Easy open ai Download - Easy open ai Quellcode-Download

Leicht zu öffnende Luft

Dieses Repository enthält die von der Community gepflegte Bibliothek für die OpenAI-API in Java, die einfachste Möglichkeit, GPT 3/4 in Ihren Anwendungen zu verwenden.

Überblick

Diese Java-Bibliothek (von der Community verwaltete Bibliothek) bietet eine bequeme Möglichkeit, mit der OpenAI-API sowohl für die Moderation als auch für den Chat-Abschluss zu interagieren. Die Bibliothek kapselt die notwendigen Details und erleichtert so die Integration der leistungsstarken Modelle von OpenAI in Ihre Java-Anwendungen. Dieses Projekt wird nicht von OPENAI verwaltet, es handelt sich um eine inoffizielle Bibliothek.

Inhaltsverzeichnis

Abhängigkeiten

Einzelinstanz

Chat-Abschluss-API
Moderations-API
Easy Vision API oder Vision API (Original bereitgestellt von OpenAI)
Sprach-API
Easy Transcription API oder Transcription API (Original bereitgestellt von OpenAI)
Bildgenerierungs-API, auch DALL-E-API genannt

Asynchron

Async-Chat-Abschluss-API
Asynchrone Moderations-API

Multi-Asynchron

Multithreaded Async Chat Completion API
Multithreaded Async Moderation API

Multi-Asynchronous-MultiKey

EMMC EasyOpenAI Multithreaded MultiKey ChatCompletionAPI

Mitwirkende Richtlinien

Weitere Informationen finden Sie unter CONTRIBUTING.md

Laufrichtlinien

Alle „OPENAI_KEYS“ müssen über die hier definierte Funktion readKeys() gelesen werden. Mit dieser Funktion können Sie mehrere Schlüssel gleichzeitig lesen. Für Multithread-Aufgaben wird empfohlen, mehrere Schlüssel zu verwenden, um eine Ratenbegrenzung zu vermeiden. Um diese Funktion auszuführen, müssen Sie „keys.txt“ in Ihrem Projektstammordner haben (Sie können ihn jederzeit bearbeiten).

Verwendung – Syntax

Chat-Abschluss-API

Um die Chat Completion API zu verwenden, führen Sie die folgenden Schritte aus:

 Message message = Message . builder ()
       . role ( "user" )
       . content ( "what is the capital of Cambodia?" )
       . build ();

List < Message > messages = new ArrayList <>();
messages . add ( message );

ChatCompletionRequest request = ChatCompletionRequest . builder ()
       . model ( "gpt-3.5-turbo" )
       . messages ( messages )
       . build ();

ChatCompletionResponse response = new EasyopenaiService ( new DAOImpl ()). chatCompletion ( "OPENAI_KEY" , request );

Klicken Sie hier, um zum Codebeispiel zu springen.

Moderations-API

Eine einzige Anfrage, eine einzige Antwort

Um die Moderations-API zu verwenden, führen Sie die folgenden Schritte aus:

 ModerationAPIRequest request = ModerationAPIRequest . builder ()
        . model ( "text-moderation-latest" )
        . input ( "hello from the other side kill me now" )
        . build ();

ModerationAPIResponse res = new EasyopenaiService ( new DAOImpl ()). getmoderation ( "OPENAI_KEY" , request );

Klicken Sie hier, um zum Codebeispiel zu springen.

Easy Vision-API

Die Vision-API kann auf diese Weise verwendet werden. Sie können der Bilderliste gerne N Bilder hinzufügen.

 VisionApiResponse responseobj = new EasyVisionService (). VisionAPI ( "OPENAI_KEY" , new EasyVisionRequest ()
       . setModel ( "gpt-4-vision-preview" )
       . setPrompt ( "What are the difference between these images?" )
       . setImageUrls ( new ArrayList < String >() {{
           add ( "https://images.pexels.com/photos/268533/pexels-photo-268533.jpeg?auto=compress&cs=tinysrgb&w=1260&h=750&dpr=1" );
           add ( "https://images.pexels.com/photos/36717/amazing-animal-beautiful-beautifull.jpg?auto=compress&cs=tinysrgb&w=1260&h=750&dpr=1" );
       }}));

. setMaxtokens ( 1000 ) //Optional - for more tokens, defaults to 300

Klicken Sie hier, um zum Codebeispiel zu springen.

