OpenAI Translator | 基于ChatGPT API全局翻译润色解析及ORC上传图像翻译工具

Posted 2023-04-12 young-people

OpenAI Translator | 基于ChatGPT API全局翻译润色解析及ORC上传图像翻译工具

OpenAI Translator，一款基于 ChatGPT API 的划词翻译的浏览器插件和跨平台桌面端应用，使用 ChatGPT API 进行划词翻译和文本润色，借助了 ChatGPT 强大的翻译能力，帮助用户更流畅地阅读外语和编辑外语，允许跨 55 种不同语言进行相互翻译、润色和总结，支持浏览扩展、Mac和Windows等,同时新增了ORC上传图片翻译的功能。

 

 

下载安装

详细安装教程可查看 OpenAI Translator - ChatGPT API 划词翻译工具的下载安装使用教程

功能列表特色

支持三种翻译模式：翻译、润色、总结
支持 55 种语言的相互翻译、润色和总结功能
支持实时翻译、润色和总结，以最快的速度响应用户，让翻译、润色和总结的过程达到前所未有的流畅和顺滑
支持自定义翻译文本
支持一键复制
支持 TTS
支持 ORC

工具设置为中文方式

1.点击扩展程序图标打开工具 选择左下角设置

 

 

2.打开设置后 滑动到底部 选择语言 简体中文 最后点击保存

 

 

3.设置后的效果如下 工具提示不再是默认的英文

 

 

工具栏介绍及使用

工具栏分为 选择翻译语言、翻译、润色、总结、分析、解释代码。

翻译：

选择翻译语言：支持 55 种语言的相互翻译。

 

润色:

 

选择简体中文翻译一下就明白它的作用啦

 

总结：

 

分析：

 

代码解释：

 

ORC 翻译

支持划词翻译的同时 OpenAI Translator 还支持上传图片进行翻译

 

翻译后的效果

 

其余功能

除了以上几个翻译、润色、解析等功能以外 这个也存在 上传图片进行翻译、语音识别、复制到粘贴板的辅助功能。

喜欢的可以点赞收藏使用。

基于python实现openai可结合上下文的问答，含html在线版

本文使用 OpenAI GPT（Generative Pre-Training）聊天机器人模型，实现可自动回复提问的聊天功能。

代码解释

首先，我们导入相关的库，例如 openai，Path，time 等。

接下来，为了使模型可以正常工作，我们需要设置 openai 的 api_key ，以及一些初始变量，如 text, turns, last_result，用来记录聊天记录。

之后，我们定义了一个函数 chatgpt，目的是为了接收用户输入的问题，并返回 GPT 模型生成的回答。函数中，除了指定使用 davinci-003 模型外，我们还设置了 temperature、max_tokens、frequency_penalty、presence_penalty 等参数，用来控制结果的随机性和字数，以达到最佳的回答效果。

最后，在 if __name__ == '__main__': 下，我们初始化两个列表，用来存放用户输入的问题和 GPT 模型自动生成的回答，然后在 while 循环中，接收用户输入的问题，并调用 chatgpt 函数，最后将问题和回答分别存储到对应的列表中，最终将内容保存到文件中。

代码使用说明

• 使用该代码，你需要先申请 OpenAI 的api_key，并将其输入到代码中，然后运行该程序，
• 输入你的问题，即可获得 GPT 模型的回答；
• 若输入exit则直接退出当前对话；
• 程序结束时，会将问答的内容记录到文件中，以便下次查看。

ini配置文件

在目录下创建config.ini文件，内容如下

[openai]

ai_account_key = sk-AsqirFnBSHKvalmEe1AnT3BlbkFJe2rX0xxxxxxxxxxx

对话模式代码

点击查看代码

import openai
from pathlib import Path
import time
import configparser

ANSI_COLOR_GREEN = "\\x1b[32m"
ANSI_COLOR_RESET = "\\x1b[0m"


