Logo
Project Icon

ai-renamer

智能文件重命名CLI工具，兼容多种语言模型

ai-renamerOllamaLM Studio文件重命名CLI工具Github开源项目

基于Node.js的CLI工具，利用Ollama和LM Studio模型（如Llava、Gemma、Llama等）智能识别并重命名文件。支持重命名视频、图片及其他文件，适用于Ollama或LM Studio用户，并可配置OpenAI及自定义端口。通过简单的命令行操作，提供灵活的文件命名方式和多种参数设置，满足用户需求。

访问官网访问官网GithubGithub文档文档
介绍知识库相关项目

ai-renamer 项目介绍

ai-renamer 是一个智能文件重命名工具，它利用人工智能技术来分析文件内容并为其生成合适的新名称。这个项目是一个基于 Node.js 的命令行界面（CLI）工具，可以与多种大型语言模型（如 Llava、Gemma、Llama 等）配合使用，以实现智能化的文件重命名功能。

主要特点

  1. 多模型支持：ai-renamer 可以与 Ollama 和 LM Studio 提供的多种语言模型兼容，为用户提供了灵活的选择。

  2. 多文件类型支持：该工具不仅可以重命名图片文件，还支持视频和其他类型的文件重命名。

  3. 自定义选项：用户可以通过各种参数来自定义重命名过程，如指定模型、设置输出语言、定义文件名长度等。

  4. 多提供商支持：除了默认的 Ollama，ai-renamer 还支持 LM Studio 和 OpenAI 作为 AI 提供商。

  5. 配置持久化：用户的设置会被保存到本地配置文件中，方便后续使用。

使用方法

ai-renamer 的使用非常简单。用户可以通过 NPX 直接运行，也可以通过 NPM 全局安装后使用。基本的使用命令如下：

npx ai-renamer /path

或者全局安装后：

ai-renamer /path

高级配置

用户可以通过命令行参数来细化重命名过程：

  1. 选择提供商：可以选择 Ollama、LM Studio 或 OpenAI 作为 AI 提供商。
  2. 指定模型：用户可以指定使用的具体语言模型。
  3. 自定义输出：支持设置输出语言、文件名长度、命名风格等。
  4. 视频处理：可以设置从视频中提取的最大帧数。
  5. 自定义提示：允许用户添加自定义提示来引导 AI 的重命名过程。

技术亮点

  1. AI 驱动：利用先进的语言模型来理解文件内容并生成相应的文件名。
  2. 跨平台兼容：作为 Node.js 应用，可以在多种操作系统上运行。
  3. 可扩展性：支持多种 AI 提供商和模型，为未来的扩展提供了可能性。
  4. 用户友好：提供了直观的命令行界面和丰富的自定义选项。

总结

ai-renamer 是一个创新的文件管理工具，它巧妙地结合了人工智能和文件系统操作。无论是个人用户还是专业人士，都可以利用这个工具来提高文件组织的效率和准确性。随着 AI 技术的不断发展，ai-renamer 也有望在未来得到更多的功能扩展和性能提升。

ai-renamer

#!/usr/bin/env node

import path from 'node:path' import os from 'node:os' import fs from 'node:fs' import crypto from 'node:crypto' import { exec } from 'node:child_process' import { promisify } from 'node:util'

import yargs from 'yargs' import { hideBin } from 'yargs/helpers' import axios from 'axios' import ora from 'ora' import chalk from 'chalk' import sharp from 'sharp' import imageSize from 'image-size' import mimeTypes from 'mime-types' import changeCase from 'change-case' import { fileTypeFromFile } from 'file-type' import ffmpeg from 'fluent-ffmpeg' import { encode } from 'gpt-3-encoder' import { readdir } from 'node:fs/promises' // import { OpenAI } from 'openai';

const execAsync = promisify(exec)

