AIGC工具系列之——基于OpenAI的GPT大模型搭建自己的AIGC工具

news2025/1/15 19:49:11

今天我们来讲讲目前非常火的人工智能话题“AIGC”，以及怎么使用目前的AI技术来开发，构建自己的AIGC工具
什么是AIGC？
AIGC它的英文全称为(Artificial Intelligence Generated Content)，中文翻译过来就是“人工智能生成内容”，就是利用人工智能技术来创建文本、图像、音乐、视频或者其他的媒体内容的过程。这种技术的应用目前正在迅速扩展，因为它可以大大提高内容创建的效率，同时降低成本、除了降低成本之外。在某些情况下，它提供与人类创作者相媲美，甚至超越的作品。
AIGC的技术背景
AIGC它依赖于各种人工智能模型，特别是深度学习技术，如生成对抗网络（GANs），以及变分自编码器（VAEs）用于图像，以及自然语言处理（NLP）模型，如GPT（Generative Pre-trained Transformer）系列用于文本生成，这些技术通过学习大量数据中的模式，来生成全新的内容。

目前的AIGC代表工具：

文本生成工具
OpenAI的ChatGPT: 基于GPT（生成预训练变换器）模型，能够生成连贯、有逻辑的文本，适用于对话、文本创作等多种场景。
Google Bard: Google推出的对话型AI，旨在提供信息、娱乐以及创作帮助。

图像生成工具
OpenAI的DALL·E: 能够根据文本提示生成高质量、创意丰富的图像。
Midjourney: 是一个独立的研究实验室和社区，专注于使用AI生成图像。
Stable Diffusion: 一个开源的图像生成模型，支持个人和商业用途，能够根据文本提示生成图像。

音乐和声音生成工具
OpenAI的Jukebox: 能够生成音乐，包括旋律、节奏、和声，甚至可以模仿特定艺术家的风格。
Descript’s Overdub: 允许用户根据文本生成声音，可以用于语音编辑和生成。

视频生成工具
Runway: 提供了一个机器学习工具套件，允许用户创建、修改和生成视频内容。
Synthesia: 通过AI为企业和个人提供视频内容创作服务，特别是能够生成虚拟演讲者和自动化视频。

编程和代码生成工具
GitHub Copilot: 由OpenAI训练，能够根据现有代码和注释提示生成编程代码，支持多种编程语言。
深度伪造和合成媒体
Deepfakes: 软件和技术，能够在视频和音频文件中合成人类的面部和声音，通常用于娱乐、教育或创建虚假信息。

了解这些感念和专业技术词汇，以及这些AI工具之后，唯独没有国内的AIGC工具代表作品，果然搞技术的还得是人家外国佬厉害呀！既然没有国产的，那作为一个技术渣渣，那对不起了，我们就基于他们的基础上去搭建一个吧，这里演示怎么基于OpenAI的API接口去搭建一个我们自己的AIGC工具。

搭建框架图

在这里插入图片描述

搭建前的必备材料:

 1. 一台服务器
 2. openai的api key
 3. ssh客户端工具

(1)、教程点击这里，获取服务器地址：
https://bwh88.net/aff.php?aff=74320

(2)ssh客户端finalshell工具下载地址：
Windows X64版,下载地址
http://www.hostbuf.com/downloads/finalshell_windows_x64.exe
macOS Arm版,支持m1,m2,m3 cpu,下载地址
http://www.hostbuf.com/downloads/finalshell_macos_arm64.pkg
macOS X64版,支持旧款intel cpu,下载地址:
http://www.hostbuf.com/downloads/finalshell_macos_x64.pkg
Linux X64版,下载地址:
http://www.hostbuf.com/downloads/finalshell_linux_x64.deb
Linux Arm64版,下载地址:
http://www.hostbuf.com/downloads/finalshell_linux_arm64.deb
Linux LoongArch64龙芯版,下载地址:
http://www.hostbuf.com/downloads/finalshell_linux_loong64.deb
选择对应系统版本的下载安装即可。

(3）openai的api key的获取：
api_key获取步骤如下图：
（1）进入api keysyemian
在这里插入图片描述
（2）创建一个api key，然后复制保存下来
在这里插入图片描述

一、 服务器端安装openai API对接服务程序

  1. 登录服务器平台，进入后台选择stop停止服务器运行。
    在这里插入图片描述

  2. 安装系统，这里选择ubuntu最新版本,点击reload进行安装
    在这里插入图片描述

  3. 安装完成后，系统生成ssh端口号和密码，这里要把ssh端口号和密码记下来，等会儿ssh客户端登录需要用到
    在这里插入图片描述

  4. 打开ssh客户端
    在这里插入图片描述

  5. 创建一个ssh连接
    在这里插入图片描述

  6. 填写服务器IP地址，ssh端口，密码以及用户名，点击确认；
    在这里插入图片描述
    密码和端口号，就是第3部安装系统时生成的密码和ssh端口。IP 地址可以登录后台查看如下：

