将新的OpenAI模型集成到您的Python和Colab管道中

OpenAI继续发布先进的模型，用于各种人工智能任务，如文本完成、语义搜索的嵌入、图像生成等等。本教程将引导您将这些强大的模型集成到您的工作流程中，使用Python和Google Colab。

先决条件

开始之前，请确保您具备以下内容：

一个OpenAI API密钥：您可以从OpenAI仪表板获取此密钥。
Google Colab：无需安装；只需在浏览器中打开Google Colab即可运行下方提供的代码。

第一步：在Colab中设置OpenAI API

首先，我们需要安装OpenAI Python包并设置我们的API密钥。您可以将您的API密钥存储在安全的环境变量中，或直接存储在您的代码中。

!pip install openai

现在，导入必要的库并设置您的OpenAI API密钥：

import os
from openai import OpenAI

# Set the API key securely
os.environ['OPENAI_API_KEY'] = "your_api_key_here"

# Create the OpenAI client
client = OpenAI()

步骤2：使用GPT-4生成文本完成。

OpenAI模型的一个关键特点是文本完成。在这里，我们将使用您的方法从GPT-4生成一个类似人类的回复。

completion = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {
            "role": "user",
            "content": "Write a haiku about I love JNJ."
        }
    ]
)

# Print the response
print(completion.choices[0].message)

这将在JNJ上返回一个创造性的俳句。

第三步：使用DALL·E生成图像

OpenAI 的 DALL·E 模型可以根据文本提示生成图片。让我们使用它来生成一张海獭宝宝的图片。

# Corrected code for outputting the URLs for generated images
response = client.images.generate(
    prompt="A cute baby sea otter",
    n=2,
    size="1024x1024"
)
# Inspect the entire response object
print(response)

# Optionally, check the type of the response to understand its structure
print(type(response))

# Output the URL(s) of the generated image(s)
for img_data in response.data:
    print(img_data.url)

您将收到一个显示生成图像的URL。

步骤4：为语义搜索创建嵌入。

嵌入模型将文本转换为向量表示，从而实现高效的语义搜索。我们可以按以下方式生成嵌入向量：

response = client.embeddings.create(
    model="text-embedding-3-large",
    input="The food was delicious and the waiter was friendly."
)

# Print the embeddings
print(response)

这些嵌入可以用于各种任务，如聚类、相似性搜索和推荐。

让我们来看看文字转语音：

from pathlib import Path
from openai import OpenAI
client = OpenAI()

speech_file_path = Path(__file__).parent / "speech.mp3"
response = client.audio.speech.create(
  model="tts-1",
  voice="alloy",
  input="Today is a wonderful day to build something people love!"
)

response.stream_to_file(speech_file_path)

内容审核:

from openai import OpenAI
client = OpenAI()

response = client.moderations.create(input="I love Johnson and Johnson.")

output = response.results[0]
output

结论

本教程演示了如何使用Python和Google Colab将OpenAI最新的模型集成到各种流水线中。无论是生成文本、图像还是嵌入，OpenAI的模型都非常多功能且易于使用。现在您可以开始使用提供的工具和代码构建自己的人工智能应用程序了。

Addendum挑战：利用OpenAI工具增强您当前的角色

现在您已经掌握了使用OpenAI模型的基础知识，是时候创造性思考这些工具如何推动您当前的工作或行业了。以下是您的挑战：

挑战：在您的职务中借助人工智能进行创新

考虑一下你已经探索过的OpenAI模型——文本补全、嵌入、图像生成、文本转语音和内容监管——如何可以用来简化你的任务，增强创造力，或者提高你当前工作的效率。以下是一些创意提示，帮助你开始：

1. 自动化报告和数据分析

场景：如果您的工作涉及分析大型数据集并生成报告，请使用OpenAI的文本完成和嵌入来自动化工作流程的部分。

挑战:

使用嵌入来分类和组织数据以获得见解。
使用GPT-4基于数据趋势自动生成摘要或推荐。
高级任务：您能否使用GPT-4自动化每周/每月报告生成，并定制语言以匹配您公司的语调或品牌？

# Automatically generate a report summary from data embeddings and analytics
completion = client.chat.completions.create(
    model="gpt-4",
    messages=[
        {"role": "system", "content": "You are a data analyst."},
        {"role": "user", "content": "Summarize the key trends in customer satisfaction for the past quarter."}
    ]
)
print(completion.choices[0].message['content'])

2. 利用创意内容提升营销.

场景：如果您是市场营销或内容创作领域的从业者，DALL·E和GPT-4模型是将创意想法变为现实的完美工具。无论您需要引人入胜的博客帖子、社交媒体内容，还是用于广告的动态图像，OpenAI都可以提供帮助。

挑战:

使用GPT-4生成博客内容、创意广告文案，甚至为客户提供个性化产品推荐。
利用达莱（DALL·E）为您的推广活动创建引人注目的视觉效果。您如何将人工智能生成的图片与文本配对，创造强大的品牌讯息？

例子 Translate the following English text to simplified Chinese: Hello, how are you doing today?

# Generate creative ad copy for a product launch
completion = client.chat.completions.create(
    model="gpt-4",
    messages=[
        {"role": "system", "content": "You are a creative ad writer."},
        {"role": "user", "content": "Create a catchy tagline for our new sustainable skincare line."}
    ]
)
print(completion.choices[0].message['content'])

3.增强的客户支持

场景：如果您从事客户服务或支持工作，使用GPT-4作为聊天机器人或用于交互式语音响应系统的文本转语音可以减轻团队压力，加快响应时间，并为客户提供个性化支持。

挑战:

构建一个智能客户支持助手，可以处理基本查询，建议解决方案，或提供产品推荐。
实现文本转语音功能，以启用AI驱动的电话支持。

例子:

# Create a chatbot to answer basic product questions
completion = client.chat.completions.create(
    model="gpt-4",
    messages=[
        {"role": "system", "content": "You are a customer service assistant."},
        {"role": "user", "content": "What is the warranty policy for our products?"}
    ]
)
print(completion.choices[0].message['content'])

4. 社交媒体或在线平台的内容管理

情境：如果您管理一个在线社区或社交媒体平台，您可以使用OpenAI的内容管理功能来过滤有害内容，创造一个更安全的环境。

挑战：

使用OpenAI的调解工具扫描和审查用户生成的内容，确保符合公司政策。
实现一个实时系统来自动审查用户评论，在其升级之前标记不当行为。

Example: 示例

# Use content moderation to filter harmful content
response = client.moderations.create(input="Some inappropriate content here.")
output = response.results[0]
print(output)

5. 语音讲述和个性化

情境：如果您从事电子学习、播客或任何形式的音频内容，文本转语音模型可以帮助您快速高效地生成个性化的音频叙述。

挑战:

使用文本转语音来朗读博客文章、文章或课程。
通过允许用户选择不同的声音甚至语言来个性化音频内容。

例子:

from pathlib import Path

speech_file_path = Path(__file__).parent / "personalized_narration.mp3"
response = client.audio.speech.create(
  model="tts-1",
  voice="alloy",
  input="Welcome to our latest blog post on AI-driven innovation!"
)
response.stream_to_file(speech_file_path)