Давайте попробуем OpenAI API с Python! Универсальное решение почти для всего, связанного с проблемами НЛП!

Давайте попробуем OpenAI API с Python! Универсальное решение почти для всего, связанного с проблемами НЛП!

Зачем ждать ChatGPT API, вы можете узнать, как использовать OpenAI API со своим собственным кодом уже сегодня!

В этом руководстве мы рассмотрим API OpenAI и то, как его можно использовать в сочетании с Python. Важно отметить, что OpenAI недавно объявил, что модель ChatGPT скоро будет доступна через их API. Хотя точные сроки выхода этого релиза в настоящее время неизвестны, знакомство с OpenAI API сейчас позволит нам воспользоваться его мощными возможностями, такими как использование GPT-3 для задач на естественном языке, Codex для генерации кода и DALL-E для создание и редактирование изображений.

API OpenAI можно использовать для широкого спектра задач обработки естественного языка, таких как:

• Создание языка: создание текстов, рассказов, стихов и многого другого.
• Языковой перевод: перевод текста с одного языка на другой.
• Обобщение текста:обобщение длинных статей или документов в более короткую версию.
• Классификация текста. Классификация текста по различным категориям или ярлыкам.
• Распознавание именованных объектов. Идентификация и извлечение именованных объектов из текста, таких как люди, организации и местоположения.
• Синтаксический анализ текста: анализ грамматической структуры текста.
• Анализ настроений. Определение настроения или эмоций, выраженных в тексте.
• Моделирование языка: создание текста, который следует определенному шаблону или структуре языка.
• Ответ на вопрос: ответы на вопросы на основе предоставленного текста или контекста.
• Генерация текста: Генерация текста на основе заданной подсказки или контекста.
• Распознавание речи: Преобразование произносимых слов в текст.
• Синтез речи: Генерация речи из текста.
• Машинный перевод: перевод текста между несколькими языками.
• и многое другое.

Кроме того, API OpenAI позволяет вам точно настраивать модели для вашего конкретного варианта использования или даже обучать ваши собственные модели с использованием OpenAI GPT-3 и других моделей. может использовать API в среде, где подключение к Интернету недоступно.

Стоит отметить, что OpenAI постоянно обновляется и добавляет новые функции в API, поэтому рекомендуется проверять документацию OpenAI API на наличие последних обновлений и возможностей.

Сгенерируйте свой API-ключ

Прежде чем мы начнем работать с API OpenAI, нам нужно войти в нашу учетную запись OpenAI и сгенерировать наши ключи API, как показано на рисунке ниже.

Важно помнить, что после того, как вы сгенерируете свой ключ API в OpenAI, он больше не будет отображаться, поэтому обязательно скопируйте и сохраните его для использования в будущем. Один из способов обеспечить безопасность вашего ключа API — создать переменную среды, например «OPENAI_API_KEY», которая будет хранить ваш ключ и к которой можно будет легко получить доступ в будущем.

Чтобы использовать OpenAI API с Python, мы должны сначала установить официальные привязки Python. Это можно сделать, выполнив команду, представленную в руководстве. Как только это будет сделано, мы можем приступить к изучению различных возможностей и функций OpenAI API.

pip install openai

API OpenAI позволяет разработчикам получать доступ к мощным моделям, таким как GPT-3, Codex и DALL-E, и использовать их для различных задач. Вот несколько примеров того, что можно сделать с помощью API OpenAI с помощью Python:

1. Создание текста с помощью GPT-3:

import openai

openai.api_key = "your_api_key"

response = openai.Completion.create(
    engine="text-davinci-002",
    prompt='What is the capital of France?',
)
print(response["choices"][0]["text"])
The capital of France is Paris.

2. Преобразование естественного языка в код с помощью Codex:

import openai

openai.api_key = "your_api_key"

response = openai.Code.create(
    prompt='Write a function that takes a list and returns the first element',
    language='python'
)
print(response["code"])

3. Создание образов с помощью DALL-E:

import openai

openai.api_key = "your_api_key"

response = openai.Image.create(
    prompt='Draw a picture of a robot cat wearing a party hat',
)
print(response["data"]["url"])

4. Языковой перевод:

import openai

openai.api_key = "your_api_key"

response = openai.Translation.create(
    prompt='translate "Hello, how are you?" to Spanish',
    source_language='en',
    target_language='es'
)
print(response["choices"][0]["text"])

5. Обобщение текста:

import openai

openai.api_key = "your_api_key"

response = openai.Summarization.create(
    prompt='Please summarize this article about the benefits of exercise',
    text='Recent studies have shown that regular exercise can have a variety of health benefits, including reducing the risk of chronic diseases, improving mental health, and increasing lifespan. Exercise has also been shown to improve cognitive function and memory, as well as helping with weight management. Despite these benefits, many people still struggle to incorporate regular exercise into their daily routine. Experts recommend finding an activity that you enjoy, setting realistic goals, and tracking your progress to help stay motivated.'
)
print(response["choices"][0]["text"])

