让ChatGPT调用10万+开源AI模型！HuggingFace新功能爆火：大模型可随取随用多模态AI工具

最近发现不少小伙伴都对科技周边很感兴趣，所以今天继续给大家介绍科技周边相关的知识，本文《让ChatGPT调用10万+开源AI模型！HuggingFace新功能爆火：大模型可随取随用多模态AI工具》主要内容涉及到等等知识点，希望能帮到你！当然如果阅读本文时存在不同想法，可以在评论中表达，但是请勿使用过激的措辞~

只需和ChatGPT聊聊天，它就能帮你调用10万+个HuggingFace模型！

这是抱抱脸最新上线的功能HuggingFace Transformers Agents，一经推出就获得极大关注：

这个功能，相当于给ChatGPT等大模型配备了“多模态”能力——

不限于文本，而是图像、语音、文档等任何多模态任务都能解决。

举个例子，你可以让ChatGPT解释一张海狸照片，向它提供这张图片。通过ChatGPT，可以使用图像解释器并输出“水中有一只海狸在游泳”

随后，ChatGPT再调用文字转语音，分分钟就能把这句话读出来：

A beaver is swimming in the water音频：00:0000:01

它不仅可以支持OpenAI大模型中的ChatGPT，还可以支持其他免费的大模型，如OpenAssistant。

Transformer Agent负责“教会”这些大模型直接调用Hugging Face上的任意AI模型，并输出处理好的结果。

所以这个新上线的功能，背后的原理究竟是什么？

如何让大模型“指挥”各种AI？

简单来说，Transformers Agents是一个大模型专属的“抱抱脸AI工具集成包”。

HuggingFace上各种大大小小的AI模型，都被收纳在这个包里，并被分门别类为“图像生成器”、“图像解释器”、“文本转语音工具”……

同时，每个工具都会有对应的文字解释，方便大模型理解自己该调用什么模型。

这样一来，只需要一段简单的代码+提示词，就能让大模型帮助你直接运行AI模型，并将输出结果实时返还给你，过程一共分为三步：

首先，设置自己想用的大模型，这里可以用OpenAI的大模型（当然，API要收费）：

from transformers import OpenAiAgentagent = OpenAiAgent(model="text-davinci-003", api_key="")

也可以用BigCode或OpenAssistant等免费大模型：

from huggingface_hub import loginlogin("")

然后，设置Hugging Transformers Agents。这里我们以默认的Agent为例：

from transformers import HfAgent# Starcoderagent = HfAgent("https://api-inference.huggingface.co/models/bigcode/starcoder")# StarcoderBase# agent = HfAgent("https://api-inference.huggingface.co/models/bigcode/starcoderbase")# OpenAssistant# agent = HfAgent(url_endpoint="https://api-inference.huggingface.co/models/OpenAssistant/oasst-sft-4-pythia-12b-epoch-3.5")

Transformers Agents可以通过运行指令run()或者chat()来启动。

run()适合同时调用多个AI模型，执行比较复杂专业的任务。

可以调用单个AI工具。

例如执行agent.run(“Draw me a picture of rivers and lakes.”)，它就能调用AI文生图工具帮你生成一张图像：

也可以同时调用多个AI工具。

例如执行agent.run(“Draw me a picture of the sea then transform the picture to add an island”)，它就能调用“文生图”和“图生图”工具，帮你生成对应图像：

chat()则适合以聊天的方式“持续完成任务”。

例如，先调用文生图AI工具，生成一个河流湖泊图片：agent.chat(“Generate a picture of rivers and lakes”)

再在这张图片的基础上做“图生图”修改：agent.chat(“Transform the picture so that there is a rock in there”)

要调用的AI模型可以自行设置，也可以使用抱抱脸自带的一套默认设置来完成。

已设置一套默认AI模型

目前，Transformers Agents已经集成了一套默认AI模型，通过调用以下Transformer库中的AI模型来完成：

1、视觉文档理解模型Donut。只要文件是以图片格式（包括PDF转换成的图片）存在，它就有能力回答与该文件有关的问题。

例如问“TRRF科学咨询委员会会议将在哪里举行”，Donut就会给出答案：

2、文字问答模型Flan-T5。给定长文章和一个问题，它就能回答各种文字问题，帮你做阅读理解。

3、零样本视觉语言模型BLIP。它可以直接理解图像中的内容，并对图像进行文字说明。

4、多模态模型ViLT。它可以理解并回答给定图像中的问题，

5、多模态图像分割模型CLIPseg。给定一个模型和提示词，它可以根据提示将图像中特定的区域分割出来生成mask。

6、自动语音识别模型Whisper。它可以自动识别一段录音中的文字，并完成转录。

7、语音合成模型SpeechT5。用于文本转语音。

8、自编码语言模型BART。除了可以自动给一段文字内容分类，还能做文本摘要。

9、200种语言翻译模型NLLB。不仅限于常见语言，还能翻译一些不那么广泛使用的语言，比如老挝语和卡姆巴语等。

通过调用上面这些AI模型，包括图像问答、文档理解、图像分割、录音转文字、翻译、起标题、文本转语音、文本分类在内的任务都可以完成。

除此之外，抱抱脸还“夹带私货”，包含了一些Transformer库以外的模型，包括从网页下载文本、文生图、图生图、文生视频：

这些模型不仅能单独调用，还可以混合在一起使用，例如要求大模型“生成并描述一张好看的海狸照片”，它就会分别调用“文生图”和“图片理解”AI模型。

当然，如果我们不想用这些默认AI模型，想设置一套更好用的“工具集成包”，也可以根据步骤自行设置。

对于Transformers Agents，也有网友指出，有点像是LangChain agents的“平替”：

你试过这两个工具了吗？感觉哪个更好用？

参考链接：[1]https://twitter.com/huggingface/status/1656334778407297027[2]https://huggingface.co/docs/transformers/transformers_agents

以上就是《让ChatGPT调用10万+开源AI模型！HuggingFace新功能爆火：大模型可随取随用多模态AI工具》的详细内容，更多关于工具,ChatGPT,AI的资料请关注golang学习网公众号！