使用Python探究OpenAI API

作者：布加迪 2024-05-21 09:01:00

我們?cè)诒疚闹袑⑻接懭绾谓Y(jié)合使用OpenAI API和Python以及可以執(zhí)行的各種任務(wù)。但愿您能從這篇文章中學(xué)到很多。

http://m.jxzklqfsx.com/aigc/

不妨了解可以從OpenAI享用的所有實(shí)用服務(wù)。

誰(shuí)沒(méi)聽(tīng)說(shuō)過(guò)OpenAI?這家人工智能研究實(shí)驗(yàn)室因其著名的產(chǎn)品ChatGPT而改變了世界。它改變了AI實(shí)施領(lǐng)域，許多公司現(xiàn)在急于成為下一大熱點(diǎn)。

盡管競(jìng)爭(zhēng)激烈，OpenAI仍然是任何生成式AI業(yè)務(wù)需求的首選公司，因?yàn)樗鼡碛凶詈玫哪Ｐ秃统掷m(xù)的支持。該公司提供了許多最先進(jìn)的生成式AI模型，能夠處理各種任務(wù)：圖像生成和文本到語(yǔ)音等。

OpenAI提供的所有模型都可以通過(guò)API調(diào)用獲得。借助簡(jiǎn)單的Python代碼，您已經(jīng)可以使用該模型。

我們?cè)诒疚闹袑⑻接懭绾谓Y(jié)合使用OpenAI API和Python以及可以執(zhí)行的各種任務(wù)。但愿您能從這篇文章中學(xué)到很多。

OpenAI API設(shè)置

要閱讀本文，您需要準(zhǔn)備好幾個(gè)方面。

最重要的是OpenAI的API密鑰，因?yàn)闆](méi)有密鑰就無(wú)法訪問(wèn)OpenAI模型。要獲得訪問(wèn)權(quán)限，您必須注冊(cè)OpenAI帳戶，并在帳戶頁(yè)面上申請(qǐng)API密鑰。收到密鑰后，將其保存在能夠記住的地方，因?yàn)樗粫?huì)再次出現(xiàn)在OpenAI界面中。

需要做的下一件事是購(gòu)買(mǎi)預(yù)付費(fèi)積分以使用OpenAI API。最近，OpenAI宣布改變計(jì)費(fèi)方式。我們需要為API調(diào)用購(gòu)買(mǎi)預(yù)付費(fèi)積分，而不是在月底支付。您可以訪問(wèn)OpenAI定價(jià)頁(yè)面來(lái)估算所需的積分。還可以查看模型頁(yè)面，以了解您需要哪種模型。

最后，您需要在生產(chǎn)環(huán)境中安裝OpenAI Python軟件包。您可以使用下面的代碼做到這一點(diǎn)。

pip install openai

然后，您需要使用下面的代碼設(shè)置OpenAI Key環(huán)境變量。

import os
os.environ['OPENAI_API_KEY'] = 'YOUR API KEY'

一切設(shè)置完畢后，不妨開(kāi)始使用Python探索OpenAI模型的API。

OpenAI API文本生成

OpenAI API的明星是其文本生成模型。這些大語(yǔ)言模型系列可以從名為提示的文本輸入生成文本輸出。提示實(shí)際上是關(guān)于我們期望從模型中得到什么的指令，比如分析文本和生成文檔草稿等。

不妨從執(zhí)行一個(gè)簡(jiǎn)單的文本生成API調(diào)用入手。我們將使用OpenAI的GPT-3.5 Turbo模型作為基礎(chǔ)模型。它不是最先進(jìn)的模型，但最便宜的模型常常足以執(zhí)行與文本相關(guān)的任務(wù)。

from openai import OpenAI
client = OpenAI()

completion = client.chat.completions.create(
  model="gpt-3.5-turbo",
  messages=[
    {"role": "system", "content": "You are a helpful assistant."},
    {"role": "user", "content": "Generate me 3 Jargons that I can use for my Social Media content as a Data Scientist content creator"}
  ]
)

print(completion.choices[0].message.content)

