MovieLife 电影生活

MovieLife 电影生活

今天看到一个很有意思的项目:https://www.lampysecurity.com/post/the-infinite-audio-book

在这里插入图片描述

“我有一个看似愚蠢的想法。通常,这类想法只是一闪而过,很少会付诸实践。但这次有所不同。假如你的生活是一部电影,它会讲述什么故事?会发生什么?我的想法就是从这里开始的。随着 AI 的兴起,我想看看是否可以让 AI 实时讲述我的生活。我们的设想是让相机拍摄一张照片,生成对照片的描述,然后由 ChatGPT 基于所看到的内容写一个叙事场景,再将文本转换为语音并播放。”

我的实现

在整个项目中,我使用了笔记本的摄像头进行操作,运行在笔记本上,感觉非常有趣。ChatGPT的描述充满了正能量!最初的代码无法运行,因此我参考了https://platform.openai.com/docs/guides/vision,进行了修改,并成功在我的电脑上运行起来。至于树莓派,我了解得不多,正在考虑是否可以在手机上部署,但还没有深入研究。

项目概念

  • 创意起源:作者反思了人生如电影的概念,探索了使用AI实时叙述他的人生。
  • 技术整合:该项目利用了OpenAI的各种服务,包括图像识别、语言模型和文字转语音。

硬件设置

  • 选择设备:一个带有Pi相机和Pi Sugar 3电池的Raspberry Pi Zero,以便携带。
  • 其他要求:
    • 带有micro HDMI的显示器,用于配置。
    • 鼠标/键盘进行交互。
    • USB micro转female A适配器。
    • SD卡用于Raspberry Pi OS。
    • 由于缺乏音频插孔,需要无线耳机。

设计和3D打印

  • 外壳设计:作者修改了现有的3D外壳设计,以适应电池,并使用Bambu Lab P1S 3D Printer。

软件和API集成

  • OpenAI API设置:
    • 创建账户并生成API密钥。
    • 解释API调用成本和使用情况。

代码实现

  • 编程语言:选择Python来编码项目。

  • 分步细节:

    • 配置文件.env

      OPENAI_API_KEY="这里填入你的API_KEY"
      
    • 导入必要的库。

      from pathlib import Path
      from openai import OpenAI
      import requests
      import os
      import cv2
      import base64
      import time
      import pygame
      from dotenv import load_dotenv# 加载 .env 文件
      load_dotenv()
      # OpenAI API key
      client = OpenAI()# OpenAI API Key
      api_key = os.getenv("OPENAI_API_KEY")
      # Path to your image
      image_path = "vision.jpg"# Getting the base64 string
      base64_image = "error"headers = {"Content-Type": "application/json","Authorization": f"Bearer {api_key}"
      }payload = {"model": "gpt-4o-mini","messages": [{"role": "user","content": [{"type": "text","text": "请描述这张图片?"},{"type": "image_url","image_url": {"url": f"data:image/jpeg;base64,{base64_image}"}}]}],"max_tokens": 300
      }
    • 从相机捕获图像。

      def capture_webcam_photo(save_directory="webcam_photos"):# Create directory if it doesn't existif not os.path.exists(save_directory):os.makedirs(save_directory)# Open default camera (usually the first camera)cap = cv2.VideoCapture(1)# Capture frame-by-frameret, frame = cap.read()# Generate a unique filenamefilename = os.path.join(save_directory, "webcam_photo.jpg")# Save the captured frame as an imagecv2.imwrite(filename, frame)# Release the capturecap.release()return filename
      
    • 将图像编码为base64格式,以便提交API。

      # Function to encode the image
      def encode_image(image_path):with open(image_path, "rb") as image_file:return base64.b64encode(image_file.read()).decode('utf-8')
      
