tggenerator

tggenerator

利用Whisper将音频转化为文本,使用GPT-3.5进行文本分析,并通过DALL·E生成个性化电竞标志

该应用利用Whisper将音频转化为文本,使用GPT-3.5进行文本分析,并通过DALL·E生成个性化电竞标志。应用基于Jetpack Compose和OpenAI Kotlin在Tenerife GG活动中展示了AI的实际应用。

Tenerife GGAIAndroidOpenAIJetpack ComposeGithub开源项目

项目介绍: Tenerife GG(enerator)

项目背景

Tenerife GG(enerator) 是一个由人工智能支持的电竞标志生成器。这款安卓应用程序是在一次学术性活动“Tenerife GG”上开发的,旨在作为一个应用实例,展示如何整合和利用三种不同的人工智能模型来生成电竞标志。

技术基础

该项目使用了以下人工智能模型:

  • Whisper: 将语音转化为文本。
  • GPT-3.5: 分析文本内容。
  • DALL·E: 生成图像。

同时,这个项目利用了 Jetpack Compose 进行用户界面设计,并通过 OpenAI Kotlin 库与OpenAI的模型进行交互。

系统要求

要使用这款应用,用户需要在 OpenAI平台 生成一个API Key。在使用之前,需要将这个密钥添加到项目中的 conf/Env.kt 文件中:

const val OPENAI_API_KEY = "MI_KEY"

如何运行

用户可以下载项目并在 Android Studio 中打开。配置好必要的API Key便可开始运行程序。此外,还有一个可供安装的应用程序文件(APK)供用户快速体验使用。在使用之前,需要在设备上允许安装第三方应用。

使用说明

填写基本信息

在应用中,用户需要输入以下信息以生成所需的标志:

  • 团队名称: 自定义输入(例如“MoureDev”)。
  • 游戏名称: 标志将基于的游戏(例如“Diablo II”)。
  • 主要元素: 标志中要突出的元素(例如“火焰”)。

添加额外信息(可选)

用户可以通过以下方式增加标志生成的细节:

  • 录音 (Whisper): 录制包含更多详细信息的音频(例如“我们玩Diablo II,希望标志中有骷髅和大量火焰”)。
  • 关键词提取 (GPT-3.5): 从音频中提取关键词(例如“游戏,diablo,骷髅,火焰”)。

生成标志

用户可以选择:

  • 生成(DALL·E) 标志: 在提供信息的基础上生成标志。
  • 生成带有默认模板的标志: 使用预设模板生成个性化标志。
  • 复制链接: 保存生成的标志URL,以便通过网络下载。

视频教程

项目还有一个完整的创建应用过程的视频教程,有兴趣者可以观看以便更好地理解整个开发流程。

社区与支持

项目开发者鼓励大家通过社交媒体和开发者社区加入讨论和贡献。用户还可以在 GitHub 上支持项目,通过“☆ Star”给予肯定。

这个项目不仅展示了人工智能在电竞领域的应用潜力,同时通过开放性和社区协作推动了技术创新和学习。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多