    如果密码也忘记了，可以点击重新生成，如下图操作：
    在这里插入图片描述
    在这里插入图片描述

  7. 双击新建的会话连接，进入服务器shell终端，如下图:
    在这里插入图片描述
    在这里插入图片描述

  8. 给服务器安装git工具，输入安装命令:apt install git 然后点击回车键运行。
    在这里插入图片描述

  9. 获取服务器端openai的API 对接服务代码。进入到home目录并运行如下指令:

cd /home
git clone https://github.com/wg520235/openai_project.git

在这里插入图片描述
下载完成如下图：
在这里插入图片描述

  1. 然后cd 进入工程目录openai_project，并运行app_install.sh脚本安装服务器程序。命令如下
cd openai_project/
sh app_install.sh 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 gpt-3.5-turbo dall-e-2

在这里插入图片描述
回车运行，安装过程中出现提示信息或者选择，一律按回车健Enter默认即可，大概几分钟之后即可安装完成，安装完成如下图：
在这里插入图片描述

【脚本参数说明】

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 //openai的api key
gpt-3.5-turbo //gpt版本
dall-e-2 //openai的绘画版本

如果你 开通了gpt4，gpt版本可以填写最新的gpt-4，绘画模型版本填写最新的:dall-e-3，如果你没有开通gpt4默认填写gpt-3.5-turbo和dall-e-2即可。
openai的api key获取：

打开AIGC客户端并连接服务器

这个客户端仅仅是本人为了调试功能测试用，其他做得不好的地方大家不要太在意，界面有点丑陋大家可以忽略，主要看功能即可。如各位大佬有兴趣，可以自己开发一个好看的客户端，这个客户端的代码我双手奉上，还望各位能够进一步开发完善，发扬光大，哈哈！
代码下载地址：

git clone https://github.com/wg520235/GPT_CLIENT_BASE_QT.git
  1. 下载GPT客户端工具，下载连接如下：
    git下载地址：
https://github.com/wg520235/openai_project/blob/main/AIOTNIK_GPT_CLIENT.zip

在这里插入图片描述

或者网盘下载：
链接：https://pan.baidu.com/s/1HCdCHuSqhX9dSrRzt8ik4g?pwd=3lm4
提取码：3lm4

2.减压GPT客户端工具，如下：

在这里插入图片描述
3.双击工具运行
在这里插入图片描述
界面如下：
在这里插入图片描述

  1. 点击设置按钮，填写你的服务器IP，点击确认连接成功后页面的功能即可使用。
    在这里插入图片描述
    成功连接你的服务器，点击ok即可像聊天gpt一样调用openai GPT的API 接口进行聊天绘画。
    在这里插入图片描述

AIGC客户端功能展示

2.和chatgpt一样对话聊天，文本写作，写代码等
在这里插入图片描述
在这里插入图片描述

  1. 调用openai的dall-e-3进行绘画,在输入框输入提示词，点击发送即可绘画，例如：

在这里插入图片描述
【注意】绘画的时候切记要先添加提示词”画：“或者"draw:",以区分是调用绘画模型dall-e-2进行AI 绘画。
目前GPT客户端支持图片双击变大效果如下，以及右键文本复制和图片下载保存到本地。
在这里插入图片描述
在这里插入图片描述
3.语音对话功能，调用了openai的asr,tts,以及chat接口实现的语音对话，点击语音对话按钮，然后你对着麦克风说话就行（想说啥说啥，把AI当作跟人说话一样就行），说完点击停止，然后等待AI 的回答即可。
（1）想微信语音一样，按下按钮输入语音
在这里插入图片描述
（2）点击停止按住，结束语音输入。
在这里插入图片描述
稍等片刻AI会返回语音，如果你电脑有扩音器（喇叭）就可以听到，如果没有扩音器，你们的对话也会转为文字显示在对话框上。

