AI op Windows Voorbeeldgalerie
Een verzameling voorbeelden die verschillende manieren demonstreren om uw Windows-apps te verbeteren met behulp van lokale API's en MACHINE Learning-modellen (ML), lokale hardwareversnelling met DirectML en cloud-API's.
Bij het gebruik van AI-functies raden we u aan het volgende te bekijken: Ontwikkelen van verantwoorde Generatieve AI-toepassingen en -functies in Windows.
Uw Windows-apps verbeteren met AI met behulp van lokale API's en ML-modellen
Met deze voorbeelden kunt u uw Windows-apps verbeteren met AI met behulp van lokale API's en Machine Learning-modellen.
Door AI gemaakte audio-editor
GitHub-opslagplaats: ai-audio-editorvoorbeeld
Beschrijving: de AI-audio-editor demonstreert het bouwen van een WinUI 3-audiobewerkings-app die AI gebruikt om fragmenten van audio aan een relevante query te koppelen. Een voorbeeld van een use-case kan een podcastmaker zijn die korte audioclips van hun inhoud wil maken om te promoveren op Social Media. In het voorbeeld wordt gebruikgemaakt van lokale ML-modeldeductie voor het verwerken van transcriptie en semantische zoekopdrachten.
Kenmerken: Lokale modelinference met ONNX Runtime, Whisper-model, Embeddings-model
AI-aangedreven notitie-app
GitHub-opslagplaats: AI-aangedreven notities voorbeeldapp
Beschrijving: deze ai-toepassing voor het maken van notities demonstreert het gebruik van API's, waaronder OCR-tekstherkenning, Audiotranscriptie via lokaal ML-model, Semantisch zoeken via een lokaal insluitingsmodel, lokaal taalmodelgebruik met Phi3 voor samenvatting, automatisch aanvullen en tekstredenering, en Ophalen van augmented generation (RAG) voor grondtaalmodellen voor echte gegevens.
Functies: Semantische zoekopdracht met lokaal model, Audiotranscriptie met lokaal model, Rag (Local Retreval Augmented Generation) met Phi3, samenvatting en redenering van lokale tekst met Phi3, Tekstextractie uit afbeeldingen met OCR API-
Augmented Generation (RAG) ophalen met PDF's en Phi3
GitHub-opslagplaats: RAG PDF Analyzer WPF Sample App
Beschrijving: deze WPF-voorbeeld-app laat zien hoe u een ervaring bouwt met een lokaal taalmodel (zoals Phi3) om vragen over inhoud in een PDF-document te beantwoorden. Het voorbeeld vindt antwoorden door te verwijzen naar een knowledge base buiten de eigen trainingsgegevens van het model voordat er een antwoord wordt gegenereerd. Dit patroon, genaamd Retrieval Augmented Generation (RAG), is een voorbeeld van hoe een taalmodel kan worden gebaseerd op gezaghebbende gegevens in de echte wereld.
Features: Retrieval Augmented Generation (RAG), ONNX Runtime Generation AI, DirectML
Phi3 Generatieve AI Chat
GitHub-opslagplaats: Phi3 Chat WinUI 3 Sample
Beschrijving: dit WinUI 3-app-voorbeeld laat zien hoe u de ONNX Runtime Ative AI-bibliotheek gebruikt om een chatervaring te bouwen met een lokaal taalmodel, met name het Phi3 Small Language Model (SLM).
Functies: Phi3, ONNX Runtime Generatieve AI, DirectML
Voorbeeld van Windows Studio-effecten
GitHub-opslagplaats: voorbeeld-app voor Windows Studio-effecten
Beschrijving: in dit codevoorbeeld leert u hoe u Camera Studio-effecten kunt beheren vanuit uw Windows-toepassing. Controleer of er een ondersteunde camera beschikbaar is op het systeem (hiervoor is een apparaat met een NPU en ingebouwde camera vereist), en stelt u uitgebreide camerabesturingselementen in die zijn gekoppeld aan Windows Studio-effecten, zoals Achtergrondvervaging, Oogboogcorrectie en Automatische framelijsten.
