python使用openai生成图像教程详解

Posted 2023-04-04 PENG越

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了python使用openai生成图像教程详解相关的知识，希望对你有一定的参考价值。

OpenAI 是一个人工智能的工具包，包括神经网络、遗传算法和有限状态机等。使用python可以非常便捷的操作OpenAI的API。一下是OpenAI官网列举的功能DEMO

首先使用python的pip进行openai库的安装

pip install openai

在openai官网中找到自己需要测试的api文档

https://platform.openai.com/docs/guides/images/introduction

这里以图像生成示例

在做这一切之前首先得确保你安装了requests，因为需要请求api。
在使用openai进行api请求之前，需要生成一个apikey

生成apikey的链接：

https://platform.openai.com/docs/quickstart/build-your-application

import requests
import openai
openai.api_key = '填写你的apikey'

response = openai.Image.create(
  prompt="天安门广场前的AE86",
  n=1,
  size="1024x1024"
)
image_url = response['data'][0]['url']
print(image_url)

以上代码会打印一串url，点击url进入网页即可看到ai生成的图像

其他API的使用方法基本一致，利用api调用进行测试即可，但也请不要进行各种无边界的测试。
以下是openai的审核规范，如果被检测到将不会返回结果。

好玩的东西还是挺多的，大家可以自己尝试。例如最近很火的chatgpt。可以根据api自己搭着玩还是挺不错的。

OpenAi[ChatGPT] 使用Python对接OpenAi APi 实现智能QQ机器人-学习详解篇

文章大部分来自：https://lucent.blog

原文博客地址：https://blog.ideaopen.cn

最近火热全文的ChatGPT，被很多人玩出了花，我们在Github上可以看到几个常见的逆向SDK包，这一篇我将以学习的方式来写这一篇文章。

这些SDK不仅仅可以用于开发机器人，还可以自由的开发你所想要的效果，如你所想，他是一个工具包，帮你chuanchuan构建一个ChatGPT服务和会话。

最近OpenAi给他套上了一个Cloudflare的CDN服务，这个服务会去拦截非真机请求，现在已经可以破解了。

寻找合适的逆向SDK

原作者用的是这个。

整个包的文件并不是很多，喜欢Python的可以去看看，我这个Java看不太懂。

实践开始-实践篇第一

代码中使用到的revChatGPT依赖源码库:
https://github.com/acheong08/ChatGPT

我们的Python版本，需要>=3.8，然后pip直接升级到最新版本。

下面代码的目的是与ChatGPT官方接口进行交互,注意安装一下里面用到的依赖
chat-gpt-qbot.py:

import flask, json
from flask import request
from revChatGPT.revChatGPT import Chatbot
config = 
    "session_token": "换成你自己的token"

# 创建一个服务，把当前这个python文件当做一个服务
server = flask.Flask(__name__)
chatbot = Chatbot(config, conversation_id=None)
def chat(msg):
    message = chatbot.get_chat_response(msg)['message']
    print(message)
    return message
@server.route('/chat', methods=['post'])
def chatapi():
    requestJson = request.get_data()
    if requestJson is None or requestJson == "" or requestJson == :
        resu = 'code': 1, 'msg': '请求内容不能为空'
        return json.dumps(resu, ensure_ascii=False)
    data = json.loads(requestJson)
    print(data)
    try:
        msg = chat(data['msg'])
    except Exception as error:
        print("接口报错")
        resu = 'code': 1, 'msg': '请求异常: ' + str(error)
        return json.dumps(resu, ensure_ascii=False)
    else:
        resu = 'code': 0, 'data': msg
        return json.dumps(resu, ensure_ascii=False)
if __name__ == '__main__':
    server.run(port=7777, host='0.0.0.0')

我们导入我们的逆向包。

from revChatGPT.revChatGPT import Chatbot

这是逆向包里面的源码，用于初始化一个服务，我们刚刚的类中调用了这个包。

然后去创建抛出这个服务的接口，方便被调用。

我们只要运行上面的代码就可以在7777端口直接与ChatGPT进行交互了。
我们使用接口工具测试一下，结果如下图，可以看到，接口正常工作并从ChatGPT得到了对话结果。

其中消息体:


  "msg": "你会数学吗"

消息体是我们自定义的内容，你可以自己增加字段对接口进行功能扩展
本例子中的msg就是我们的发言内容
而接口返回的:


    "code": 0, 
    "data": "是的，我会数学。我是一个大型语言模型，我可以回答各种问题，包括数学问题。你有什么数学问题需要我帮助你解决吗？"

这也是我们自己定义的，当code=0时代表与ChatGPT交互成功，此时data为ChatGPT反馈给我们的对话内容。而当code=1时说明出现了错误,此时没有data,但在msg中返回了错误信息。

到这里我们就拥有了一个可以和ChatGPT交互到接口，通过这个接口，我们就能与ChatGPT进行对话

既然进行对话，那就需要一个输入框和一个按钮，你可以做一个网页来调用这个接口，这很简单，我们不在这里赘述了。

我们真正要做的是一个QQ机器人，其原理就是让QQ机器人监听到消息，并通过我们的接口把消息转发给ChatGPT，然后再把ChatGPT返回的对话内容发送给QQ用户，这样一个可以对话的机器人就做好了，具体做法，下文继续讲解。

实践继续-实践篇第二

上文我们实现了一个接口，用代码成功获取到了ChatGPT的对话内容，下面我们将继续完善QQ机器人相关逻辑，注意看代码中的注释。

为了更方便的将优化后(接入QQ机器人)的代码，与之前的代码比较，我开启一个本地比较，并收起了没有变动的代码。

机器人的交互实现逻辑，这个你可能会看不懂，因为我们是使用了一个机器人框架，那其实我们不要局限自己的思想，我们可以尝试自己修改使用其他机器人框架，比如云仔机器人，逻辑去自己实现。

我们使用的是go-cqhttp。

go-cqhttp帮助中心

所以说，这一写更改，你得去了解这个go-cqhttp你才能看懂，不过我们要灵活学习，我们只需要了解思路便可，然后去官方文档找使用方法。

此时，这些代码已经拥有了处理好友请求、拉群请求、回复消息的功能。

可以看到，相对于上个文章，我们增加了很多代码，并且都加了注释

当然，这些代码看不懂没关系，可以照着我的文章改一下对应的地方，直接用。

大家来原创作者Q群玩儿，我也在里面：206867743。

实践继续-实践篇第三

前两个文章我们已经解决了和ChatGPT通信的问题和QQ处理消息的问题，现在我们就需要处理如何监听QQ消息了。

在一次次的更新和遇到的问题中，原创作者和逆向包的很多作者都更新了很多内容，我们看看原创作者的更新记录：

2022-12-12 23:52

增加一个Windows专用版本，只能在Windows电脑或服务器上使用，可以自动获取cloudflare Cookie

2022-12-12 12:38 更新内容

增加CloudFlare配置，更新依赖，暂不支持账号密码，暂不知道CloudFlare配置多久需要更换一次，现在好像必须要翻墙了

2022-12-10 17:42 更新内容

增加账号密码支持，可以不使用token，直接使用账号密码

2022-12-10 00:23 更新内容

将每个QQ私聊区分，每个人私聊机器人都是一个独立的会话
将每个QQ群区分，每个QQ群是一个独立的会话
增加回复字数限制，超过限制转换成图片回复（见配置文件）
如果想要重置会话，对机器人发送：重置会话