API OpenAI in Azure: practical guide for developers

The integration of OpenAI APIs in Azure provides tools for developing advanced artificial intelligence applications. With Azure OpenAI Service, you can access models like GPT-4 and DALL-E 3 directly within Microsoft’s cloud platform.

To get started, I need to set up an Azure subscription and gain access to the OpenAI service. Once the setup is complete, I can use the available REST APIs or SDKs to integrate OpenAI’s capabilities into my applications. The Azure platform also provides tools like Azure OpenAI Studio to streamline the development and testing of models.

The use of OpenAI APIs in Azure allows me to benefit from the scalability and security of Microsoft’s cloud infrastructure, while ensuring compliance with data privacy regulations. I can customize the models according to my specific needs and monitor performance through the integrated analytics tools.

In this article you will find: key points, fundamentals of OpenAI and Azure, security and authentication, environment setup, implementations with SDK, use cases, costs.

Key Points

Access to advanced AI models via Azure OpenAI Service
Simplified integration with dedicated SDKs and development tools
Scalability, security, and compliance ensured by the Azure infrastructure

Fundamentals of OpenAI and Azure

OpenAI and Azure are two key players in the field of artificial intelligence. Their collaboration provides powerful tools and services for developers and businesses.

What is OpenAI?

OpenAI is a research organization focused on artificial intelligence founded in 2015. Its main goal is to develop and promote friendly AI that benefits humanity as a whole.

OpenAI has created advanced language models like GPT-3, used in various applications. These models can generate text, translate languages, and answer questions in a surprisingly human-like manner.

The company also offers APIs that allow developers to integrate these capabilities into their projects. OpenAI is committed to ethical and safe AI, collaborating with other organizations to establish standards in the industry.

Insights on Azure and Cloud Services

Azure is Microsoft’s cloud platform, launched in 2010. It offers a wide range of cloud services for businesses and developers.

The Azure services include:

Calculation
Storage
Database
Artificial Intelligence
Machine Learning

Azure supports various programming languages and frameworks, making it versatile for different types of projects. Its scalability allows companies to adjust resources according to their needs.

Security is a priority for Azure, with advanced features to protect data and applications. Microsoft continuously invests in the innovation of Azure, keeping it at the forefront of the cloud industry.

The relationship between OpenAI and Microsoft Azure

Microsoft and OpenAI have formed a significant partnership in the field of artificial intelligence. This collaboration has led to the integration of OpenAI models into Azure.

The Azure OpenAI service provides access to OpenAI’s powerful language models through REST APIs. This includes models such as GPT-3, Codex, and Embeddings.

The integration allows developers to leverage OpenAI’s capabilities with the security and reliability of Azure. Users can access advanced AI features while maintaining control over their data and compliance with regulations.

Microsoft continues to invest in OpenAI, strengthening this strategic partnership in the field of artificial intelligence.

Understanding the OpenAI APIs

The OpenAI APIs offer powerful tools for natural language processing and text generation. I will explore their main features, the available models, and security aspects.

Overview of the OpenAI APIs

The OpenAI APIs allow for the integration of artificial intelligence into applications. They can be used for various tasks such as text generation, translation, and sentiment analysis.

The main endpoints include Completions, to generate text based on a prompt, and Embeddings, to create numerical representations of texts.

Access occurs via HTTP requests, with parameters such as the model to use and the temperature to control the creativity of the output.

The OpenAI Models: from GPT-3 to GPT-4 and Codex

OpenAI offers several models with specific capabilities:

GPT-3: The most versatile for text generation
GPT-3.5-turbo: Optimized for conversations, used in ChatGPT
GPT-4: The latest version, with advanced capabilities
Codex: Specialized in understanding and generating code
Ada, Babbage, Curie: Lighter models for specific tasks

I can choose the most suitable model based on the needs of my project, considering costs and performance.

Security and API Endpoints

Security is fundamental in the use of OpenAI APIs. Authentication occurs via API keys or Microsoft Entra ID.

Endpoints are protected with HTTPS. It is important to keep API keys private and implement rate limiting to prevent abuse.

Azure offers additional security features, such as role-based access control and data encryption.

For production use, it is advisable to implement monitoring and logging systems for API calls.

Access and Authentication in Azure OpenAI

Access and authentication are crucial steps for using Azure OpenAI securely and efficiently. I will review the key processes, from account creation to managing API keys and tokens.

Creating the Account and Subscribing to Azure

To get started with Azure OpenAI, I first need to create an Azure account. I visit the Azure portal and sign up for free. Once the account is created, I can subscribe to Azure OpenAI Service.

Here are the main steps:

I access the Azure portal
I search for “Azure OpenAI” in the search bar
I select “Create” to start the subscription
I choose a pricing plan that suits my needs

The subscription gives me access to advanced artificial intelligence models and the OpenAI APIs integrated into Azure.

Obtain the API Key and Tokens

After setting up the subscription, I need to obtain the API key and tokens to authenticate my requests. These elements are essential for secure access to the Azure OpenAI APIs.

To obtain the API key:

I go to my Azure OpenAI resource in the portal
I select “Keys and Endpoint” from the left menu
I copy the API key and the endpoint

Tokens, on the other hand, are generated dynamically when I make authenticated requests. I can use client libraries like Azure SDK for Python to automatically manage the tokens.

Security and Access Management

Security is fundamental when working with Azure OpenAI. I implement various measures to protect my credentials and manage access effectively.

Here are some best practices that I follow:

I use authentication through Azure Active Directory for granular access control
I regularly rotate API keys to reduce the risk of compromise
I configure IP restrictions to limit access to specific addresses
I use managed identities for Azure applications, avoiding storing credentials in the code

Additionally, regularly monitor the usage of the API to detect any suspicious or anomalous activities.

Setting Up an Environment for Azure OpenAI

To start using the OpenAI APIs in Azure, it is essential to properly prepare the environment and manage the resources. Here are the key steps to configure an effective environment and make the most of Azure OpenAI’s capabilities.

Setting Up the Work Environment

To set up my work environment, I start by creating an Azure subscription. I access the Azure portal and create a new OpenAI resource. I select the region and pricing plan that best suit my needs.

After creating the resource, I note down the access keys and the endpoint. I will need these to authenticate and use the API.

To interact with the API, I can choose from various SDKs. The Python SDK is particularly popular and well-documented. I install it in my virtual environment using pip.

Using Azure OpenAI Studio and AI Studio

Azure offers two main tools for working with OpenAI: Azure OpenAI Studio and Azure AI Studio.

In Azure OpenAI Studio, I can explore the available models, test prompts, and refine settings. Here I can also monitor the usage and performance of my models.

Azure AI Studio is a broader environment that integrates various AI services. I use it for projects that involve multiple AI technologies in addition to OpenAI.

Both tools offer intuitive interfaces to manage and optimize my OpenAI projects.

Deployment and Management of Resources

The deployment of models is a crucial step. In Azure OpenAI Studio, I select the desired model and configure parameters such as context size and temperature.

After the deployment, I closely monitor resource usage. Azure provides tools to set spending limits and manage usage quotas.

For more complex projects, I consider using Azure Kubernetes Service to scale and manage my OpenAI deployments.

I always remember to follow security best practices, such as regular API key rotation and the implementation of appropriate access controls.

Implementation of APIs with code examples

The integration of OpenAI APIs in Azure requires familiarity with various tools and programming languages. I will examine the main implementation methods, providing concrete examples to facilitate development.

Using the Python SDK for APIs

To leverage the OpenAI APIs in Python, I use the official SDK. First, I install the library with pip:

pip install openai
```Poi, configuro l’autenticazione:

```python
import openai
openai.api_key = "LA_MIA_CHIAVE_API"
openai.api_base = "https://mio-endpoint-azure.openai.azure.com/"
```Per generare testo, uso questo codice:

```python
risposta = openai.Completion.create(
    engine="davinci",
    prompt="Traduci in italiano: Hello, world!",
    max_tokens=50
)
print(risposta.choices[0].text)
```Questo esempio mostra come effettuare una semplice richiesta di completamento del testo.


### Integrazione con .NET Core e la Libreria Client OpenAI

Per integrare le API in un’applicazione .NET Core, uso la libreria client ufficiale. La installo tramite NuGet:

```bash
dotnet add package Azure.AI.OpenAI
```Ecco un esempio di codice per l’autenticazione e una richiesta di completamento:

```csharp
using Azure;
using Azure.AI.OpenAI;

var client = new OpenAIClient(
    new Uri("https://mio-endpoint-azure.openai.azure.com/"),
    new AzureKeyCredential("LA_MIA_CHIAVE_API")
);

var completions = await client.GetCompletionsAsync(
    "davinci",
    "Traduci in italiano: Hello, world!"
);

Console.WriteLine(completions.Choices[0].Text);
```Questo codice dimostra come effettuare una richiesta di completamento usando .NET Core.


### Esempi di codice per l’utilizzo delle API REST

Per interagire direttamente con le API REST, posso usare richieste HTTP. Ecco un esempio in Python utilizzando la libreria requests:

```python
import requests

headers = {
    "Content-Type": "application/json",
    "api-key": "LA_MIA_CHIAVE_API"
}

data = {
    "prompt": "Traduci in italiano: Hello, world!",
    "max_tokens": 50
}

response = requests.post(
    "https://mio-endpoint-azure.openai.azure.com/openai/deployments/davinci/completions?api-version=2022-12-01",
    headers=headers,
    json=data
)

print(response.json()["choices"][0]["text"])
```Questo codice mostra come effettuare una richiesta REST diretta all’endpoint di Azure per le API di OpenAI.


## Interazione con le API di OpenAI




Le API di OpenAI offrono diverse funzionalità avanzate di intelligenza artificiale. Posso utilizzarle per generare testo, creare embedding, sviluppare chatbot e elaborare immagini in modo efficace e flessibile.


### Generazione di testo con Completamenti

Per generare testo con le API di OpenAI, utilizzo i completamenti. Inizio fornendo un prompt iniziale e l’API genera il testo successivo. Posso controllare parametri come la lunghezza dell’output, la temperatura per la casualità e il modello da utilizzare (ad esempio gpt-3.5-turbo).


La modalità stream mi permette di ricevere il testo generato in tempo reale, ideale per applicazioni interattive. Ecco un esempio di richiesta di completamento in Python:

```python
response = openai.Completion.create(
  engine="text-davinci-002",
  prompt="Scrivi un'introduzione su l'intelligenza artificiale",
  max_tokens=100
)
```Questo approccio è versatile e può essere utilizzato per varie applicazioni come scrittura creativa, riassunti e risposte a domande.


### Creazione di embedding semantici

Gli embedding sono rappresentazioni numeriche del significato semantico di parole o frasi. Posso crearli facilmente con le API di OpenAI per analisi del testo avanzate.


Ecco come genero un embedding per una frase:

```python
response = openai.Embedding.create(
  input="L'intelligenza artificiale sta rivoluzionando molti settori",
  engine="text-embedding-ada-002"
)
embedding = response['data'][0]['embedding']
```Questi vettori sono utili per:



Ricerca semantica
Clustering di documenti
Analisi delle similitudini

Gli embedding mi permettono di catturare relazioni semantiche complesse in modo efficiente.


### Sviluppo di chatbot mediante ChatGPT

Per creare chatbot avanzati, sfrutto il modello ChatGPT tramite l’API. Utilizzando gpt-3.5-turbo o gpt-35-turbo, posso sviluppare conversazioni fluide e contestuali.


Il processo prevede l’invio di messaggi in un formato specifico:

```python
response = openai.ChatCompletion.create(
  model="gpt-3.5-turbo",
  messages=[
    {"role": "system", "content": "Sei un assistente virtuale."},
    {"role": "user", "content": "Come posso migliorare la mia produttività?"}
  ]
)
```Gestisco lo storico della conversazione per mantenere il contesto. Posso anche incorporare conoscenze specifiche nel prompt di sistema per personalizzare il comportamento del chatbot.


### Elaborazione di immagini con DALL-E

L’API DALL-E mi consente di generare e modificare immagini basate su descrizioni testuali. Posso creare illustrazioni uniche, modificare foto esistenti o generare variazioni.


Per generare un’immagine:

```python
response = openai.Image.create(
  prompt="Un gatto che suona il pianoforte in stile cartoon",
  n=1,
  size="1024x1024"
)
image_url = response['data'][0]['url']
```DALL-E è versatile e può essere utilizzato per:



Creazione di contenuti visivi
Prototipazione di design
Illustrazioni personalizzate

La qualità delle immagini generate è sorprendente e offre infinite possibilità creative.


## Gestire la scalabilità e la performance




La gestione efficace della scalabilità e delle prestazioni è fondamentale quando si utilizzano le API di OpenAI in Azure. Mi concentrerò su come ottimizzare il deployment, gestire la scalabilità e implementare un monitoraggio efficace.


### Ottimizzazione del Deployment

Per ottimizzare il deployment delle API di OpenAI in Azure, considero attentamente la configurazione delle risorse. Utilizzo il Servizio OpenAI di Azure per sfruttare i modelli linguistici avanzati con sicurezza e scalabilità.


Regolo i parametri chiave come **temperatura**, **top_p** e **max_tokens** per bilanciare creatività e coerenza nelle risposte. Un valore di temperatura più basso (0.2-0.5) produce risultati più deterministici, mentre valori più alti (0.7-1.0) generano output più creativi.


Implemento strategie di caching per ridurre le chiamate API ripetitive. Questo mi permette di ottimizzare i costi e migliorare i tempi di risposta per query frequenti.


### Gestione della scalabilità

Per gestire efficacemente la scalabilità, adotto un approccio flessibile utilizzando le Unità elaborate con provisioning (PTU) di Azure. Questo mi consente di adattare dinamicamente le risorse in base al carico di lavoro.


Implemento un sistema di code per gestire i picchi di richieste. Utilizzo Azure Functions per elaborare le richieste in modo asincrono, evitando sovraccarichi del sistema.


Configuro regole di auto-scaling basate su metriche come il numero di richieste al secondo o l’utilizzo della CPU. Questo garantisce prestazioni ottimali anche durante periodi di alto traffico.


### Monitoraggio e log

Il monitoraggio è cruciale per mantenere prestazioni elevate. Utilizzo Azure Monitor per tracciare metriche chiave come latenza, tasso di errore e utilizzo delle risorse.


Implemento logging dettagliato per ogni chiamata API, includendo:



Timestamp
Parametri di input
Tempo di risposta
Eventuali errori

Configuro alert per essere notificato in caso di anomalie o superamento di soglie prestabilite. Questo mi permette di intervenire tempestivamente in caso di problemi.


Analizzo regolarmente i log per identificare pattern di utilizzo e ottimizzare ulteriormente le prestazioni. Utilizzo questi dati per prendere decisioni informate su scaling e configurazione delle risorse.


## Analisi dei risultati e qualità del modello




L’analisi dei risultati e la valutazione della qualità del modello sono cruciali per ottenere il massimo dalle API di OpenAI in Azure. Esaminerò le metriche chiave, le tecniche per migliorare gli output e l’importanza della documentazione.


### Comprendere le metriche del modello

Per valutare la qualità dei risultati, devo concentrarmi su diverse metriche chiave. La perplexity misura quanto il modello è “sorpreso” dal testo di input – valori più bassi indicano migliori prestazioni. L’accuratezza valuta la correttezza delle risposte su un set di test.


Il BLEU score confronta gli output con riferimenti umani per la traduzione. Il punteggio F1 bilancia precisione e recall per compiti come l’estrazione di informazioni.


Monitoro anche il tasso di errore e la latenza. Un basso tasso di errore e tempi di risposta rapidi sono essenziali per applicazioni in tempo reale.


### Raffinare le richieste per output di qualità

Per migliorare la qualità degli output, affino le mie richieste al modello linguistico. Uso prompt chiari e specifici, fornendo contesto sufficiente. Sperimento con la temperatura e il top_p per controllare la creatività e la coerenza delle risposte.


L’ottimizzazione del modello su dati specifici del dominio può migliorare significativamente le prestazioni. Testo diverse varianti di prompt e istruzioni per trovare quelle che producono i migliori risultati.


Implemento anche filtri e controlli post-elaborazione per garantire che gli output soddisfino i requisiti di qualità e sicurezza.


### Documentazione e continuo apprendimento

Mantengo una documentazione dettagliata delle mie interazioni con il modello. Registro prompt, parametri, risultati e metriche di valutazione. Questo mi permette di tracciare i progressi e replicare i successi.


Resto aggiornato sugli ultimi sviluppi delle API di OpenAI e Azure. Consulto regolarmente la documentazione ufficiale per nuove funzionalità e best practice.


Partecipo a forum e community online per scambiare esperienze con altri sviluppatori. Questo apprendimento continuo è essenziale per sfruttare al meglio le potenzialità in rapida evoluzione dei modelli linguistici.


## Amministrazione e Conformità




L’utilizzo delle API di OpenAI in Azure richiede un’attenta gestione amministrativa e il rispetto di rigide norme di conformità. Mi concentrerò su privacy, eliminazione dei dati e conformità normativa per garantire un uso sicuro e responsabile di queste potenti tecnologie.


### Privacy e gestione dei dati

La privacy dei dati è fondamentale quando si utilizzano le API di OpenAI in Azure. Implemento robuste misure di sicurezza per proteggere le informazioni sensibili degli utenti. Utilizzo la crittografia end-to-end per i dati in transito e a riposo. Applico controlli di accesso granulari per limitare chi può vedere e manipolare i dati.


Adotto un approccio di privacy by design, raccogliendo solo i dati necessari e minimizzando la loro conservazione. Mantengo registri dettagliati di tutte le attività di elaborazione dei dati per garantire la trasparenza e la responsabilità.


### Eliminazione sicura delle informazioni

L’eliminazione sicura dei dati è cruciale per proteggere la privacy degli utenti e rispettare le normative. Implemento procedure rigorose per cancellare in modo irreversibile le informazioni quando non sono più necessarie.


Utilizzo tecniche di cancellazione sicura come la sovrascrittura multipla per i dati archiviati su supporti magnetici. Per i dati nel cloud, mi assicuro che tutte le copie, inclusi i backup, vengano eliminate in modo completo e permanente.


Mantengo registri dettagliati di tutte le attività di eliminazione per dimostrare la conformità. Effettuo regolarmente audit per verificare che nessun dato residuo rimanga nei sistemi.


### Conformità alla normativa

Mi impegno a rispettare tutte le normative applicabili, come il GDPR nell’Unione Europea. Implemento misure di sicurezza robuste per proteggere i dati personali e sensibili.


Conduco regolari valutazioni d’impatto sulla protezione dei dati per identificare e mitigare i rischi. Mantengo una documentazione dettagliata di tutte le attività di trattamento dei dati.


Formo regolarmente il personale sulle best practice di sicurezza e privacy. Collaboro strettamente con le autorità di regolamentazione per garantire la piena conformità in tutte le giurisdizioni in cui operiamo.


## Applicazioni pratiche e casi d’uso




Le API di OpenAI in Azure offrono soluzioni versatili per diverse esigenze aziendali. Queste tecnologie avanzate permettono di automatizzare processi, migliorare l’efficienza e creare esperienze personalizzate per gli utenti.


### Generazione di contenuti automatici

Con le API di OpenAI in Azure, posso creare contenuti di alta qualità in modo efficiente. Questa funzionalità è particolarmente utile per:



Produzione di articoli e post per blog
Creazione di descrizioni di prodotti per e-commerce
Generazione di newsletter personalizzate

Inoltre, posso utilizzare questi strumenti per sviluppare chatbot avanzati capaci di interagire in modo naturale con i clienti. Questo migliora notevolmente l’esperienza utente e riduce il carico di lavoro per il supporto clienti.


### Riassumere testi e report

Le API di OpenAI mi consentono di sintetizzare grandi quantità di informazioni in modo rapido ed efficace. Posso:



Creare riassunti di lunghi documenti aziendali
Estrarre punti chiave da report finanziari
Condensare feedback dei clienti in insights actionable

Questa capacità di sintesi mi permette di risparmiare tempo prezioso e di focalizzarmi sugli aspetti più importanti delle informazioni.


### Sviluppo di app Cognitive Services

Integrando le API di OpenAI con i Servizi Cognitivi di Azure, posso sviluppare applicazioni innovative. Ad esempio:



Assistenti virtuali intelligenti per vari settori
Sistemi di analisi del sentiment per il monitoraggio dei social media
Strumenti di riconoscimento e classificazione di immagini

Queste applicazioni possono migliorare significativamente l’efficienza operativa e fornire nuove opportunità di business.


### Traduzione e supporto multilingue

Le capacità linguistiche delle API di OpenAI mi permettono di offrire servizi multilingue avanzati. Posso:



Tradurre documenti mantenendo il contesto e lo stile originale
Creare interfacce utente adattive in diverse lingue
Fornire supporto clienti in tempo reale in più lingue