“釋放預(yù)測(cè)分析的力量，推動(dòng)數(shù)據(jù)驅(qū)動(dòng)的決策!”
“深入挖掘數(shù)據(jù)海洋，發(fā)現(xiàn)有價(jià)值的見(jiàn)解。”
“通過(guò)先進(jìn)算法將原始數(shù)據(jù)轉(zhuǎn)化為實(shí)用的情報(bào)。”

文本生成模型的API調(diào)用使用API Endpoint chat.completions從提示創(chuàng)建文本響應(yīng)。

文本生成需要兩個(gè)參數(shù)：模型和消息。

至于模型，您可以檢查可以在相關(guān)模型頁(yè)面上使用的模型列表。

至于消息，我們傳遞一個(gè)含有兩個(gè)對(duì)的字典：角色和內(nèi)容。角色鍵指定了對(duì)話模型中的角色發(fā)送方。有三種不同的角色：系統(tǒng)、用戶和助手。

使用消息中的角色，我們可以幫助設(shè)置模型行為和模型應(yīng)該如何回答提示的示例。

不妨使用角色助手?jǐn)U展前面的代碼示例，以指導(dǎo)我們的模型。此外，我們將探索文本生成模型的一些參數(shù)，以改進(jìn)結(jié)果。

completion = client.chat.completions.create(
    model="gpt-3.5-turbo",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Generate me 3 jargons that I can use for my Social Media content as a Data Scientist content creator."},
        {"role": "assistant", "content": "Sure, here are three jargons: Data Wrangling is the key, Predictive Analytics is the future, and Feature Engineering help your model."},
        {"role": "user", "content": "Great, can you also provide me with 3 content ideas based on these jargons?"}
    ],
    max_tokens=150,
    temperature=0.7,
    top_p=1,
    frequency_penalty=0
)

print(completion.choices[0].message.content)

當(dāng)然!以下是基于提供的行語(yǔ)的三個(gè)內(nèi)容思路：

“釋放數(shù)據(jù)處理的力量：數(shù)據(jù)科學(xué)家的逐步指南”——?jiǎng)?chuàng)建一篇博文或視頻教程，展示實(shí)際數(shù)據(jù)科學(xué)項(xiàng)目中數(shù)據(jù)處理的最佳實(shí)踐和工具。
“預(yù)測(cè)分析的未來(lái)：數(shù)據(jù)科學(xué)的趨勢(shì)和創(chuàng)新”——撰寫(xiě)一篇思想領(lǐng)袖文章，討論預(yù)測(cè)分析領(lǐng)域的新興趨勢(shì)和技術(shù)，以及它們?nèi)绾嗡茉鞌?shù)據(jù)科學(xué)的未來(lái)。
“駕馭特征工程：提升模型性能的技術(shù)”——開(kāi)發(fā)一個(gè)信息圖表或社交媒體系列，著重介紹不同的特征工程技術(shù)及其對(duì)提高機(jī)器學(xué)習(xí)模型的準(zhǔn)確性和效率的影響。

生成的輸出遵循我們提供給模型的示例。如果我們希望模型遵循某種樣式或結(jié)果，那么使用角色助手非常有用。

至于參數(shù)，下面簡(jiǎn)單解釋我們使用的每個(gè)參數(shù)：

max_tokens：該參數(shù)設(shè)置模型可以生成的最多字?jǐn)?shù)。
temperature：該參數(shù)控制模型輸出的不可預(yù)測(cè)性。該參數(shù)值越高，輸出越具有多樣性，越富有想象力。可接受的范圍是從0到無(wú)窮大，但大于2的值不尋常。
top_p：又叫核抽樣，該參數(shù)有助于確定模型得出輸出所依賴(lài)的概率分布的子集。比如說(shuō)，top_p值為0.1意味著模型只考慮抽樣概率分布的前10%。其值可以從0到1，值越大，輸出多樣性越大。
frequency_penalty：這懲罰模型輸出中的重復(fù)token。懲罰值的范圍從-2到2，其中正值不鼓勵(lì)重復(fù)使用token，負(fù)值則相反，鼓勵(lì)重復(fù)使用單詞。值為0表示不會(huì)對(duì)重復(fù)進(jìn)行懲罰。