Vision-API

Gehen Sie folgendermaßen vor, um die Vision-API zu verwenden:

Initialisieren Sie das EasyopenaiService-Objekt mit einer Instanz von DAOImpl:

 EasyopenaiService obj = new EasyopenaiService ( new DAOImpl ());

Erstellen Sie ein VisionApiRequest-Objekt:

 VisionApiRequest request = new VisionApiRequest ();

Erstellen Sie ein ImageUrl-Objekt mit der Bild-URL und den Details:

 ImageUrl url = new ImageUrl ();
url . setUrl ( "https://images.pexels.com/photos/18907092/pexels-photo-18907092/free-photo-of-a-photo-of-the-golden-gate-bridge-in-the-sky.jpeg" );
url . setDetail ( "low" );

Erstellen Sie eine Liste von Inhaltsobjekten zur Darstellung der Nachrichten:

 Content content1 = new Content ();
content1 . setText ( "What’s in this image?" );
content1 . setType ( "text" );

Content content2 = new Content ();
content2 . setImageUrl ( url );
content2 . setType ( "image_url" );

ArrayList < Content > listofContent = new ArrayList <>();
listofContent . add ( content1 );
listofContent . add ( content2 );

Erstellen Sie ein MessageList-Objekt mit der Rolle („Benutzer“) und der Inhaltsliste:

 MessageList messageList = new MessageList ();
messageList . setRole ( "user" );
messageList . setContent ( listofContent );

Erstellen Sie eine Liste von MessageList-Objekten:

 ArrayList < MessageList > listofMessage = new ArrayList <>();
listofMessage . add ( messageList );

Legen Sie verschiedene Eigenschaften des VisionApiRequest-Objekts fest:

 request . setModel ( "gpt-4-vision-preview" );
request . setMaxTokens ( 300 );
request . setMessages ( listofMessage );

Führen Sie den API-Aufruf durch und drucken Sie die Antwort:

 VisionApiResponse res = obj . visionAPI ( OPENAI_KEY , request );
System . out . println ( "Vision API Response is:" + res );

Klicken Sie hier, um zum Codebeispiel zu springen.

Sprach-API

Die Sprach-API kann auf diese Weise verwendet werden. Sie können sie jederzeit anpassen.

 SpeechRequest request = SpeechRequest . builder ()
       . model ( "tts-1" )
       . input ( "Easy OpenAI is best solution." )
       . voice ( "alloy" )
       . build ();

ResponseBody response = new EasyopenaiService ( new DAOImpl ()). createSpeech ( "OPENAI_KEY" , request );

Klicken Sie hier, um zum Codebeispiel zu springen.

Einfache Transkriptions-API

Die Transkriptions-API kann auf diese Weise verwendet werden. Sie können sie jederzeit anpassen.

 EasyTranscriptionRequest request  =  EasyTranscriptionRequest . builder ()
      . filepath ( "/Users/namankhurpia/Desktop/audio.mp3" )
      . model ( "whisper-1" )
      . build ();

ResponseBody response = new EasyTranscriptionService (). EasyTranscription ( "OPENAI_KEY" , request );

Klicken Sie hier, um zum Codebeispiel zu springen.

Transkriptions-API

Original-Transkriptions-API von OpenAI

Die Transkriptions-API kann auf diese Weise verwendet werden. Sie können sie jederzeit anpassen.

 File audioFile = new File ( "/Users/namankhurpia/Desktop/audio.mp3" );
MultipartBody . Part filePart = MultipartBody . Part . createFormData (
       "file" ,
       audioFile . getName (),
       RequestBody . create ( MediaType . parse ( "audio/*" ), audioFile )
);

RequestBody model = RequestBody . create ( MediaType . parse ( "text/plain" ), "whisper-1" );
RequestBody language = RequestBody . create ( MediaType . parse ( "text/plain" ), "" );
RequestBody prompt = RequestBody . create ( MediaType . parse ( "text/plain" ), "" );
RequestBody response_format = RequestBody . create ( MediaType . parse ( "text/plain" ), "" );
RequestBody temperature = RequestBody . create ( MediaType . parse ( "text/plain" ), "" );

ResponseBody response = new EasyopenaiService ( new DAOImpl ()). createTranscriptions ( "OPENAI_KEY" , filePart , model , language , prompt , response_format , temperature );

Klicken Sie hier, um zum Codebeispiel zu springen.

Bildgenerierungs-API

Die Bildgenerierungs-API kann auf diese Weise verwendet werden. Sie können sie jederzeit anpassen.