# 从ini文件中读取api_key
config = configparser.ConfigParser()
config.read('config.ini')
openai.api_key = config['openai']['ai_account_key']


text = ""  # 设置一个字符串变量
turns = []  # 设置一个列表变量，turn指对话时的话轮
last_result = ""


def chatgpt(question):
    global text
    global turns
    global last_result

    prompt = text + "\\nHuman: " + question

    try:
        response = openai.Completion.create(
            model="text-davinci-003",  # 这里我们使用的是davinci-003的模型，准确度更高。
            prompt=prompt,  # 你输入的问题
            temperature=0.9,  # 控制结果的随机性，如果希望结果更有创意可以尝试 0.9，或者希望有固定结果可以尝试 0.0
            max_tokens=2048,  # 这里限制的是回答的长度，你可以可以限制字数，如:写一个300字作文等。
            top_p=1,
            # [控制字符的重复度] -2.0 ~ 2.0 之间的数字，正值会根据新 tokens 在文本中的现有频率对其进行惩罚，从而降低模型逐字重复同一行的可能性
            frequency_penalty=0,
            # [控制主题的重复度] -2.0 ~ 2.0 之间的数字，正值会根据到目前为止是否出现在文本中来惩罚新 tokens，从而增加模型谈论新主题的可能性
            presence_penalty=0
        )

        result = response["choices"][0]["text"].strip()
        last_result = result
        turns += [question] + [result]  # 只有这样迭代才能连续提问理解上下文

        if len(turns) <= 10:  # 为了防止超过字数限制程序会爆掉，所以提交的话轮语境为10次。
            text = " ".join(turns)
        else:
            text = " ".join(turns[-10:])

        return result
    except Exception as exc:  # 捕获异常后打印出来
        print(exc)


if __name__ == '__main__':

    # 将问题和回复记录下来，待结束后保存到文件中
    question_list = []
    answer_list = []
    while True:
        question = input(ANSI_COLOR_GREEN +
                         "\\n请输入问题，若输入exit退出\\n" + ANSI_COLOR_RESET)
        question_list.append(question)
        if question == "exit":
            break
        answer = chatgpt(question)
        answer_list.append(answer)
        print("AI: " + answer)
    # 保存到文件中
    timestamp = time.strftime("%Y%m%d-%H%M-%S", time.localtime())
    file_name = 'output/chat ' + timestamp + '.md'
    f = Path(file_name)
    f.parent.mkdir(parents=True, exist_ok=True)
    with open(file_name, "w", encoding="utf-8") as f:
        for q, a in zip(question_list, answer_list):
            f.write(f"question: q\\nanswer: a\\n\\n")
    print(ANSI_COLOR_GREEN + "对话内容已保存到文件中: " + file_name + ANSI_COLOR_RESET)

单问答模式代码

点击查看代码

import openai
from pathlib import Path
import time
import configparser


ANSI_COLOR_GREEN    = "\\x1b[32m"
ANSI_COLOR_RESET    = "\\x1b[0m"



def get_ai_answer(prompt, save=True):
    # 去除字符串前后的空白符
    prompt = prompt.strip()
    # 发起请求
    if len(prompt) != 0:
        print(f'已发起请求，问题描述len(prompt)个长度，请稍等...')
        # 从ini文件中读取api_key
        config = configparser.ConfigParser()
        config.read('config.ini')
        openai.api_key = config['openai']['ai_account_key']
        # Get my answer
        response = openai.Completion.create(
            prompt=prompt,
            model="text-davinci-003",
            temperature=0.9,
            max_tokens=2048,  #返回结果的长度
            top_p=1,
            frequency_penalty=0.0,
            presence_penalty=0.0)

        # Print my answer
        # print(response)
        answer = response["choices"][0]["text"].strip()
        print(answer)

        # 将内容写到以时间戳为名的md文件
        if save:
            timestamp = time.strftime("%Y%m%d-%H%M-%S", time.localtime())
            file_name = 'output/' + timestamp + '.md'
            f = Path(file_name)
            f.parent.mkdir(parents=True, exist_ok=True)
            text = f'# Q\\nprompt\\n# A\\nanswer\\n'
            f.write_text(text, encoding='utf-8')
            print(ANSI_COLOR_GREEN  +"对话内容已保存到文件中: " + file_name + ANSI_COLOR_RESET)
        return answer


if __name__ == '__main__':
    prompt = '''
你今年几岁了
    '''
    get_ai_answer(prompt)

gitee在线版

此外，我用html写了一个可直接对话的openai gpt3在线版，用该页面需要提前自备openai的apikey。

项目源码https://gitee.com/x223222981/chat-gpt.js