    • 使用OpenAI的模型根据图像描述生成叙述性响应。

      def generate_response(prompt):name = "BoBo"age = "60"location = "体操之乡 湖北仙桃"response = client.chat.completions.create(model="gpt-4o-mini",messages=[{"role": "system","content": "你是一部电影的叙述者,讲述一个名叫 " + name + "。他的年龄  " + age + " ,生活在 " + location + "。当你看到一张场景图片时,你可以从" + name + "的角度描述这张照片,所有人物都用第三人称。 "},{"role": "user", "content": prompt}])return response.choices[0].message.content
      
    • 将文本响应转换为语音并播放。

      def text_to_speech(text):speech_file_path = Path(__file__).parent / "speech.mp3"response = client.audio.speech.create(model="tts-1",voice="alloy",input=text)response.stream_to_file(speech_file_path)return speech_file_pathdef play_mp3(file_path):# Initialize Pygamepygame.init()try:# Initialize the mixerpygame.mixer.init()# Load the MP3 filepygame.mixer.music.load(file_path)# Play the MP3 filepygame.mixer.music.play()# Wait until the music finishes playingwhile pygame.mixer.music.get_busy():pygame.time.Clock().tick(10)  # Adjust the playback speedexcept pygame.error as e:print(f"Error playing MP3: {e}")finally:# Cleanup Pygamepygame.mixer.music.stop()pygame.mixer.quit()pygame.quit()
      

      主函数:

      while True:start_time = time.time()saved_path = capture_webcam_photo()base64_image = encode_image(saved_path)# 将图像插入到 payload 中payload["messages"][0]["content"][1]["image_url"]["url"] = "data:image/jpeg;base64," + base64_image# 发送请求response = requests.post("https://api.openai.com/v1/chat/completions", headers=headers, json=payload)# 检查响应状态if response.status_code != 200:print(f"Error: {response.status_code} - {response.text}")continue  # 跳过此次循环,继续尝试jsonZ = response.json()# 检查是否有 'choices' 键if 'choices' in jsonZ and len(jsonZ['choices']) > 0:try:response_text = generate_response(jsonZ["choices"][0]["message"]["content"])output_file = text_to_speech(response_text)  # play_mp3(output_file)  # except KeyError as e:print(f"KeyError: {e}")print("Received response:", jsonZ)continue  # 跳过此循环并记录错误else:print("No choices found in response")# 计算经过的时间elapsed_time = time.time() - start_time# 等待剩余时间remaining_time = max(0, 20 - int(elapsed_time))time.sleep(remaining_time)
      