3.语音输入，即就是有的时候你不方便打字，你可输入语音，然后ai会以文字的方式回答你，并显示在对话框上。这个功能和语音对话相似，自行体验即可。

4.图片解析，这个就是你点击这个按钮上传一张图片，然后AI会解读你的图片内容，然后将AI 解读的内容返回到对话框，这个功能适用于名画鉴赏的。

在这里插入图片描述
例如我这里选择刚才AI 画的萝莉塔，上传后AI会返回如下解析结果：

  1. 图片播放，这个功能就我自己diy的，因为目前的sora很火，然后openai又还没有发布视频生成的API接口，所以我突发奇想，让AI画几十张连续的画，然后我把这些画放到一个文件夹里，然后以每秒25帧的速度播放这些图片，这不就可以生成视频了吗？但是结果没我想的那么好，最后还是等视频生成的API 接口发布了再做视频生成功能吧！
    在这里插入图片描述
    播放效果：https://live.csdn.net/v/373939

好了！到这里整个AIGC工具的开发，构建和使用就完了。还有很多功能没有做，如果你看到这篇文章，引起了你的兴趣，你可以基于我的工程基础之上去完善。大家一起玩转AI，躁起来．．．．．哈哈哈！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1547845.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

v4l2采集视频

v4l2采集视频

Video4Linux2（v4l2）是用于Linux系统的视频设备驱动框架，它允许用户空间应用程序直接与视频设备（如摄像头、视频采集卡等）进行交互。 linux系统下一切皆文件，对视频设备的操作就像对文件的操作一样&#xff…
阅读更多...
C语言------指针(2)

C语言------指针(2)

前面已经向大家介绍了指针的一些基本内容，接下来，就在再我来先大家讲解一下指针的其他内容。 1. 数组名的理解 int arr[10] { 1,2,3,4,5,6,7,8,9,10 }; 在学习数组的过程中，我们肯定会写过以上代码，我们知道 int 是该数组的数…
阅读更多...
[BT]BUUCTF刷题第8天（3.26）

[BT]BUUCTF刷题第8天（3.26）

第8天 Web [CISCN2019 华北赛区 Day2 Web1]Hack World 题目明确提示flag在flag表里的flag列，这里先尝试1 返回：你好，glzjin想要一个女朋友。 再尝试1，返回bool(false) 到这里就感觉是布尔盲注的题目类型了（虽然我没…
阅读更多...
GPT提示词分享 —— 代码释义者

GPT提示词分享 —— 代码释义者

提示词👇 我希望你能充当代码解释者，阐明代码的语法和语义。 3.5版本👇 free2gpt 4.0版本👇 gpt4
阅读更多...
深入解析快速排序算法

深入解析快速排序算法

深入解析快速排序算法 一、快速排序算法简介二、快速排序算法过程三、快速排序算法示例四、快速排序算法分析1. 时间复杂度：2. 空间复杂度：3. 稳定性： 五、快速排序算法优化1. 优化基准元素的选择：2. 优化小数组的排序&#xff1a…
阅读更多...
[HackMyVM]靶场Crossbow

[HackMyVM]靶场Crossbow

kali:192.168.56.104 靶机:192.168.56.136 端口扫描 # nmap 192.168.56.136 Starting Nmap 7.94SVN ( https://nmap.org ) at 2024-03-26 22:17 CST Nmap scan report for crossbow.hmv (192.168.56.136) Host is up (0.0057s latency). Not shown: 997 closed tcp…
阅读更多...
Spring IOC 容器循环依赖解决（三级缓存）

Spring IOC 容器循环依赖解决（三级缓存）

对于循环依赖的解决，首先得了解Spring IOC 容器的创建过程，在加载过程中，Bean 的实例化和初始化是分开的，所以在解决循环依赖的问题时，也是基于Bean 的实例化和初始化分开执行这一特点。 我们将实例化后的Bean 叫 半成…
阅读更多...
2024中国闪存市场观察：AI助推闪存全面起势？

2024中国闪存市场观察：AI助推闪存全面起势？

过去两年，闪存市场一直处于低迷状态，但去年第四季度闪存颗粒资源的上涨，导致闪存产品价格一路上扬，市场遂发生反转。 2024年，中国闪存市场会彻底走向复苏，还是急转直下？中国AI热潮，…
阅读更多...
JavaScript原型、原型对象、原型链系列详解（五）

JavaScript原型、原型对象、原型链系列详解（五）

(五)、JavaScript原型设计模式 什么是JavaScript原型设计模式？ 为什么要使用JavaScript原型设计模式？ JavaScript原型设计模式的实现方法有哪些？ JavaScript原型设计模式的应用场景是什么？ 什么是JavaScript原型设计模式&#xff…
阅读更多...
Raft 共识算法

Raft 共识算法

什么是木筏？ Raft 是一种共识算法，旨在易于理解。它 在容错和性能方面与Paxos相当。不同之处在于 它被分解成相对独立的子问题，而且它干净利落 解决了实际系统所需的所有主要部分。我们希望 Raft 能使 更广泛的受众可以达成共识，并…
阅读更多...
【网站项目】303老年人的景区订票系统