 ImageRequest imageRequest  = ImageRequest . builder ()
       . prompt ( "Generate a cute dog playing with frizbee" )
       . model ( "dall-e-2" )
       . build ();

ImageResponse response = new EasyopenaiService ( new DAOImpl ()). createImage ( "OPENAI_KEY" , imageRequest );

Klicken Sie hier, um zum Codebeispiel zu springen.

Async-Chat-Abschluss-API

Um die Chat Completion API asynchron zu verwenden, führen Sie die folgenden Schritte aus:

Initialisieren Sie das EasyopenaiAsyncService -Objekt mit einer Instanz von AsyncDAOImpl :

 EasyopenaiAsyncService obj = new EasyopenaiAsyncService ( new AsyncDAOImpl ());

Erstellen Sie eine Liste von ChatMessage -Objekten, um die Konversation darzustellen:

 ChatMessage message = new ChatMessage ();
message . setRole ( "user" );
message . setContent ( "what is the capital of Cambodia?" );

List < ChatMessage > messages = new ArrayList <>();
messages . add ( message );

Erstellen Sie ein ChatCompletionRequest -Objekt:

 ChatCompletionRequest request = new ChatCompletionRequest ();
request . setModel ( "gpt-3.5-turbo" );
request . setMessages ( messages ); // old conversations as well

Führen Sie den asynchronen API-Aufruf durch:

 ChatCompletionResponse res = obj . getAsyncChatCompletion ( OPENAI_KEY , request );

Klicken Sie hier, um zum Codebeispiel zu springen.

Asynchrone Moderations-API

Um die Moderations-API asynchron zu verwenden, führen Sie die folgenden Schritte aus:

Erstellen Sie ein ModerationAPIRequest Objekt:

 ModerationAPIRequest request = new ModerationAPIRequest ();
request . setInput ( "kill me now" );
request . setModel ( "text-moderation-latest" );

Initialisieren Sie das EasyopenaiAsyncService -Objekt mit einer Instanz von AsyncDAOImpl :

 EasyopenaiAsyncService obj = new EasyopenaiAsyncService ( new AsyncDAOImpl ());

Führen Sie den asynchronen API-Aufruf durch:

 ModerationAPIResponse res = obj . getASyncModeration ( OPENAI_KEY , request );

Klicken Sie hier, um zum Codebeispiel zu springen.

Multithreaded Async Chat Completion API

Führen Sie für Multithreading und gleichzeitige Aufrufe mit der Chat Completion API die folgenden Schritte aus:

Erstellen Sie ein ChatCompletionRequestList -Objekt:

 ChatCompletionRequestList list = new ChatCompletionRequestList ( new ArrayList < ChatCompletionRequest >());

Fügen Sie der Liste mehrere ChatCompletionRequest Objekte hinzu:

 // Example request 1
ChatCompletionRequest requestchat = new ChatCompletionRequest ();
requestchat . setModel ( "gpt-3.5-turbo" );
ChatMessage message = new ChatMessage ();
message . setRole ( "user" );
message . setContent ( "what is the capital of India?" );
List < ChatMessage > messages = new ArrayList <>();
messages . add ( message );
requestchat . setMessages ( messages );
list . add ( requestchat );

// Add more requests as needed (requestchat2, requestchat3, requestchat4, etc.)

Führen Sie den multiasynchronen API-Aufruf durch:

 EasyopenaiConcurrentService concurrentCalls = new EasyopenaiConcurrentService ();
ChatCompletionResponseList responseList = concurrentCalls . CallMultipleChatCompletionAPI ( OPENAI_KEY , list );
System . out . println ( responseList );

Klicken Sie hier, um zum Codebeispiel zu springen.

Multithreaded Async Moderation API

Führen Sie für Multithreading und gleichzeitige Aufrufe mit der Moderations-API die folgenden Schritte aus:

Erstellen Sie ein ModerationRequestList -Objekt:

 ModerationRequestList requestList = new ModerationRequestList ( new ArrayList < ModerationAPIRequest >());

Fügen Sie der Liste mehrere ModerationAPIRequest Objekte hinzu:

 // Example request 1
ModerationAPIRequest request = new ModerationAPIRequest ();
request . setInput ( "kill me now" );
request . setModel ( "text-moderation-latest" );
requestList . add ( request );

// Add more requests as needed (request2, request3, request4, etc.)