最后，您可以使用以下代碼將模型輸出改為JSON格式。

completion = client.chat.completions.create(
  model="gpt-3.5-turbo",
  response_format={ "type": "json_object" },
  messages=[
    {"role": "system", "content": "You are a helpful assistant designed to output JSON.."},
    {"role": "user", "content": "Generate me 3 Jargons that I can use for my Social Media content as a Data Scientist content creator"}
  ]
)

print(completion.choices[0].message.content)
 
{
"jargons": [
"利用預(yù)測(cè)分析發(fā)掘?qū)氋F的洞察力",
"深入研究先進(jìn)機(jī)器學(xué)習(xí)算法的微妙細(xì)處",
"利用大數(shù)據(jù)的力量推動(dòng)數(shù)據(jù)驅(qū)動(dòng)的決策"
]
}

結(jié)果采用JSON格式，并遵循我們輸入到模型中的提示。

要獲得完整的文本生成API文檔，您可以在專(zhuān)門(mén)的頁(yè)面上查看。

OpenAI圖像生成

OpenAI模型對(duì)于文本生成用例很有用，也可以調(diào)用API以生成圖像。

使用DALL?E模型，我們可以按要求生成圖像。執(zhí)行起來(lái)很簡(jiǎn)單，只需使用以下代碼。

from openai import OpenAI
from IPython.display import Image

client = OpenAI()

response = client.images.generate(
  model="dall-e-3",
  prompt="White Piano on the Beach",
  size="1792x1024",
  quality="hd",
  n=1,
)

image_url = response.data[0].url
Image(url=image_url)

針對(duì)這些參數(shù)，解釋如下：

model：要使用的圖像生成模型。目前，API只支持DALL?E 3和DALL?E 2模型。
prompt：這是文本描述，模型將在此基礎(chǔ)上生成圖像。
size：決定生成圖像的分辨率。DALL?E3模型有三種選擇：1024x1024、1024x1792或1792x1024。
quality：該參數(shù)影響生成圖像的質(zhì)量。如果需要計(jì)算時(shí)間，“標(biāo)準(zhǔn)”比“高清”快。
n：指定基于提示生成圖像的數(shù)量。DALL?E3一次只能生成一個(gè)圖像。DALL?E2一次可以生成多達(dá)10個(gè)圖像。

還可以從現(xiàn)有的圖像生成一個(gè)衍變圖像，不過(guò)只能使用DALL?E2模型做到這點(diǎn)。API也只接受4 MB以下的正方形PNG圖像。

from openai import OpenAI
from IPython.display import Image

client = OpenAI()

response = client.images.create_variation(
  image=open("white_piano_ori.png", "rb"),
  n=2,
  size="1024x1024"
)

image_url = response.data[0].url

Image(url=image_url)

生成的圖像可能不如DALL?E 3好，因?yàn)樗褂门f模型。

OpenAI Vision

OpenAI是一家提供能夠理解圖像輸入的模型的領(lǐng)先公司。這個(gè)模型名為Vision模型，有時(shí)被稱(chēng)為GPT-4V。該模型能夠根據(jù)我們給出的圖像回答問(wèn)題。

不妨試一下Vision模型API。在本例中，我將使用從DALL?E3模型生成的白色鋼琴圖像，并將其存儲(chǔ)在本地。此外，我還將創(chuàng)建一個(gè)函數(shù)，接受圖像路徑并返回圖像描述文本。別忘了將api_key變量改為您的API Key。

from openai import OpenAI
import base64
import requests
def provide_image_description(img_path):

    client = OpenAI()

    api_key = 'YOUR-API-KEY'
    # Function to encode the image
    def encode_image(image_path):
      with open(image_path, "rb") as image_file:
        return base64.b64encode(image_file.read()).decode('utf-8')
   