主要功能

  • 连续运行:主循环每20秒捕获一次图像,通过OpenAI API进行处理,生成叙述,转换为语音,并播放。

完整代码

'''
@File    : movielife
@Author  : Bobo
@Blog    : https://blog.csdn.net/chinagaobo
@Note    : This code is for learning and communication purposes only
'''from pathlib import Path
from openai import OpenAI
import requests
import os
import cv2
import base64
import time
import pygame
from dotenv import load_dotenv# 加载 .env 文件
load_dotenv()
# OpenAI API key
client = OpenAI()# OpenAI API Key
api_key = os.getenv("OPENAI_API_KEY")
# Path to your image
image_path = "vision.jpg"# Getting the base64 string
base64_image = "error"headers = {"Content-Type": "application/json","Authorization": f"Bearer {api_key}"
}payload = {"model": "gpt-4o-mini","messages": [{"role": "user","content": [{"type": "text","text": "请描述这张图片?"},{"type": "image_url","image_url": {"url": f"data:image/jpeg;base64,{base64_image}"}}]}],"max_tokens": 300
}# Function to encode the image
def encode_image(image_path):with open(image_path, "rb") as image_file:return base64.b64encode(image_file.read()).decode('utf-8')def generate_response(prompt):name = "BoBo"age = "60"location = "体操之乡 湖北仙桃"response = client.chat.completions.create(model="gpt-4o-mini",messages=[{"role": "system","content": "你是一部电影的叙述者,讲述一个名叫 " + name + "。他的年龄  " + age + " ,生活在 " + location + "。当你看到一张场景图片时,你可以从" + name + "的角度描述这张照片,所有人物都用第三人称。 "},{"role": "user", "content": prompt}])return response.choices[0].message.contentdef text_to_speech(text):speech_file_path = Path(__file__).parent / "speech.mp3"response = client.audio.speech.create(model="tts-1",voice="alloy",input=text)response.stream_to_file(speech_file_path)return speech_file_pathdef capture_webcam_photo(save_directory="webcam_photos"):# Create directory if it doesn't existif not os.path.exists(save_directory):os.makedirs(save_directory)# Open default camera (usually the first camera)cap = cv2.VideoCapture(0)  # 使用内置摄像头# Capture frame-by-frameret, frame = cap.read()# Generate a unique filenamefilename = os.path.join(save_directory, "webcam_photo.jpg")# Save the captured frame as an imagecv2.imwrite(filename, frame)# Release the capturecap.release()return filenamedef play_mp3(file_path):# Initialize Pygamepygame.init()try:# Initialize the mixerpygame.mixer.init()# Load the MP3 filepygame.mixer.music.load(file_path)# Play the MP3 filepygame.mixer.music.play()# Wait until the music finishes playingwhile pygame.mixer.music.get_busy():pygame.time.Clock().tick(10)  # Adjust the playback speedexcept pygame.error as e:print(f"Error playing MP3: {e}")finally:# Cleanup Pygamepygame.mixer.music.stop()pygame.mixer.quit()pygame.quit()while True:start_time = time.time()saved_path = capture_webcam_photo()base64_image = encode_image(saved_path)# 将图像插入到 payload 中payload["messages"][0]["content"][1]["image_url"]["url"] = "data:image/jpeg;base64," + base64_image# 发送请求response = requests.post("https://api.openai.com/v1/chat/completions", headers=headers, json=payload)# 检查响应状态if response.status_code != 200:print(f"Error: {response.status_code} - {response.text}")continue  # 跳过此次循环,继续尝试jsonZ = response.json()# 检查是否有 'choices' 键if 'choices' in jsonZ and len(jsonZ['choices']) > 0:try:response_text = generate_response(jsonZ["choices"][0]["message"]["content"])output_file = text_to_speech(response_text)  # play_mp3(output_file)  # except KeyError as e:print(f"KeyError: {e}")print("Received response:", jsonZ)continue  # 跳过此循环并记录错误else:print("No choices found in response")# 计算经过的时间elapsed_time = time.time() - start_time# 等待剩余时间remaining_time = max(0, 20 - int(elapsed_time))time.sleep(remaining_time)

实测案例

chatGPT的描述:在这张图片中 Bobo看到一个男子坐在桌前 面带微笑 眼镜反射出柔和的光泽 这个男人的手肘支撑在下巴旁 看起来十分放松 似乎正沉浸在与人交流的愉悦中 Bobo想这样的瞬间很难得 尤其是在压力重重的生活中 室内环境给人一种温馨舒适的感觉 整齐的墙面与那扇门形成一种和谐的背景 似乎在提醒每一个人 生活中依旧有着宁静与安详 Bobo的心情也随之变得轻松起来 彷佛可以感受到这个男子所散发出的友好气息 他觉得在这个快速发展的时代 能有这样一份从容不迫和愉快的交流 是多么美好的事情 或许这就是生活的意义所在。

测试案例

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/430582.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

vi | vim基本使用

vim三模式:① 输入模式 ②命令模式 ③末行模式(编辑模式) vim四模式:① 输入模式 ②命令模式 ③末行模式(编辑模式) ④V模式 一、命令模式进入输入模式方法: 二、命令模式基…