【网站项目】303老年人的景区订票系统

🙊作者简介：拥有多年开发工作经验，分享技术代码帮助学生学习，独立完成自己的项目或者毕业设计。 代码可以私聊博主获取。🌹赠送计算机毕业设计600个选题excel文件，帮助大学选题。赠送开题报告模板&#xff…
阅读更多...
主流公链 - Cosmos

主流公链 - Cosmos

探索Cosmos区块链：构建互联的区块链网络 1. Cosmos简介 Cosmos是一个开放的区块链互联协议，旨在解决区块链之间的孤立性问题。它的愿景是构建一个可以互相通信和互操作的区块链网络，实现资产和数据的流动性。在Cosmos中，不同的区…
阅读更多...
langchain调用语言模型chatglm4从智谱AI

langchain调用语言模型chatglm4从智谱AI

目录 ​0.langchain agent 原理 ReAct 1.langchain agent使用chatgpt调用tools的源代码 2.自定义本地语言模型的代码 3.其他加速方法 背景：如果使用openai的chatgpt4进行语言问答，是需要从国内到国外的一个客户请求-->openai服务器response的一个…
阅读更多...
使用Nginx1.25.4版本做负载均衡、搭建Nacos2.3.0服务集群

使用Nginx1.25.4版本做负载均衡、搭建Nacos2.3.0服务集群

关于使用版本问题上，其实小白更喜欢使用新的版本，因为新的版本功能更多，肯定优化方面不言而喻，懂得都懂，但是新的版本，肯定使用起来更加的速度，性能，也是不言而喻的啊，那…
阅读更多...
力扣--并查集684.冗余连接

力扣--并查集684.冗余连接

思路分析： 首先定义了一个Solution类，包含了私有成员变量fa[1001]和n，以及三个私有成员函数find()、togother()和findRedundantConnection()。 find()函数用于查找节点的根节点（即所在连通分量的代表节点）&#xff0c…
阅读更多...
2024最新华为OD机试试题库全 -【二叉树的广度搜索】- C卷

2024最新华为OD机试试题库全 -【二叉树的广度搜索】- C卷

1. 🌈题目详情 1.1 ⚠️题目 有一棵二叉树，每个节点由一个大写字母标识(最多26个节点）。 现有两组字母，分别表示后序遍历（左孩子->右孩子->父节点）和中序遍历（左孩子->父节点->右孩子）的结果，请你输出层序遍历的结果。 1.2 🔣输入要求 每个输入文…
阅读更多...
CMC学习系列 (2):EEG-EMG有可能作为运动恢复的生物标志物

CMC学习系列 (2):EEG-EMG有可能作为运动恢复的生物标志物

CMC学习系列:EEG-EMG有可能作为运动恢复的生物标志物 0. 引言1. 主要贡献2. 方法2.1 显著 bins 数量2.2 偏侧性指数 3. 结果3.1 临床评估3.2 CMC3.3 卒中后CMC随时间变化 4. 讨论和结论5. 总结欢迎来稿 论文地址：https://www.frontiersin.org/journals/neurology/ar…
阅读更多...
信号处理--基于混合CNN和transfomer自注意力的多通道脑电信号的情绪分类的简单应用

信号处理--基于混合CNN和transfomer自注意力的多通道脑电信号的情绪分类的简单应用

目录 关于 工具 数据集 数据集简述 方法实现 数据读取 ​编辑数据预处理 传统机器学习模型(逻辑回归，支持向量机，随机森林) 多层感知机模型 CNNtransfomer模型 代码获取 关于 本实验利用结合了卷积神经网络 (CNN) 和 Transformer 组件的混合…
阅读更多...
在DasViewer里怎么查看三维模型的坐标系？

在DasViewer里怎么查看三维模型的坐标系？

量测就可以查看坐标系了，或者查看xml文件中坐标系的代号。量测就可以查看坐标系了，或者查看xml文件中坐标系的代号。 DasViewer是由大势智慧自主研发的免费的实景三维模型浏览器,采用多细节层次模型逐步自适应加载技术,让用户在极低的电脑配置下,也能流畅…
阅读更多...
Go语言学习Day3：数据类型、运算符与流程控制

Go语言学习Day3：数据类型、运算符与流程控制

名人说：莫愁千里路，自有到来风。 ——钱珝 创作者：Code_流苏(CSDN)（一个喜欢古诗词和编程的Coder😊） 目录 1、数据类型①布尔类型②整型③浮点型④string⑤类型转换 2、运算符①算术运算符②逻辑运算符③关…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023