ChatGPT 是一个基于云端的人工智能聊天机器人，它使用了 OpenAI 的 模型，可以实现自然语言处理（NLP）和语言生成的任务。新的 模型是在 GPT-3 模型的基础上进行的升级和改进，具有更高的准确性和表现力，它可以自动识别文本的语义和上下文，并生成更加准确和自然的回复。
OpenAI 团队发布了最新的智能聊天机器人 ChatGPT API 以及声音转文字 Whisper API。ChatGPT API 提供了一种方便易用的方式，让开发者可以轻松地使用这一强大的 NLP 模型。最新发布的 ChatGPT API 使用的模型系列 与 ChatGPT 产品中使用的模型是相同的。
小编之前写过一篇关于 使用 Python 和 ChatGPT API 开发一个智能聊天程序 的文章，介绍了下使用 （或者 ）模型来做 Python 开发的示例，这一次 ChatGPT 官方更新的 模型，接口上会有一些调整，提供了更多的 API 参数和选项，让开发者可以根据自己的需求来定制和优化 API 的表现。
如果使用新的模型，价格为每 1000 次 token 花费 0.002 美元，比现在用的 模型便宜 10 倍，具有高可用性和可伸缩性，也能够应对高流量的应用场景。官方的测试工程师从 迁移到 ，只需要少量的调整就能完成开发，提供了非常友好的开发文档和示例代码，可以帮助开发者快速上手。
如果只是想快速验证 ChatGPT API 是否可用，可以尝试使用 curl 来发送请求。
如果需要深入 ChatGPT API 的开发，小编接下来给大家展示下如何使用 Python + ChatGPT API，快速地构建基于 ChatGPT 的软件。
以下是基本用法的代码示例：
在上面的代码中，我们首先设置了我们的 API 密钥，然后指定了要使用的 模型，设置了输入文本并发送了 API 请求，最后解析响应并输出了 ChatGPT 的回复。有几个注意事项
新接口： 原本使用模型，我们使用的是接口，现在新的 应该使用 接口。
新参数： 第一个参数设置 模型名称，第二个参数是一个对话列表
为什么要提供一个对话列表呢？因为 API 调用都是单次的接口请求，不会自动记录之前的聊天信息，没有上下文，要让 ChatGPT 在单次的请求中了解你的上下文，就需要提供这样一个完整的对话列表，比如这样一个对话
每条对话消息都需要提供角色和内容，角色分三种：系统、用户 或者 助手。
- ：系统消息相当于一个管理员，可以设置助手的行为和特征。在上面的例子中，助手被指示。
- ：用户消息就是我们自己，可以由用户发出提问，或者直接让开发者提前内置一些 Prompts 指令。一些可以参考的 ChatGPT Prompts
- ：助手消息就是 ChatGPT API 在之前提供的回复，在这里存储起来。这个回复也可以自己修改或者自己编一段对话出来，来让整个对话更通顺。
如果不需要对话的话，只需要提供单个的消息即可，就像刚刚 Python 代码里演示的。
更多开发文档请参考 Chat completions
OpenAI 还一同发布了支持语音转文本的 Whisper API。它提供了 large-v2 模型，使用方便，价格为 0.006 美元/分钟，可以按需访问，高度优化的服务堆栈可以确保更快的性能。
Whisper 的 API 接口支持以源语言转录或翻译（转录成英语），并接受多种格式（m4a、mp3、mp4、mpeg、mpga、wav、webm）：
一个简单的 curl 示例
接口响应格式
在 Python 中使用
更多开发文档请参考 Speech to text
以上只是展示如何使用 Python 结合 ChatGPT API 发送请求的简单例子，你可以根据你的需求使用 ChatGPT API 来完成更复杂的任务。
ChatGPT API 使用源码参考：https://github.com/openHacking/ChatGPT-API-Demo
- Chrome 插件: ChatGPT 导出为 Markdown
- 使用 Python 和 ChatGPT API 开发一个智能聊天程序
- Chat Open AI
- Python Playground
- Chat completions
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。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。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/210603.html