gpt4v screenshot analyzer

เครื่องวิเคราะห์ภาพหน้าจอ GPT-4V

คำอธิบาย

เครื่องวิเคราะห์ภาพหน้าจอ GPT-4V เป็นเครื่องมือที่ผสานรวมความสามารถของ GPT-4 Vision API ของ OpenAI เข้ากับวิธีเชิงโต้ตอบเพื่อวิเคราะห์และทำความเข้าใจภาพหน้าจอของคุณ ภาพหน้าจอได้รับการวิเคราะห์โดย GPT-4V เพื่อให้คำอธิบายโดยละเอียด นอกจากนี้ เครื่องมือนี้ยังรองรับบทสนทนาเชิงโต้ตอบ ทำให้ผู้ใช้สามารถถามคำถามติดตามเกี่ยวกับภาพหน้าจอเพื่อดูข้อมูลเชิงลึกเพิ่มเติม

คุณสมบัติ

• การวิเคราะห์รูปภาพ : ใช้ GPT-4 Vision API เพื่อวิเคราะห์และอธิบายภาพหน้าจอ
• บทสนทนาแบบโต้ตอบ : มีส่วนร่วมในการสนทนากับ AI เกี่ยวกับภาพหน้าจอเพื่อดูข้อมูลเชิงลึกโดยละเอียดและคำถามติดตามผล
• ส่วนต่อประสานที่ใช้งานง่าย : GUI อย่างง่ายสำหรับการดูภาพหน้าจอและการโต้ตอบกับ AI

การติดตั้ง (ทดสอบบน Ubuntu 20.04)

1. โคลนพื้นที่เก็บข้อมูล

    git clone https://github.com/jeremy-collins/gpt4v-screenshot-analyzer.git
   

2. ติดตั้งการพึ่งพา

   • ตรวจสอบให้แน่ใจว่าติดตั้ง Python 3 แล้ว
   • ติดตั้งไลบรารี Python ที่จำเป็น:

      pip install -r requirements.txt
     

3. ตั้งค่าคีย์ OpenAI API

   • รับคีย์ API จาก OpenAI
   • ตั้งค่าคีย์ OpenAI API ของคุณเป็นตัวแปรสภาพแวดล้อม:

    echo 'export OPENAI_API_KEY=<put your key here>' >> ~/.bashrc
   

   • หรือคุณสามารถตั้งค่าตัวแปร api_key ภายใน gpt4v_screenshot_analyzer.py ให้เป็นคีย์ OpenAI ของคุณได้ แต่นี่ถือเป็นความเสี่ยงด้านความปลอดภัย

4. การตั้งค่าบริการ Systemd (ไม่บังคับ)

   • ขั้นแรก ทำให้ไฟล์ gpt4_screenshot_analyzer.py ปฏิบัติการได้:

      sudo chmod +x gpt4_screenshot_analyzer.py
     

   • จากนั้นปรับแต่งไฟล์ gpt4-screenshot.service ตามความต้องการของคุณ
     • คุณจะต้องเปลี่ยนเส้นทางไปยังไฟล์ gpt4_screenshot_analyzer.py ภายในบรรทัด ExecStart
     • คุณอาจต้องเปลี่ยนหมายเลขที่แสดงในบรรทัดสภาพแวดล้อม
     • สุดท้ายนี้ คุณอาจต้องการเปลี่ยนบรรทัดผู้ใช้
   • หากต้องการเรียกใช้แอปพลิเคชันเป็นบริการที่จะเริ่มต้นขณะบูต ให้ทำตามขั้นตอนเหล่านี้:

      sudo cp gpt4-screenshot.service /etc/systemd/system/
     sudo systemctl enable gpt4-screenshot
     sudo systemctl start gpt4-screenshot
     

   • หากไม่ได้ผล คุณสามารถแก้ไขข้อบกพร่องของบริการได้โดยการเรียกใช้:

      sudo systemctl status gpt4-screenshot
     

   • คำสั่งเหล่านี้อาจมีประโยชน์เช่นกัน:

      sudo systemctl daemon-reload
     sudo systemctl stop gpt4-screenshot
     sudo systemctl restart gpt4-screenshot
     sudo systemctl disable gpt4-screenshot
     

5. การเปิดใช้งานการเข้าถึงการแสดงผลเมื่อเริ่มต้น (ตัวเลือก)

   • หากต้องการเปิดใช้งานการเข้าถึงการแสดงผลเมื่อเริ่มต้น ให้เปิดแอปพลิเคชันเริ่มต้น (Ubuntu) และเพิ่มโปรแกรมเริ่มต้นด้วยคำสั่งต่อไปนี้:

      path/to/repo/gpt4v-screenshot-analyzer/enable_xhost.sh
     

การใช้งาน

• เริ่มแอปพลิเคชัน (คุณสามารถข้ามขั้นตอนนี้หากคุณทำตามขั้นตอนที่ 4 และ 5):

   python3 gpt4_screenshot_analyzer.py
  

• ใช้ปุ่มลัด Ctrl+Alt+S เพื่อเริ่มการจับภาพหน้าจอ
• ลากเพื่อเลือกพื้นที่ที่คุณต้องการจับภาพ
• GPT-4V จะวิเคราะห์ภาพหน้าจอและแสดงผลลัพธ์ในหน้าต่าง GUI
• ใช้กล่องข้อความใน GUI เพื่อถามคำถามติดตามผล

มีส่วนร่วม

ยินดีบริจาค! หากคุณต้องการมีส่วนร่วม โปรดแยกพื้นที่เก็บข้อมูลและใช้สาขาฟีเจอร์ ยินดีต้อนรับคำขอดึง

ใบอนุญาต

โครงการนี้ได้รับอนุญาตภายใต้ใบอนุญาต MIT - ดูรายละเอียดในไฟล์ใบอนุญาต

เครดิต

พัฒนาโดยเจเรมี เอ. คอลลินส์ ขอขอบคุณเป็นพิเศษสำหรับ OpenAI ที่ให้บริการ GPT-4 Vision API