Jarvis is a voice commanding assistant service in Python 3.8It can recognize human speech, talk to user and execute basic commands.
Jarvis assistant uses third party APIs for speech recognition,web information search, weather forecasting etc.All the following APIs have free no-commercial API calls. Subscribe to the following APIs in order to take FREE access KEYs.
git clone https://github.com/ggeop/Jarvis.git --branch master
For Contribution:
git clone https://github.com/ggeop/Jarvis.git --branch develop
cd Jarvis
bash setup.sh
NOTE: For better exprerience, before you start the application you can put the free KEYs in the settings.py
nano Jarvis/src/jarvis/jarvis/setting.py
bash run_jarvis.sh
You can easily add a new skill in two steps.
{
'enable': True,
'func': Skills.new_skill,
'tags': 'tag1, tag2',
'description': 'skill description..'
}
The skill extraction implement in a matrix of TF-IDF features for each skill.In the following example he have a dimensional space with three skills.The user input analyzed in this space and by using a similarity metric (e.g cosine) we find the most similar skill.
develop
branch and create a feature branch e.g feature_branch
develop
master
branch update and release is automated via Travis CI/CDGPT 迭代过程概要表: 版本 发布时间 训练方案 参数量 是否开放接口 GPT(GPT-1) 2018 年 6 月 无监督学习 1.17 亿 是 GPT-2 2019 年 2 月 多任务学习 15 亿 是 GPT-3 2020 年 5 月 海量参数 1,750 亿 是 GPT-3.5 2022 年 12 月 针对对话场景优化 1,750 亿 是 GPT-4 未发布 万亿参数 100万亿 否 获取
系列文章目录: OpenAI API及ChatGPT系列教程1:快速入门 OpenAI API及ChatGPT系列教程2:使用手册 OpenAI API及ChatGPT系列教程3:API参考(Python) OpenAI API及ChatGPT系列教程3:API参考(Python) 一、介绍: 要安装官方 Python 库,请运行以下命令: pip install openai 二、验证: Op
本文向大家介绍Python实现AI换脸功能,包括了Python实现AI换脸功能的使用技巧和注意事项,需要的朋友参考一下 需要用到的接口: 获取人脸信息的接口:https://api-cn.faceplusplus.com/facepp/v3/detect 实现换脸的接口 :https://api-cn.faceplusplus.com/imagepp/v1/mergeface 代码分为三步 代码:
打造一款能够完美连结服务端云平台、移动客户端、电脑网页、电脑软件、智能硬件等任意终端的人工智能框架。 这里的人工智能,并非指简单的对话。而是对每一终端进行深层次标注,从而决定这个终端拥有哪些脚本,并在一定的条件下触发。同时达到多终端的互通,如网页控制手机,手机控制可穿戴设备等。 主要特点如下: 智能标签 智能标签可以为每个访问的终端/用户帖上相应的标签,从而使程序可以做出针对性的处理。 如:用户第
ColossalAI 是一个具有高效并行化技术的综合大规模模型训练系统。旨在无缝整合不同的并行化技术范式,包括数据并行、管道并行、多张量并行和序列并行。 Colossal-AI 的目标是支持人工智能社区以与他们正常编写模型相同的方式编写分布式模型。这使得他们可以专注于开发模型架构,并将分布式训练的问题从开发过程中分离出来。 ColossalAI 提供了一组并行训练组件。旨在支持用户编写分布式深度学
H2O 的核心是一个统计分析引擎,它使用 Hadoop 的分布式文件系统(HDFS)作为其存储平台,但是它们的最终目标是像谷歌的 BigQuery 一样简单。H2O 的用户交互是通过一个简单的网络搜索和标准 R 统计分析语法。另外,用户还可以在 Microsoft Excel 或 RStudio 的集成开发环境中使用 REST API 调用 H2O。
Swift AI 是高性能的人工智能和机器学习库,完全用 Swift 编写,目前支持 iOS and OS X,未来将支持更多平台。 Swift AI 包括一组人工智能和机器学习的通用工具,这些工具灵活、强大,可用于广泛的应用程序。 Feed-Forward Neural Network 3-layer network with options for customization. Exampl
Snake-AI,这是一个用 C/C++ 语言编写的贪吃蛇游戏的人工智能。 AI 的目的是让蛇尽可能的吃更多的食物,直到吃满整个地图。想参与这个项目,请查看todos。 Demo 使用方法 编译与运行: $ make$ make run 为了解详细使用方法, 请查看主函数main() 算法介绍 函数Snake.decideNext(): 计算蛇S1的下一个移动方向D 计算从蛇S1的头部到达食物的最