懂AI
openai-chat-api-workflow

openai-chat-api-workflow

使用Alfred与OpenAI Chat API互动，实现GPT-4聊天、图像生成与语音处理

使用Alfred 5工作流与OpenAI Chat API互动，实现GPT-4聊天、图像生成及语音处理功能。支持通过Alfred界面、选中文本及本地Web界面操作，确保数据安全。用户可导出并导入聊天数据继续对话。详细介绍安装步骤、依赖项及多种功能命令，适合多样化使用需求。

OpenAIAlfredChat APIGPT-4图像生成Github开源项目
访问官网GitHub论文文档

项目介绍：OpenAI Chat API Workflow for Alfred

项目概述

OpenAI Chat API Workflow for Alfred 是一款用于在 Mac 上通过 Alfred 应用与 OpenAI 的 GPT-4 进行互动的工作流。此项目通过开放的 API 接口，用户可以实现文本对话、图像生成、图像理解、语音转文字和文字转语音等功能。

功能特性

  • 与 GPT-4 对话：用户可以通过输入问题与 GPT-4 交流，获取实时响应。
  • 图像生成：使用文本提示通过 DALL-E API 生成图像。
  • 图像理解：对指定的图像或截取屏幕区域进行分析和理解。
  • 语音识别与合成：支持将语音转换为文字，以及将文字转换为自然语音。

使用界面

用户可以通过以下方法来实际操作这个工作流：

  1. Alfred UI：在 Alfred 的输入框里使用特定关键词和命令。
  2. 文本选中：选中任何文本并通过自定义热键直接发送至工作流。
  3. 专用 Web UI：工作流在本地构建并运行一个 Web 界面，让用户可以更直观地操作。

数据与隐私

工作流中的 API 请求直接在本地与 OpenAI 服务器通信，确保用户的聊天内容不会被第三方访问。同时，OpenAI 不会将这些数据用于模型训练。此外，用户还可以将聊天数据导出为简单的 JSON 格式，并在日后重新导入。

安装步骤

  1. 安装 Homebrew。
  2. 使用命令 brew install pandoc mpv sox jq duti 安装必要依赖。
  3. 下载并运行 OpenAI Chat API Workflow。
  4. 设置您的 OpenAI API 密钥。
  5. 在系统偏好设置中启用 Alfred 的辅助访问权。

依赖及前提条件

  • 必须拥有 Alfred 5 Powerpack。
  • 需要一个有效的 OpenAI API 密钥。
  • 依赖工具：Pandoc, MPV, Sox, jq, duti。

执行方法

  • 在 Alfred 中执行命令：使用关键词和输入框直接提交查询。
  • 通过选中文本：选中文本后通过快捷键直接发送。
  • Web 界面使用：可以用专属 URL 打开 Web 界面，体验全套功能。

扩展的功能支持

  • 图像生成：通过 DALL-E API 可进行多种样式和质量的图像生成。
  • 多语言支持：支持语言的自动识别和翻译功能。
  • 存储与导出：可随时导出导入聊天历史，便于跨设备使用。

开发者信息

该工作流由 Yoichiro Hasebe 开发，通过 MIT 许可证授权发行。

用户须知

尽管开发者尽力确保此项目的安全性和可靠性，但在使用过程中仍然请谨慎处理可能由此引发的任何问题和风险。

这一项目通过将复杂的 API 接入过程简化为用户友好的界面与交互方式，使得普通用户也能够轻松体验到 OpenAI 最新技术的强大功能。通过这种设计，用户不仅能进行文本交流，还有机会探索更多领域的创意应用。

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