const argv = yargs(hideBin(process.argv)) .option('provider', { alias: 'p', describe: 'Set the provider (e.g. ollama, openai, lm-studio)', type: 'string' }) .option('api-key', { alias: 'a', describe: 'Set the API key if you're using openai as provider', type: 'string' }) .option('base-url', { alias: 'u', describe: 'Set the API base URL (e.g. http://127.0.0.1:11434 for ollama)', type: 'string' }) .option('model', { alias: 'm', describe: 'Set the model to use (e.g. gemma2, llama3, gpt-4o)', type: 'string' }) .option('frames', { alias: 'f', describe: 'Set the maximum number of frames to extract from videos (e.g. 3, 5, 10)', type: 'number' }) .option('case', { alias: 'c', describe: 'Set the case style (e.g. camelCase, pascalCase, snakeCase, kebabCase)', type: 'string' }) .option('chars', { alias: 'x', describe: 'Set the maximum number of characters in the new filename (e.g. 25)', type: 'number' }) .option('language', { alias: 'l', describe: 'Set the output language (e.g. English, Turkish)', type: 'string' }) .option('include-subdirectories', { alias: 's', describe: 'Include files in subdirectories when processing (e.g: true, false)', type: 'string' }) .option('custom-prompt', { alias: 'r', describe: 'Add a custom prompt to the LLM (e.g. "Only describe the background")', type: 'string' }) .argv

const getConfig = () => { const homeDir = os.homedir() const configPath = path.join(homeDir, 'ai-renamer.json') let config = {} if (fs.existsSync(configPath)) { const configFile = fs.readFileSync(configPath, 'utf-8') config = JSON.parse(configFile) } return config }

const saveConfig = (config) => { const homeDir = os.homedir() const configPath = path.join(homeDir, 'ai-renamer.json') fs.writeFileSync(configPath, JSON.stringify(config, null, 2)) }

const updateConfig = (newConfig) => { const currentConfig = getConfig() const updatedConfig = { ...currentConfig, ...newConfig } saveConfig(updatedConfig) }

const config = getConfig()

const provider = argv.provider || config.provider || 'ollama' const apiKey = argv['api-key'] || config.apiKey || '' const baseUrl = argv['base-url'] || config.baseUrl || '' const model = argv.model || config.model || '' const frames = argv.frames || config.frames || 3 const caseStyle = argv.case || config.case || 'kebabCase' const chars = argv.chars || config.chars || 60 const language = argv.language || config.language || 'English' const includeSubdirectories = argv['include-subdirectories'] || config.includeSubdirectories || false const customPrompt = argv['custom-prompt'] || config.customPrompt || ''

updateConfig({ provider, apiKey, baseUrl, model, frames, case: caseStyle, chars, language, includeSubdirectories, customPrompt })

let OpenAI if (provider === 'openai') { const { OpenAI: OpenAIModule } = await import('openai') OpenAI = OpenAIModule }

const supportedImageFormats = ['jpg', 'jpeg', 'png', 'gif', 'webp', 'avif'] const supportedVideoFormats = ['mp4', 'avi', 'mov', 'mkv', 'webm']

const getModelName = async () => { if (provider === 'ollama') { try { const response = await axios.get(${baseUrl || 'http://localhost:11434'}/api/tags) const tags = response.data.models const llavaModel = tags.find(tag => tag.toLowerCase().includes('llava')) if (llavaModel) { return llavaModel } else { console.log(chalk.yellow('No Llava model found. Please specify a model with --model flag.')) process.exit(1) } } catch (error) { console.error(chalk.red('Error fetching models from Ollama:', error.message)) process.exit(1) } } else if (provider === 'lm-studio') { return 'default' } else if (provider === 'openai') { return model || 'gpt-4-vision-preview' } }

const transformCase = (str, caseStyle) => { if (changeCase[caseStyle]) { return changeCasecaseStyle } return str }

const getDirectoryFiles = async (dirPath, includeSubdirectories) => { const entries = await readdir(dirPath, { withFileTypes: true }) const files = []

for (const entry of entries) { const fullPath = path.join(dirPath, entry.name) if (entry.isFile()) { files.push(fullPath) } else if (entry.isDirectory() && includeSubdirectories === 'true') { files.push(...(await getDirectoryFiles(fullPath, includeSubdirectories))) } }