    # Path to your image
    image_path = img_path
   
    # Getting the base64 string
    base64_image = encode_image(image_path)
   
    headers = {
      "Content-Type": "application/json",
      "Authorization": f"Bearer {api_key}"
    }
   
    payload = {
      "model": "gpt-4-vision-preview",
      "messages": [
        {
          "role": "user",
          "content": [
            {
              "type": "text",
              "text": """Can you describe 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)

    return response.json()['choices'][0]['message']['content']

這個(gè)圖像顯示一架大鋼琴擺放在寧?kù)o的海灘上。鋼琴是白色的，表明一種常與優(yōu)雅聯(lián)系在一起的色調(diào)。樂(lè)器放在海岸線的邊緣，輕柔的海浪輕撫沙灘，泛起泡沫，正好碰到鋼琴的底座和配套的凳子。海灘周?chē)沫h(huán)境暗示著一種寧?kù)o和隔絕的感覺(jué)，清澈的藍(lán)天，遠(yuǎn)處蓬松的云，平靜的大海延伸到地平線。無(wú)數(shù)大小形狀各異的貝殼散落在沙灘上鋼琴的周?chē)怀隽谁h(huán)境的自然美和寧?kù)o的氛圍。自然海灘環(huán)境中的古典樂(lè)器創(chuàng)造了超現(xiàn)實(shí)和畫(huà)面充滿詩(shī)意的構(gòu)圖。

您可以調(diào)整上面字典中的文本值以匹配您的Vision模型要求。

OpenAI音頻生成

OpenAI還提供了基于文本到語(yǔ)音模型生成音頻的模型。它非常易于使用，不過(guò)語(yǔ)音敘述風(fēng)格很有限。此外，模型支持許多語(yǔ)言，您可以在語(yǔ)言支持頁(yè)面上看到這些語(yǔ)言。

要生成音頻，可以使用下面的代碼。

from openai import OpenAI
client = OpenAI()

speech_file_path = "speech.mp3"
response = client.audio.speech.create(
  model="tts-1",
  voice="alloy",
  input="I love data science and machine learning"
)
response.stream_to_file(speech_file_path)

您應(yīng)該會(huì)在目錄中看到音頻文件。試著播放一下，看看是否符合標(biāo)準(zhǔn)。

目前，只有幾個(gè)參數(shù)可以用于文本到語(yǔ)音模型：

model：要使用的文本到語(yǔ)音模型。只有兩種模型可用：ts-1或ts-1-hd，其中ts-1優(yōu)化速度，ts-1-hd優(yōu)化質(zhì)量。
voice：使用的語(yǔ)音樣式，所有聲音都被優(yōu)化為英語(yǔ)。選擇有alloy、echo、fable、onyx、nova和shimmer。
response_format：音頻格式文件。目前支持的格式有mp3、opus、aac、flac、wav和pcm。
speed：生成的音頻速度。您可以選擇0.25到4之間的值。
input：用于創(chuàng)建音頻的文本。目前，模型最多支持4096個(gè)字符。

OpenAI語(yǔ)音到文本

OpenAI提供了轉(zhuǎn)錄和翻譯音頻數(shù)據(jù)的模型。使用Whispers模型，我們可以將音頻從支持的語(yǔ)言轉(zhuǎn)錄到文本文件中，并將其翻譯成英語(yǔ)。

不妨從我們之前生成的音頻文件中嘗試簡(jiǎn)單的轉(zhuǎn)錄。

from openai import OpenAI
client = OpenAI()

audio_file= open("speech.mp3", "rb")
transcription = client.audio.transcriptions.create(
  model="whisper-1",
  file=audio_file
)

print(transcription.text)

我喜歡數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)。

還可以將音頻文件翻譯成英語(yǔ)。模型還無(wú)法翻譯成另一種語(yǔ)言。

from openai import OpenAI
client = OpenAI()

audio_file = open("speech.mp3", "rb")
translate = client.audio.translations.create(
  model="whisper-1",
  file=audio_file
)