 source: none 和 reason: not_found,但仍需要 1 个积分。如果两种性别的数据集计数相等,则结果可以包含 reason: ambiguous,同时保留 sample_count。未知的 AI 结果使用 source: ai 和 reason: insufficient_evidence。
{
"data": {
"input": {
"type": "name",
"value": "zzzxxyy",
"country": null
},
"name": null,
"gender": null,
"country": null,
"confidence": null,
"confidence_kind": null,
"sample_count": null,
"source": "none",
"result_status": "unknown",
"reason": "not_found",
"country_source": null,
"match": {
"name": null,
"method": null,
"scope": null,
"country": null
}
},
"meta": {
"request_id": "11111111-1111-4111-8111-111111111111",
"duration_ms": 12,
"access": {
"mode": "ip_trial",
"reason": "api_key_missing"
},
"usage": {
"charged_credits": 1,
"remaining_credits": 8,
"billing_status": "confirmed",
"resets_at": "2026-09-26T12:00:00.000Z",
"limit": 10,
"period_seconds": 86400
}
}
}解释置信度和匹配证据
0-1 范围内的置信度为 0.9。对于 observed_frequency,这意味着主要计数除以所选数据集总数;它不是测量端到端产品的准确性。 model_reported 分数由 AI 提供,未根据数据集频率进行校准。
使用您自己的评估数据和 confidence_kind 选择任何应用阈值。不要直接对数据集和 AI 分数进行排名,就好像它们测量的是同一事物一样。 AI match.name、match.scope 和 match.country 为 null,因为未选择数据集行; match.method 是 model_inference。
对于全名,数据集结果可能来自组件而不是完整字符串。 data.input 保留提交的值; data.name 描述返回的名称,data.match 描述候选者和查找范围。