return files }

const extractFramesFromVideo = async (videoPath, outputDir, numFrames) => { const videoName = path.basename(videoPath, path.extname(videoPath)) const outputPattern = path.join(outputDir, ${videoName}-%d.png)

await new Promise((resolve, reject) => { ffmpeg(videoPath) .on('end', resolve) .on('error', reject) .screenshots({ count: numFrames, folder: outputDir, filename: ${videoName}-%i.png }) })

const frames = [] for (let i = 1; i <= numFrames; i++) { const framePath = path.join(outputDir, ${videoName}-${i}.png) if (fs.existsSync(framePath)) { frames.push(framePath) } }

return frames }

const resizeImage = async (imagePath, maxWidth = 512, maxHeight = 512) => { const { width, height } = imageSize(imagePath) const aspectRatio = width / height

let newWidth, newHeight if (width > height) { newWidth = Math.min(width, maxWidth) newHeight = Math.round(newWidth / aspectRatio) } else { newHeight = Math.min(height, maxHeight) newWidth = Math.round(newHeight * aspectRatio) }

const resizedImageBuffer = await sharp(imagePath) .resize(newWidth, newHeight, { fit: 'inside' }) .toBuffer()

return resizedImageBuffer.toString('base64') }

const generateDescription = async (imageBase64, modelName) => { let response const systemPrompt = 'You are an expert in giving brief but rich descriptions of images and summarizing video content.' const maxTokens = 200 const maxRetries = 3 const retryDelay = 1000 // 1 second

const userPrompt = Generate a concise description of the image and suggest a file name based on its content. The response should be short, within ${maxTokens} tokens, in ${language}. ${customPrompt}

for (let attempt = 1; attempt <= maxRetries; attempt++) { try { if (provider === 'ollama') { response = await axios.post(${baseUrl || 'http://localhost:11434'}/api/generate, { model: modelName, prompt: ${systemPrompt}\n\nImage: data:image/jpeg;base64,${imageBase64}\n\nHuman: ${userPrompt}\n\nAssistant:, stream: false }) } else if (provider === 'lm-studio') { response = await axios.post(${baseUrl || 'http://localhost:1234'}/v1/chat/completions, { messages: [ { role: 'system', content: systemPrompt }, { role: 'user', content: [{ type: 'image_url', image_url: { url: data:image/jpeg;base64,${imageBase64} } }, { type: 'text', text: userPrompt }] } ], max_tokens: maxTokens, stream: false }) } else if (provider === 'openai') { const openai = new OpenAI({ apiKey, baseURL: baseUrl || 'https://api.openai.com/v1' })

    response = await openai.chat.completions.create({
      model: modelName,
      messages: [
        { role: 'system', content: systemPrompt },
        {
          role: 'user',
          content: [
            { type: 'text', text: userPrompt },
            { type: 'image_url', image_url: { url: `data:image/jpeg;base64,${imageBase64}` } }
          ]
        }
      ],
      max_tokens: maxTokens
    })
  }

  // If successful, break out of the retry loop
  break
} catch (error) {
  console.error(`Attempt ${attempt} failed:`, error.message)
  if (attempt === maxRetries) {
    throw error // If all retries failed, throw the last error
  }
  // Wait before the next retry
  await new Promise(resolve => setTimeout(resolve, retryDelay))
}

}

let description if (provider === 'ollama') { description = response.data.response } else if (provider === 'lm-studio') { description = response.data.choices[0].message.content } else if (provider === 'openai') { description = response.choices[0].message.content }

return description.trim() }

const generateVideoDescription = async (framePaths, modelName) => { const frameDescriptions = await Promise.all(framePaths.map(async (framePath) => { const imageBase64 = await resizeImage(framePath) return generateDescription(imageBase64, modelName) }))

const combinedDescription = frameDescriptions.join(' ')

let summaryResponse const systemPrompt = 'You are an expert in summarizing video content based on frame descriptions.'

相关项目
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台，提供广泛的设计工具和资源，以满足不同用户的需求。从专业的图形设计师到普通用户，无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑，稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合，帮助用户轻松实现创意设计。

使用协议隐私政策广告服务
投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号