Komplettes KI-Werkzeuge-Ökosystem

Komplettes KI-Werkzeuge-Ökosystem | Original, von KI übersetzt

Home 2025.02

Inhaltsverzeichnis

Jina AI
- Python-Skript für Jina AI-Integration
- Abrufen von URL-Inhalten mit r.jina.ai
- Verarbeitung von Suchanfragen mit s.jina.ai
- Base64-Kodierung und API-Authentifizierung
Tavily AI
- KI-Such-API speziell für LLM-Anwendungen
- Einrichtung und API-Schlüssel-Registrierung
- Python-Client-Implementierung
- Beispiele für Suchanfragen und Nutzung
Open WebUI
- Installation der lokalen KI-Oberfläche
- Server-Einrichtung und Konfiguration
- Ollama-Integration für lokale Modelle
- Installationszeit und Anforderungen
Tableau, Scale und Power BI
- Vergleich von Business-Intelligence-Plattformen
- Tableau-13-Tage-Testversion
- Überblick über die Scale-Datenplattform
- Funktionen von Microsoft Power BI
Verwendung von OpenRouter
- Akzeptanz von China-Visa-Kreditkarten
- Modellrankings und Trendanalyse
- LLM-Nutzungskategorien und Anwendungen
- VPN-Anforderung für Anthropic-API in Hongkong
ElevenLabs AI
- Text-zu-Sprache-API-Integration
- Stimmklon-Fähigkeiten
- Mehrsprachige Audioerzeugung
- Python-Skript für Audio-Konvertierung

Jina AI

Dieses Python-Skript interagiert mit Jina AI-Diensten unter Verwendung von API-Schlüsseln und Befehlszeilenargumenten. Es unterstützt zwei Hauptaufgaben: Das Abrufen von Inhalten von einer URL und das Durchführen einer Suchanfrage. Das Skript holt den Jina-API-Schlüssel aus den Umgebungsvariablen, um einen sicheren Zugang zu den Diensten zu gewährleisten. Es verwendet die requests-Bibliothek für HTTP-Anfragen und base64 zum Dekodieren der Suchanfrage. Anschließend gibt das Skript die Antwort des Jina AI-Dienstes aus.

import os
import requests
from dotenv import load_dotenv
import argparse
import base64

load_dotenv()

api_key = os.environ.get("JINA_API_KEY")
if not api_key:
    raise ValueError("JINA_API_KEY environment variable not set.")

parser = argparse.ArgumentParser()
parser.add_argument("--job", type=str, choices=['url', 'search'], help="Job to execute (url or search)", required=True)
parser.add_argument("--input", type=str, help="Input for the job", required=True)
args = parser.parse_args()

if args.job == 'url':
    url = f'https://r.jina.ai/{args.input}'
    headers = {'Authorization': f'Bearer {api_key}'}
    print(f"URL: {url}")
    print(f"Headers: {headers}")
    response = requests.get(url, headers=headers)
    print(response.text)

elif args.job == 'search':
    question = base64.b64decode(args.input).decode('utf-8', errors='ignore')
    url = f'https://s.jina.ai/{question}'
    headers = {
        'Authorization': f'Bearer {api_key}',
        'X-Engine': 'direct',
        'X-Retain-Images': 'none'
    }
    print(f"URL: {url}")
    print(f"Headers: {headers}")
    response = requests.get(url, headers=headers)
    print(response.text)

else:
    print("Please specify --job url or --job search")

Tavily AI

Tavily ist eine KI-Such-API, die speziell für LLM-Anwendungen entwickelt wurde. Sie liefert hochrelevante Suchergebnisse durch die Kombination von Websuche und KI-Verarbeitung.

Um Tavily zu nutzen, müssen Sie:

Einen API-Schlüssel auf tavily.com registrieren.
Das Python-Paket installieren.

import os
from tavily import TavilyClient

# API-Schlüssel aus der Umgebungsvariable abrufen
TAVILY_API_KEY = os.getenv('TAVILY_API_KEY')

if TAVILY_API_KEY is None:
    raise ValueError("API-Schlüssel nicht gefunden. Bitte setzen Sie die TAVILY_API_KEY-Umgebungsvariable.")

