Kurs
OpenAI API ile Çalışmak
3 sa
184.8K
OpenAI API ile Başlarken
Başlamak için bir OpenAI hesabı ve bir API anahtarı oluşturmamız gerekiyor. Bunun için API anahtarı sayfalarına gidin ve sağ üst köşedeki "Create new secret key" butonuna tıklayın.
Bu anahtar, OpenAI API’sine istek göndermek için kullanılır. Python betiklerimizi yazdığımız klasörde .env adlı bir dosyada saklarız. Anahtarı gizli tuttuğunuzdan emin olun; çünkü hesabınızı kullanarak API ile etkileşime geçmek için herkes onu kullanabilir.
API anahtarını .env dosyasına şu formatta yapıştırın:
OPENAI_API_KEY=<paste_api_key_here>API kullanımı ücretsiz değildir, bu yüzden hesabınıza bakiye eklemeniz gereklidir; ancak bundan sonra Sora 2 ile video üretebilirsiniz. Referans olması açısından, Sora 2’nin saniye başına fiyatlandırması şöyledir:
Python ile Sora 2 Videosu Üretme
Bu eğitimin tüm kodlarını bu GitHub deposunda bulabilirsiniz.
Python ile OpenAI API’siyle iletişim kurmak için openai paketini kullanacağız. Sora API’de yeni olduğundan, paketin güncel bir sürümüne ihtiyacımız var.
Kurmak (veya zaten kuruluysa yükseltmek) için şu komutu kullanabiliriz:
pip install --upgrade openaiAynı klasörde, daha önce oluşturduğumuz .env dosyasının yanına generate_video.py adlı yeni bir betik oluşturun.
İlk adım gerekli paketleri içe aktarmak. Şunları kullanacağız:
os: İşletim sistemiyle etkileşim için yerleşik bir paket;openai: API’leriyle etkileşim için resmi OpenAI paketi;dotenv:.envdosyasından ortam değişkenlerini yüklemeyi kolaylaştıran bir paket. Bu örnekte OpenAI API anahtarını yüklemek için kullanıyoruz.
import os
from openai import OpenAI
from dotenv import load_dotenvSonraki adımda .env dosyasını yüklüyoruz:
load_dotenv()
API_KEY = os.getenv("OPENAI_API_KEY")API anahtarı belleğe yüklendikten sonra, OpenAI API’sine istek göndermemizi sağlayan OpenAI istemcisini başlatabiliriz. API anahtarını yüklemek için os kütüphanesini kullanıyoruz:
client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))
Son olarak, istemcinin videos.create fonksiyonunu kullanarak bir video üretiyoruz:
video = client.videos.create(
prompt="A cat and a dog dancing",
)
print(video.id)Video üretimi istediğimizde, üretim zaman aldığı için videoyu hemen alamayız. Bu nedenle video değişkeni videonun kendisi değil, video üretim işi hakkında bilgi içeren bir nesnedir.
Bu yüzden video tanımlayıcısını yazdırdık. Bu bilgi bize şunlar için gerekecek:
- Video üretiminin ilerlemesini izlemek.
- Videoyu indirmek.
Bu iki adımı aşağıda ayrıntılı olarak açıklayacağız.
Benim elde ettiğim sonuç şöyleydi:
Video ilerlemesini izleme
Bir işin durumunu, iş tanımlayıcısını videos.retrieve() fonksiyonuna vererek şu şekilde alabiliriz:
job = client.videos.retrieve(job_id)
status = job.status
progress = job.progress
print(f"Status: {status}, {progress}%")Videoyu indirebilmek için ilerlemenin %100’e ulaşmasını beklememiz gerekir. Kolaylık sağlaması için, bir iş tamamlanana kadar durumunu izleyen wait_for_video_to_finish() adlı bir fonksiyon yazıyoruz:
def wait_for_video_to_finish(video_id, poll_interval=5, timeout=600):
"""
Poll status until the video is ready or timeout is reached.
Returns the final job info.
"""
client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))
elapsed = 0 # Keep track of the elapsed time
while elapsed < timeout:
job = client.videos.retrieve(video_id)
status = job.status
progress = job.progress
print(f"Status: {status}, {progress}%")
if status == "completed":
return job
if status == "failed":
raise RuntimeError(f"Failed to generate the video: {job.error.message}")
time.sleep(poll_interval)
elapsed += poll_interval
raise RuntimeError("Polling timed out")Fonksiyonun üç parametresi vardır:
video_id: İzlemek istediğimiz videonun tanımlayıcısı.poll_interval: Her takip isteği arasında beklediğimiz saniye sayısı.timeout: Beklenecek maksimum saniye sayısı.
Bu fonksiyon, video tamamlanana ya da yoklama süresi dolana kadar periyodik olarak durumunu kontrol eder.
Videoyu indirme
Artık video üretim sürecini takip edebildiğimize göre, tek ihtiyacımız olan şey, üretim bittiğinde videoyu indirebilmenin bir yolu. Bunu videos.download_content() fonksiyonuyla yapabiliriz.
Bunu yapan bir fonksiyon örneği:
def download_video(video_id):
client = get_client()
response = client.videos.download_content(
video_id=video_id,
)
video_bytes = response.read()
with open(f"{video_id}.mp4", "wb") as f:
f.write(video_bytes)Tam Sora video üretim iş akışı
Bu adımları bir araya getirerek Sora ile bir video üretim iş akışı oluşturabiliriz:
prompt = "A cat and a dog dancing"
video = client.videos.create(
prompt="A cat and a dog dancing",
)
video_id = video.id
print(f"Started generating video with id {video_id}")
wait_for_video_to_finish(video_id)
download_video(video_id)Video boyutu ve süresini ayarlama
Yukarıdaki betik, videoyu yalnızca bir metin istemiyle üretir. Ancak OpenAI Sora 2 API başka seçenekler de sunar, örneğin:
model: Videoyu üretmek için kullanılan model. Varsayılan olaraksora-2.resolution: Videonun boyutu. Varsayılan video boyutu720x1280.duration: Videonun kaç saniye olacağı. Varsayılan olarak video 4 saniyedir.
Mod’a bağlı olarak tüm olası değerlerin yer aldığı bir tablo aşağıdadır (kalın olan değerler varsayılanlardır):
Betik kullanımını kolaylaştırmak için, yerleşik argparse paketini kullanarak kullanıcının her bir parametrenin değerini belirtmesini sağlayabiliriz.
İşte argparse ile prompt ve model argümanlarını ayarlamaya bir örnek:
parser = argparse.ArgumentParser()
parser.add_argument(
"--prompt", # Name of the argument
required=True, # Specify that the argument is required
help="The video prompt.", # Helper text
)
parser.add_argument(
"--model",
default="sora-2", # Specify a default value for the argument
choices=["sora-2", "sora-2-pro"], # Specify a list of possible values for the argument
help="Model to use (sora-2 or sora-2-pro).",
)Argümanları yüklemek için parse_args() metodunu şu şekilde çağırırız:
args = parser.parse_args()
prompt = args.prompt
model = args.modelGitHub deposundaki generate_video_pipeline.py betiği, öğrendiklerimizin tüm parçalarını bir araya getirerek Sora 2 kullanarak video üretebilen bir betik oluşturur.
Bunu belirli parametrelerle terminalde çalıştırmaya bir örnek:
python generate_video_pipeline.py --prompt "A family of dogs driving a car" --model sora-2-pro --size 1280x720 --seconds 8Sonuç şöyle oldu:
