2024 年最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)

avatar
作者
猴君
阅读量:3

OpenAi 环境安装

首先确保您的计算机上已经安装了 Python。您可以从 Python 官方网站下载并安装最新版本 Python。安装时,请确保勾选 “Add Python to PATH” (添加环境变量)选项,以便在 cmd 命令行中直接使用 Python。

安装 OpenAI Python 库

打开命令行或终端窗口安装 OpenAI Python 库

pip install openai 

OpenAi Platform 教程

平台官网:https://platform.openai.com/

在这里插入图片描述

http API 调用方式文档:https://platform.openai.com/docs/api-reference/introduction

文本生成 GPT-4

GPT-4 模型概述

GPT-4是一个大型多模态模型(接受文本或图像输入和输出文本),由于其更广泛的一般知识和先进的推理能力,它可以比我们以前的任何模型都更准确地解决难题。付费客户可以在OpenAI API中使用GPT-4。与gpt-3.5 turbo一样,GPT-4针对聊天功能进行了优化,但在使用聊天完井API的传统完井任务中表现良好。在我们的文本生成指南中学习如何使用GPT-4。

测试案例

聊天模型将消息列表作为输入,并返回模型生成的消息作为输出。虽然聊天格式的设计是为了使多回合的对话变得容易,但它对于没有任何对话的单回合任务同样有用。

一个聊天完成API调用的例子如下:

from openai import OpenAI client = OpenAI()  response = client.chat.completions.create(     model="gpt-4",     messages=[         {"role": "system", "content": "You are a helpful assistant."},         {"role": "user", "content": "Who won the world series in 2020?"},         {"role": "assistant", "content": "The Los Angeles Dodgers won the World Series in 2020."},         {"role": "user", "content": "Where was it played?"}     ] )  print(response) 

数据结构

{     "choices": [         {             "finish_reason": "stop",             "index": 0,             "message": {                 "content": "The 2020 World Series was played in Texas at Globe Life Field in Arlington.",                 "role": "assistant"             },             "logprobs": null         }     ],     "created": 1677664795,     "id": "chatcmpl-7QyqpwdfhqwajicIEznoc6Q47XAyW",     "model": "gpt-3.5-turbo-0613",     "object": "chat.completion",     "usage": {         "completion_tokens": 17,         "prompt_tokens": 57,         "total_tokens": 74     } } 

图像合成 DALL·E

DALL·E 模型概述

DALL·E是一个人工智能系统,可以通过自然语言的描述创造逼真的图像和艺术。DALL·e3目前支持在提示下创建具有特定大小的新映像的功能。DALL·e2还支持编辑现有映像,或创建用户提供的映像的变体。

测试案例

图像生成端点允许您在给定文本提示的情况下创建原始图像。当使用DALL·e3时,图像的大小可以是1024x1024、1024x1792或1792x1024像素。

默认情况下,图像以标准质量生成,但当使用DALL·e3时,您可以将质量设置为“hd”以增强细节。正方形的、标准质量的图像是最快生成的。您可以使用DALL·e3一次请求1个图像(通过并行请求请求更多),或者使用带n参数的DALL·e2一次至多请求10个图像。

from openai import OpenAI  client = OpenAI()  response = client.images.generate(     model="dall-e-3",     prompt="a white siamese cat",     size="1024x1024",     quality="standard",     n=1, )  image_url = response.data[0].url 

语音合成 TTS

TTS 模型概述

TTS是一种人工智能模型,可以将文本转换为自然发音的口语文本。我们提供了两种不同的模型变量,ts-1针对实时文本到语音的用例进行了优化,而ts-1-hd针对质量进行了优化。这些模型可以与Audio API中的Speech端点一起使用。

测试案例

语音端点接受三个关键输入:模型、应该转换为音频的文本和用于音频生成的语音。简单的请求如下所示:

from pathlib import Path from openai import OpenAI  client = OpenAI()  speech_file_path = Path(__file__).parent / "speech.mp3" response = client.audio.speech.create(     model="tts-1",     voice="alloy",     input="Today is a wonderful day to build something people love!" )  response.stream_to_file(speech_file_path) 

音色选择

尝试不同的声音(alloy, echo, fable, onyx, nova, and shimmer),找到一个符合你想要的语气和听众。当前的声音是针对英语优化的。

语音识别 Whisper

Whisper 概述

Whisper 是一个通用的语音识别模型。它是在不同音频的大型数据集上训练的,也是一个多任务模型,可以执行多语言语音识别以及语音翻译和语言识别。Whisper v2大型模型目前可通过我们的API使用Whisper -1模型名称。

目前,Whisper的开源版本和通过我们的API提供的版本之间没有区别。然而,通过我们的API,我们提供了一个优化的推理过程,这使得通过我们的API运行Whisper比执行它要快得多。

测试案例

语音识别 API 将要识别的音频文件和所需的音频转录输出文件格式作为输入。我们目前支持多种输入和输出文件格式。文件上传目前限制为 25mb,支持 mp3、mp4、mpeg、mpga、m4a、wav、webm 等文件类型的输入。

from openai import OpenAI  client = OpenAI()  audio_file = open("/path/to/file/audio.mp3", "rb") transcription = client.audio.transcriptions.create(     model="whisper-1",     file=audio_file ) print(transcription.text) 

数据结构

{   "text": "Imagine the wildest idea that you've ever had, and you're curious about how it might scale to something that's a 100, a 1,000 times bigger. .... } 

配置 OPENAI_API_KEY

查看 class OpenAI(SyncAPIClient) 类实现的源码片段发现,关于 api_keybase_url 会读取本地环境变量中 OPENAI_API_KEYOPENAI_BASE_URL 变量。

if api_key is None:     api_key = os.environ.get("OPENAI_API_KEY") if api_key is None:     raise OpenAIError(         "The api_key client option must be set either by passing api_key to the client or by setting the OPENAI_API_KEY environment variable"     ) self.api_key = api_key 
if base_url is None:     base_url = os.environ.get("OPENAI_BASE_URL") if base_url is None:     base_url = f"https://api.openai.com/v1" 

dotenv 加载 .env 环境变量

dotenv是一个Python库(虽然也适用于其他编程语言,如JavaScript),它的主要功能是从.env文件中读取环境变量,并将这些变量加载到操作系统的环境变量中,使得Python应用程序可以轻松地访问这些变量。.env文件是一个纯文本文件,其中包含键值对(key-value pairs),每个键值对占据一行,格式为KEY=VALUE。

pip install python-dotenv 

将敏感信息(如API密钥、数据库密码等)存储在环境变量中,而不是硬编码在代码中,是一种良好的安全实践。这样可以减少敏感信息泄露的风险,因为这些值不会存储在代码库中,也不会在部署时暴露出来。

在 Python 代码中,使用 python-dotenv 库加载 .env 文件,并访问其中的环境变量。这通常通过 from dotenv import load_dotenvload_dotenv() 函数实现。访问环境变量:加载.env文件后,可以使用 os.getenv('KEY') 的方式访问环境变量。

from dotenv import load_dotenv load_dotenv() 

图像理解 GPT-4o

gpt - 40和GPT-4 Turbo都具有视觉功能,这意味着这些模型可以接收图像并回答有关图像的问题。从历史上看,语言模型系统一直受到单一输入形式文本的限制。

模型可以通过两种主要方式使用图像:通过传递到图像的链接或在请求中直接传递base64编码的图像。图像可以在用户消息中传递。

from openai import OpenAI  client = OpenAI()  response = client.chat.completions.create(     model="gpt-4o",     messages=[         {             "role": "user",             "content": [                 {"type": "text", "text": "What’s in this image?"},                 {                     "type": "image_url",                     "image_url": {                         "url": "https://upload.wikimedia.org/wikipedia/commons/thumb/d/dd/Gfp-wisconsin-madison-the-nature-boardwalk.jpg/2560px-Gfp-wisconsin-madison-the-nature-boardwalk.jpg",                     },                 },             ],         }     ],     max_tokens=300, )  print(response.choices[0]) 

上传base64编码的图像如果你在本地有一张或一组图像,你可以将它们以base64编码的格式传递给模型,下面是一个实际的例子

import base64 import requests  api_key = "YOUR_OPENAI_API_KEY"   def encode_image(image_path):     with open(image_path, "rb") as image_file:         return base64.b64encode(image_file.read()).decode('utf-8')   image_path = "path_to_your_image.jpg"  base64_image = encode_image(image_path)  headers = {     "Content-Type": "application/json",     "Authorization": f"Bearer {api_key}" }  payload = {     "model": "gpt-4o",     "messages": [         {             "role": "user",             "content": [                 {                     "type": "text",                     "text": "What’s in this image?"                 },                 {                     "type": "image_url",                     "image_url": {                         "url": f"data:image/jpeg;base64,{base64_image}"                     }                 }             ]         }     ],     "max_tokens": 300 }  response = requests.post("https://api.openai.com/v1/chat/completions", headers=headers, json=payload)  print(response.json()) 

广告一刻

为您即时展示最新活动产品广告消息,让您随时掌握产品活动新动态!