6. Ответ на вопрос:

import openai

openai.api_key = "your_api_key"

response = openai.Answer.create(
    prompt='What is the capital of the United States?',
    text='The United States of America is a federal republic consisting of 50 states and a capital district. Its capital is Washington, D.C.'
)
print(response["answer"])

7. Генерация текста:

import openai

openai.api_key = "your_api_key"

response = openai.Completion.create(
    engine="text-davinci-002",
    prompt='Generate a story about a robot who finds love',
    temperature=0.5
)
print(response["choices"][0]["text"])

8. Классификация текста:

import openai

openai.api_key = "your_api_key"

response = openai.Classification.create(
    prompt='What is the sentiment of this tweet? "I had a great day today"',
    text='I had a great day today',
    model='text-davinci-002'
)
print(response["choices"][0]["text"])

9. Распознавание именованных объектов:

import openai

openai.api_key = "your_api_key"

response = openai.Ner.create(
    prompt='What are the named entities in this sentence? "Barack Obama was the 44th president of the United States"',
    text='Barack Obama was the 44th president of the United States',
    model='text-davinci-002'
)
print(response["entities"])

10. Анализ текста:

import openai

openai.api_key = "your_api_key"

response = openai.Parsing.create(
    prompt='What is the grammatical structure of this sentence? "The cat sat on the mat"',
    text='The cat sat on the mat',
    model='text-davinci-002'
)
print(response["choices"][0]["text"])

11. Распознавание речи:

import openai

openai.api_key = "your_api_key"

response = openai.Speech.create(
    prompt='Transcribe this audio file',
    audio_file='audio.mp3'
)
print(response["text"])

12. Синтез речи:

import openai

openai.api_key = "your_api_key"

response = openai.Speech.create(
    prompt='Synthesize speech for this text',
    text='Welcome to OpenAI API',
    voice='voice-alpha-001',
    audio_format='mp3'
)
with open('speech.mp3', 'wb') as f:
    f.write(response["data"])

13. Машинный перевод:

import openai

openai.api_key = "your_api_key"

response = openai.MachineTranslation.create(
    prompt='Translate "Hello World" to German',
    text='Hello World',
    source_language='en',
    target_language='de'
)
print(response["text"])

14. Языковое моделирование:

import openai

openai.api_key = "your_api_key"

response = openai.LanguageModeling.create(
    prompt='What will be the next word in this sentence "I love to eat ____"',
    text='I love to eat ',
    model='text-davinci-002'
)
print(response["choices"][0]["text"])
15. Sentiment Analysis:import openai
import os

openai.api_key = "your-key"



response = openai.Completion.create(
 model="text-davinci-003",
 prompt="Classify the sentiment in these tweets:\n\n1. \"I can’t stand homework\"\n2. \"This sucks. I’m bored 😠\"\n3. \"I can’t wait for Halloween!!!\"\n4. \"My cat is adorable ❤️❤️\"\n5. \"I hate chocolate\"\n\nTweet sentiment ratings:",
 temperature=0,
 max_tokens=60,
 top_p=1.0,
 frequency_penalty=0.0,
 presence_penalty=0.0
)
print(response)
{
  "choices": [
    {
      "finish_reason": "stop",
      "index": 0,
      "logprobs": null,
      "text": "\n1. Negative\n2. Negative\n3. Positive\n4. Positive\n5. Negative"
    }
  ],
  "created": 1674453740,
  "id": "cmpl-6bkCKjvkhjrvOlVg8jU5t9tFgncis",
  "model": "text-davinci-003",
  "object": "text_completion",
  "usage": {
    "completion_tokens": 20,
    "prompt_tokens": 73,
    "total_tokens": 93
  }
}

Что ж, попробуйте сами, так как есть небольшие коды, я не даю результатов, и мне бы хотелось, чтобы вы, ребята, попробовали сами.

Пожалуйста, обратите внимание, что коды API могут быть изменены, поэтому, пожалуйста, внесите соответствующие изменения, если есть изменения в версиях обновлений openAI.

— — — — — — — — — — — — — — — — — — — — — — — — — — — — — —

Если вам нравится читать подобные истории и вы хотите поддержать меня, пожалуйста, подпишитесь на меня и зарегистрируйтесь, чтобы стать участником Medium. Как участник со средним статусом у вас есть неограниченный доступ к тысячам руководств по Python и статьям по науке о данных.

Похлопайте в ладоши в статье, если она вам нравится, это меня очень подбодрит.

Спасибо

Дополнительные материалы на PlainEnglish.io. Подпишитесь на нашу бесплатную еженедельную рассылку новостей. Подпишитесь на нас в Twitter, LinkedIn, YouTube и Discord .

Заинтересованы в масштабировании запуска вашего программного обеспечения? Ознакомьтесь с разделом Схема.