phrame

Phrame 项目介绍

项目概述

Phrame 是一款通过识别周围环境中的对话，将口语和情感转化为视觉艺术作品的创新工具。这个项目把声音变成美丽的艺术作品，让每个人都能释放自己的创造力，轻松改造自己周围的声景。

项目实现

Phrame 利用 Web Speech API 的 SpeechRecognition 接口，将音频转换为文本。这些文本会被 OpenAI 处理，生成一个精简的摘要。随后，摘要与配置的生成性 AI 图像服务结合，生成最终的图像并保存。

项目功能

• 从对话中创建独特的 AI 生成艺术作品。
• 提供自动、手动和语音激活的摘要生成功能，随时随地创作艺术。
• 界面友好，兼容桌面和移动设备，并可通过 WebSockets 实时更新和远程控制。
• 集成配置编辑器，便于用户个性化设置。
• 支持多种生成性 AI 图像服务。
• 支持使用语音命令来生成图像和导航。
• 轻松管理画廊：浏览、收藏、删除图片，并支持使用键盘快捷键进行操作。
• 提供日志访问和管理功能，以便高效排除故障。

支持的 AI 服务

Phrame 支持以下 AI 图像服务：

• OpenAI
• Midjourney
• Stability AI
• Dream
• DeepAI
• Leonardo.Ai

语音命令

用户可以激活麦克风，通过以下语音命令与 Phrame 进行交互：

用户界面

Phrame 的用户界面响应式设计，可通过 http://localhost:3000 访问。不同的路径对应不同功能模块，例如：

隐私政策

Phrame 的语音识别由浏览器管理，音频数据处理由具体浏览器决定。例如，Chrome 会将音频发送到 Google 的服务器进行文本转录。用户应当查看所用浏览器的隐私政策，以充分了解语音数据的处理方式。

Phrame 将转录文本保存在本地数据库，并通过 OpenAI 生成摘要。转录文本生成摘要后即被删除，最终创作的艺术作品保存在本地。Phrame 不会保存或传输用户的转录内容，除非用于通过 OpenAI 生成摘要。

使用指南

Phrame 以单个 Docker 容器形式运行，支持在任何现代浏览器中访问，无需麦克风。如需使用语音识别功能，需具备兼容语音识别功能的浏览器和麦克风。目前，Chrome 和 Safari 支持语音识别功能。

快速开始

1. 启动 Phrame。
2. 前往 http://localhost:3000/config 添加 OpenAI API 密钥并保存。
3. 确认 OpenAI 配置成功。
4. 前往 http://localhost:3000/phrame?mic 并根据屏幕说明操作。
5. 检查麦克风和语音识别功能是否正常工作。

透过这些功能和技术，Phrame 以创新的方式将声音转化为视觉体验，激发用户的创意灵感。