Questi servizi sono particolarmente preziosi per le aziende che operano a livello globale, permettendo di superare le barriere linguistiche e migliorare la comunicazione con clienti internazionali.


## Pricing e Gestione dei costi




Il pricing e la gestione dei costi sono aspetti cruciali nell’utilizzo delle API di OpenAI su Azure. È importante comprendere le strutture di prezzo e implementare strategie efficaci per ottimizzare le spese.


### Capire il Pricing di Azure OpenAI

Azure OpenAI offre diverse opzioni di pricing per adattarsi alle esigenze delle aziende. Il modello principale è il Pay-As-You-Go (PAYG), dove pago solo per le risorse effettivamente utilizzate.


Per progetti più grandi, posso optare per le Unità di Throughput Provvisionate (PTU), che garantiscono una latenza minima e sono ideali per applicazioni su larga scala.


I costi variano in base al modello AI scelto. Ad esempio, GPT-4 ha un prezzo più elevato rispetto a GPT-3.5-Turbo, ma offre capacità avanzate.


È fondamentale considerare anche i costi di archiviazione e di rete associati all’uso del servizio.


### Strategie per ottimizzare i costi

Per gestire efficacemente i costi di Azure OpenAI, posso implementare diverse strategie:



Monitoraggio attivo: Utilizzo gli strumenti di gestione dei costi di Azure per tracciare le spese in tempo reale.
Impostazione di budget: Definisco limiti di spesa mensili o annuali per evitare sorprese.
Ottimizzazione delle query: Riduco il numero di token utilizzati migliorando la struttura delle mie richieste API.
Caching: Memorizzo le risposte frequenti per ridurre le chiamate API ripetitive.
Selezione del modello appropriato: Scelgo il modello AI più adatto alle mie esigenze, evitando di pagare per funzionalità non necessarie.

Implementando queste strategie, posso massimizzare il valore ottenuto dal servizio Azure OpenAI mantenendo i costi sotto controllo.


## Domande frequenti
<FAQSection>
## Conclusioni e prossimi passi

Per una guida ufficiale e aggiornata, consulta Microsoft Learn: [Azure OpenAI Service](https://learn.microsoft.com/azure/ai-services/openai/overview). Se vuoi valutare l&#8217;adozione di Azure OpenAI in azienda, scopri i miei [servizi](/services/) o contattami direttamente dalla pagina [contatti](/contatti/).




Le API di OpenAI su Azure offrono potenti funzionalità di intelligenza artificiale. Di seguito rispondo alle domande più comuni sull&#8217;integrazione, l&#8217;autenticazione, i modelli disponibili, i costi e l&#8217;utilizzo pratico di questi servizi.


### Come posso integrare le API di OpenAI con i servizi di Azure?

Per integrare le API di OpenAI con Azure, posso utilizzare l&#8217;SDK ufficiale di Azure OpenAI. Questo mi permette di accedere facilmente ai modelli e alle funzionalità direttamente dalle mie applicazioni Azure.


Posso anche sfruttare l&#8217;integrazione con altri servizi Azure come Azure Functions o Azure Logic Apps per creare flussi di lavoro automatizzati.


### Quali sono i passaggi per autenticarsi nell&#8217;utilizzo delle API di OpenAI su Azure?

Per autenticarmi, devo prima creare una risorsa Azure OpenAI nel portale Azure. Ottengo quindi una chiave API e un endpoint specifici per la mia risorsa.


Utilizzo questi dati per autenticare le chiamate API, inserendoli nell&#8217;intestazione delle richieste HTTP o configurandoli nell&#8217;SDK.


### Quali modelli di OpenAI sono disponibili su Azure?

Azure OpenAI offre accesso a diversi modelli avanzati di OpenAI. Tra questi ci sono GPT-3, GPT-4, Codex e DALL-E.


I modelli disponibili vengono regolarmente aggiornati. Posso consultare la documentazione ufficiale per l&#8217;elenco più recente.


### Come si gestiscono i costi utilizzando le API di OpenAI in Azure?

Azure OpenAI utilizza un modello di pagamento in base al consumo. Pago solo per le risorse effettivamente utilizzate, misurate in token processati.


Posso impostare limiti di spesa e monitorare l&#8217;utilizzo tramite il portale Azure per controllare i costi.


### Qual è il processo per avviare un nuovo progetto con OpenAI Studio su Azure?

Per iniziare un nuovo progetto, accedo al portale Azure e creo una risorsa OpenAI. Dopo l&#8217;approvazione, posso accedere a OpenAI Studio.


In OpenAI Studio, posso esplorare i modelli disponibili, testare prompt e generare contenuti direttamente dall&#8217;interfaccia web.


### Come posso accedere alla documentazione delle API di OpenAI per Azure?

La documentazione completa delle API è disponibile sul sito di Microsoft Learn. Qui trovo guide dettagliate, riferimenti API e esempi di codice.


Posso anche consultare il repository GitHub ufficiale di Azure OpenAI per ulteriori risorse e esempi pratici.
</FAQSection>