# TavilyClient mit dem abgerufenen API-Schlüssel initialisieren
tavily_client = TavilyClient(api_key=TAVILY_API_KEY)

# Eine Suchanfrage stellen
response = tavily_client.search("Wer ist Leo Messi?")

# Die Antwort ausgeben
print(response)

Open WebUI

Open WebUI ist ein hervorragendes Tool.
Um den Server zu starten, führen Sie diese Befehle aus: pip install open-webui und open-webui serve.
Der Installationsprozess kann etwas Zeit in Anspruch nehmen (etwa 10 Minuten oder mehr).
Open WebUI funktioniert gut mit Ollama.

Tableau, Scale und Power BI

Tableau

https://tableau.com

Nach der Registrierung wurde mir mitgeteilt, dass ich 13 Tage Zeit habe, den Service zu testen.

Quelle: tableau.com

Scale

https://scale.com

Quelle: scale.com

Power BI

https://powerbi.microsoft.com

Verwendung von OpenRouter

China-ausgestellte Visa-Kreditkarten werden akzeptiert.
Die Rankings-Seite ist interessant, um die beliebtesten und trendigen Modelle zu sehen.
Sie können sehen, wie Menschen LLM-Modelle in Kategorien wie Rollenspiel, Programmierung, Marketing, Marketing/SEO und Technologie verwenden.
Für Nutzer in Hongkong ist weiterhin ein VPN erforderlich, um auf die Anthropic-API zuzugreifen.

ElevenLabs AI

Großartig. Ich habe 5 US-Dollar verwendet, um den Service zu testen.
Stimmklon ist fantastisch.
Audio-Beispiele unten:
Englisch
Japanisch
Spanisch

import os
import requests
from dotenv import load_dotenv
import argparse
import re

load_dotenv()

api_key = os.environ.get("ELEVENLABS_API_KEY")
if not api_key:
    raise ValueError("ELEVENLABS_API_KEY environment variable not set.")

parser = argparse.ArgumentParser()
parser.add_argument("--file", type=str, help="Markdown-Datei zur Konvertierung in Sprache", required=False)
parser.add_argument("--text", type=str, help="Text zur Konvertierung in Sprache", required=False)
parser.add_argument("--output", type=str, help="Ausgabedateiname", required=True)
parser.add_argument("--voice_id", type=str, default="21m00Tcm4TlvDq8iK2G8", help="Zu verwendende Stimmen-ID")

args = parser.parse_args()

if args.file:
    try:
        with open(args.file, 'r') as f:
            content = f.read()
            # Front Matter entfernen
            content = re.sub(r'---.*?---', '', content, flags=re.DOTALL)
            text = content.strip()
    except FileNotFoundError:
        print(f"Fehler: Datei nicht gefunden: {args.file}")
        exit(1)
    except Exception as e:
        print(f"Fehler beim Lesen der Datei: {e}")
        exit(1)
elif args.text:
    text = args.text
else:
    print("Fehler: Entweder --file oder --text muss angegeben werden.")
    exit(1)


url = f"https://api.elevenlabs.io/v1/text-to-speech/{args.voice_id}"

headers = {
  "Accept": "audio/mpeg",
  "Content-Type": "application/json",
  "xi-api-key": api_key
}

data = {
  "text": text,
  "model_id": "eleven_flash_v2_5",
  "voice_settings": {
    "stability": 0.5,
    "similarity_boost": 0.5
  }
}

response = requests.post(url, json=data, headers=headers)

if response.status_code == 200:
    with open(args.output, 'wb') as f:
        f.write(response.content)
    print(f"Audio gespeichert unter {args.output}")
else:
    print(f"Fehler: {response.status_code} - {response.text}")

Back Donate