Führen Sie den multiasynchronen API-Aufruf durch:

 EasyopenaiConcurrentService concurrentCalls = new EasyopenaiConcurrentService ();
ModerationResponseList responseList = concurrentCalls . CallMultipleModerationAPI ( OPENAI_KEY , requestList );
System . out . println ( responseList );

Klicken Sie hier, um zum Codebeispiel zu springen.

EMMC EasyOpenAI Multithreaded MultiKey ChatCompletionAPI

Dadurch können Sie mehrere Chat-Abschlussanrufe mit mehreren Tasten tätigen. Alle API-Aufrufe werden parallel ausgeführt, aber die Antwort wird aktiv gesammelt und zurückgesendet, wenn alle Threads abgeschlossen sind.

Für die Implementierung wurde die Klasse CompletableFuture verwendet. Bitte beziehen Sie sich auf die Datei EasyopenaiConcurrentService.java, um die Quelle anzuzeigen.

Beispielverwendung:

 public static void CallMultipleChatCompletionAPI_multikey_Test ()
{
     //this function read multiple keys from keys.txt file 
     ArrayList < String > keyList = readKeys ();
     
     EasyopenaiConcurrentService concurrentCalls = new EasyopenaiConcurrentService ();
   
     ChatCompletionRequestList list = new ChatCompletionRequestList ( new ArrayList < ChatCompletionRequest >());
   
     //First thread for 
     ChatCompletionRequest requestchat = new ChatCompletionRequest ();
     requestchat . setModel ( "gpt-3.5-turbo" );
     Message message = new Message ();
     message . setRole ( "user" );
     message . setContent ( "what is the capital of India?" );
     List < Message > messages = new ArrayList <>();
     messages . add ( message );
     requestchat . setMessages ( messages );
     list . add ( requestchat );
   
   
     ChatCompletionRequest requestchat2 = new ChatCompletionRequest ();
     requestchat2 . setModel ( "gpt-3.5-turbo" );
     Message message2 = new Message ();
     message2 . setRole ( "user" );
     message2 . setContent ( "what is the capital of combodia?" );
     List < Message > messages2 = new ArrayList <>();
     messages2 . add ( message2 );
     requestchat2 . setMessages ( messages2 );
     list . add ( requestchat2 );
   
   
     ChatCompletionRequest requestchat3 = new ChatCompletionRequest ();
     requestchat3 . setModel ( "gpt-3.5-turbo" );
     Message message3 = new Message ();
     message3 . setRole ( "user" );
     message3 . setContent ( "what is the capital of new zealand?" );
     List < Message > messages3 = new ArrayList <>();
     messages3 . add ( message3 );
     requestchat3 . setMessages ( messages3 );
     list . add ( requestchat3 );
   
   
     ChatCompletionRequest requestchat4 = new ChatCompletionRequest ();
     requestchat4 . setModel ( "gpt-3.5-turbo" );
     Message message4 = new Message ();
     message4 . setRole ( "user" );
     message4 . setContent ( "what is the capital of hawaii? and what is 2+2?" );
     List < Message > messages4 = new ArrayList <>();
     messages4 . add ( message4 );
     requestchat4 . setMessages ( messages4 );
     list . add ( requestchat4 );
   
   
   
     ChatCompletionResponseList responseList = concurrentCalls . CallMultipleChatCompletionAPI ( keyList , list );
     System . out . println ( "response is" + responseList );
}

Abhängigkeiten

Stellen Sie sicher, dass Sie die erforderlichen Abhängigkeiten installiert haben, bevor Sie den OpenAI API-Wrapper verwenden.

Maven

< dependency >
    < groupId >io.github.namankhurpia</ groupId >
    < artifactId >easyopenai</ artifactId >
    < version >x.x.x</ version >
</ dependency >

Groovy - Gradle

 implementation group: 'io.github.namankhurpia', name: 'easyopenai', version: 'x.x.x'

Gradle Java -

 implementation 'io.github.namankhurpia:easyopenai:x.x.x'

Gradle Kotlin-

 implementation("io.github.namankhurpia:easyopenai:x.x.x")

SBT -

 libraryDependencies += "io.github.namankhurpia" % "easyopenai" % "x.x.x"

Efeu-

 <dependency org="io.github.namankhurpia" name="easyopenai" rev="x.x.x"/>

Traube-

 @Grapes(
@Grab(group='io.github.namankhurpia', module='easyopenai', version='x.x.x')
)

Leiningen

 [io.github.namankhurpia/easyopenai "x.x.x"]

Bauherr

 'io.github.namankhurpia:easyopenai:jar:x.x.x'

Expandieren