影刀RPA实战:java结合影刀同步采购订单数据

1.实战目标 本次实战我们用java语言结合影刀,实现从自用ERP系统同步订单到旺店通中,在工作中,有时候我们的运营数据不是直接在旺店通ERP中操作,比如我们有自己的ERP,完成一些特定的内部工作后,再把数据同步…

Rustrover2024.2 正式发布:个人非商用免费,泰裤辣

如果这个世界本身 已经足够荒唐 那究竟什么才能算是疯狂 爱情就是这样 一旦错过了 就会有另一个人代替 我们知道 jetbrains 在今年的早些时候正式为 rust 语言发布了专用的 IDE ,也就是 rustrover。如今 rustrover 也正式跻身为 jetbrains IDE 系列的一员猛将。…

Python | Leetcode Python题解之第424题替换后的最长重复字符

题目&#xff1a; 题解&#xff1a; class Solution:def characterReplacement(self, s: str, k: int) -> int:num [0] * 26n len(s)maxn left right 0while right < n:num[ord(s[right]) - ord("A")] 1maxn max(maxn, num[ord(s[right]) - ord("…

Linux学习笔记13---GPIO 中断实验

中断系统是一个处理器重要的组成部分&#xff0c;中断系统极大的提高了 CPU 的执行效率&#xff0c;本章会将 I.MX6U 的一个 IO 作为输入中断&#xff0c;借此来讲解如何对 I.MX6U 的中断系统进行编程。 GIC 控制器简介 1、GIC 控制器总览 I.MX6U(Cortex-A)的中断控制器…

科研绘图系列:R语言堆积图(stacked barplot)

文章目录 介绍加载R包导入数据数据预处理画图导出数据系统信息介绍 微生物堆积图是一种数据可视化工具,通常用于展示微生物群落中不同物种的相对丰度。这种图表通过将每个样本中的微生物按照其分类学等级(如门、属等)进行分类,并以不同颜色的块状图表示,每个块的大小代表…

信息安全工程师(13)网络攻击一般过程

前言 网络攻击的一般过程是一个复杂且系统化的行为&#xff0c;其目标往往在于未经授权地访问、破坏或窃取目标系统的信息。 一、侦查与信息收集阶段 开放源情报收集&#xff1a;攻击者首先会通过搜索引擎、社交媒体、论坛等公开渠道获取目标的基本信息&#xff0c;如姓名、地址…

科研小白入门工具

三、科研绘图 1.流程图绘制工具&#xff1a;powerpoint、亿图图示、visio、draw.io 2.绘制标准&#xff1a;布局合理、色彩鲜明、字体大小、矢量输出 矢量图绘制推荐流程&#xff1a;亿图图示绘制--visio--word--pdf无损放大 3.文章插图&#xff1a;excel、origin、matlab、…

Linux——虚拟机网络配置

进行虚拟机网络配置是确保虚拟机能够正常访问网络、与宿主机及其他设备进行通信的关键步骤。虚拟机网络配置允许用户根据实际需求选择合适的网络模式&#xff0c;并调整网络参数以满足特定的网络环境要求。 虚拟机常见的三种网络模式包括桥接模式、NAT模式和主机模式&#xff…

甩锅笔记:好好的服务端应用突然起不来,经定位是无法访问外网了?测试又说没改网络配置,该如何定位?

在工作中、团队协作时&#xff0c;可能遇到的问题&#xff0c;如集成测试等场景。但是作为偏前端的全栈&#xff0c;锅从天上来&#xff0c;不是你想甩就能甩&#xff0c;尤其面对测试等比较强势的团体&#xff08;bug创造者&#xff09;&#xff0c;你必须有强大的心理承受能力…

热斑黄斑光伏发电板 红外黄斑检测图像数据集内含最高温度信息 1200张,jpg格式。

热斑黄斑光伏发电板 红外黄斑检测图像数据集 内含最高温度信息 1200张&#xff0c;jpg格式。 热斑黄斑光伏发电板红外黄斑检测图像数据集介绍 数据集名称 热斑黄斑光伏发电板红外黄斑检测图像数据集&#xff08;Hot Spot and Yellow Spot Detection in Photovoltaic Panels I…

C++之STL—vector容器进阶篇

vector容器的迭代器是支持随机访问的迭代器&#xff08;动态数组&#xff09; 构造函数 赋值操作 vector容量和大小 判断是否为空 --- empty 返回元素个数 --- size 返回容器容量 --- capacity 重新指定大小 --- resize vector插入和删除 * 尾插 --- push_back * …

手势手语识别数据集,YOLOv5目标检测两个数据集,图大量,模型精度高分别为近100类

手势手语识别数据集&#xff0c;YOLOv5目标检测 两个数据集&#xff0c;图大量&#xff0c;模型精度高分别为近100类 手势手语识别数据集&#xff08;Sign Language Gesture Recognition Dataset&#xff09; 数据集概述 该数据集专为手势手语识别设计&#xff0c;包含大量的…

AOT源码解析4.1-model主体解析

1 输入数据 VOS的数据集处理操作可见数据集操作&#xff0c;这里是进行数据集提取完毕后的操作。 图2&#xff1a;如图所示&#xff0c;使用datasets提取出数据之后&#xff0c;在模型训练阶段对数据做图中操作。即&#xff1a;将batch_size大小的ref_imgs、prev_imgs&#x…

【QT】QSS基础

欢迎来到Cefler的博客&#x1f601; &#x1f54c;博客主页&#xff1a;折纸花满衣 &#x1f3e0;个人专栏&#xff1a;QT 目录 &#x1f449;&#x1f3fb;基本语法&#x1f449;&#x1f3fb;从⽂件加载样式表&#x1f449;&#x1f3fb;选择器伪类选择器 &#x1f449;&…

supermap iclient3d for cesium模型沿路径移动

可以直接settimeout隔一段时间直接设置位置属性&#xff0c;但是得到的结果模型不是连续的移动&#xff0c;如果想要连续的移动&#xff0c;就需要设置一个时间轴&#xff0c;然后给模型传入不同时间时的位置信息&#xff0c;然后就可以了。 开启时间轴 let start Cesium.Jul…

云安全风险优先级已失效以下是修复方法

想象一下&#xff0c;你身处一栋着火的建筑物内。每个房间的火警都响了。你站在走廊里&#xff0c;手里拿着灭火器。你必须扑灭大火。你从哪里开始呢&#xff1f; 这是许多团队在保护云中的应用程序时面临的情况。 随着云采用率的增长和云应用程序的增加&#xff0c;这些应用…

使用 HFD 加快 Hugging Face 模型和数据集的下载,解决443报错

Hugging Face 提供了丰富的预训练模型和数据集&#xff0c;而且使用 Hugging Face 提供的 from_pretrained() 方法可以轻松加载它们&#xff0c;但是&#xff0c;模型和数据集文件通常体积庞大&#xff0c;用默认方法下载起来非常花时间。 本文将指导你如何使用 HFD&#xff08…

【通俗易懂介绍OAuth2.0协议以及4种授权模式】

文章目录 一.OAuth2.0协议介绍二.设计来源于生活三.关于令牌与密码的区别四.应用场景五.接下来分别简单介绍下四种授权模式吧1.客户端模式1.1 介绍1.2 适用场景1.3 时序图 2.密码模式2.1 介绍2.2 适用场景2.3时序图 3.授权码模式3.1 介绍3.2 适用场景3.3 时序图 4.简化模式4.1 …

NLP 文本匹配任务核心梳理

定义 本质上是做了意图的识别 判断两个内容的含义&#xff08;包括相似、矛盾、支持度等&#xff09;侠义 给定一组文本&#xff0c;判断语义是否相似Yi 分值形式给出相似度 广义 给定一组文本&#xff0c;计算某种自定义的关联度Text Entailment 判断文本是否能支持或反驳这个…