Functies: Windows Studio-effecten
Lokale hardwareversnelling via DirectML
Hardware versnelde stabiele diffusie op het web
GitHub-repo: WebNN Stable Diffusion Turbo
Beschrijving: in dit voorbeeld ziet u hoe u WebNN met ONNX Runtime-web gebruikt om Stable Diffusion lokaal uit te voeren op de GPU met DirectML. SD-Turbo- is een snel generatief tekst-naar-afbeeldingsmodel dat fotorealistische afbeeldingen kan synthetiseren vanaf een tekstprompt in één netwerkevaluatie. In de demo kunt u binnen 2 seconden een afbeelding genereren op AI-pc-apparaten door gebruik te maken van de WebNN-API, een speciale API op laag niveau voor hardwareversnelling van neurale netwerk inferentie.
Functies: Lokale afbeeldingsgeneratie, WebNN, DirectML
App Type: JavaScript, webapps
Hardware-versnelde Segmenteer Alles op het web
GitHub-opslagplaats: WebNN Segment Anything
Beschrijving: in dit voorbeeld ziet u hoe u WebNN met ONNX Runtime-web gebruikt om Segment Alles lokaal uit te voeren op de GPU met DirectML. Segment Alles is een nieuw AI-model van Meta AI waarmee elk object kan worden 'uitgeknipt'. In de demo kunt u elk object segmenteren op basis van uw geüploade afbeeldingen.
Functies: Lokale beeldsegmentatie, WebNN-, DirectML-
App Type: JavaScript, webapps
Hardware-versnelde Whisper op het web
GitHub-opslagplaats: WebNN Whisper Base
Beschrijving: in dit voorbeeld ziet u hoe u WebNN gebruikt met het ONNX Runtime-web om de spraak-naar-tekstmogelijkheden van het Whisper-model lokaal uit te voeren op de GPU of NPU met DirectML. Whisper Base is een vooraf getraind model voor automatische spraakherkenning (ASR) en spraakomzetting. In de demo kunt u de functie spraak-naar-tekst ervaren met behulp van deductie op het apparaat, mogelijk gemaakt door WebNN-API en DirectML, met name de NPU-versnelling.
Functies: Lokale spraak-naar-tekst, WebNN, DirectML
App Type: JavaScript, webapps
Hardwareversneld en voorgeoptimaliseerde ONNX Runtime-taalmodellen (Phi3, Llama3, enzovoort) met DirectML
GitHub-opslagplaats: DirectML-voorbeelden in de Olive-opslagplaats
Beschrijving: in dit voorbeeld ziet u hoe u lokaal een vooraf geoptimaliseerd ONNX Runtime-taalmodel (ORT) uitvoert op de GPU met DirectML. Het voorbeeld bevat instructies voor het instellen van uw omgeving, het downloaden van de meest recente vooraf getrainde taalmodellen met behulp van de ORT Generate-API en het model uitvoeren in een Gradio-app.
Functies: Hardwareversnelling, GenAI, ONNX-, ONNX Runtime-, DirectML-
app-type: Python, Gradio
Hardwareversnelde PyTorch-modellen (zoals Phi3, Llama3, enzovoort) met DirectML
GitHub-opslagplaats: Voorbeelden van DirectML PyTorch
Beschrijving: in dit voorbeeld ziet u hoe u lokaal een PyTorch-taalmodel uitvoert op de GPU met DirectML. Het voorbeeld bevat instructies voor het instellen van uw omgeving, het downloaden van de meest recente vooraf getrainde taalmodellen en het uitvoeren van het model in een Gradio-app. Dit voorbeeld ondersteunt verschillende opensource-taalmodellen zoals Llama-modellen, Phi3-mini, Phi2 en Mistral-7B.
Functies: Hardwareversnelling, PyTorch, DirectML
app-type: Python, Gradio
Uw Windows-apps verbeteren met AI met behulp van cloud-API's
Meer cloud-API-voorbeelden vindt u in de documentatie van Azure AI-services.
OpenAI-chatvoltooiingen toevoegen aan uw WinUI 3/Windows App SDK-app
Zelfstudie: OpenAI-chatvoltooiingen toevoegen aan uw WinUI 3/Windows App SDK-app
Beschrijving: integreer de voltooiingsmogelijkheden van de OpenAI-chat in een WinUI 3-/Windows App SDK-bureaublad-app.
Functies: OpenAI-chattekstaanvulling
DALL-E toevoegen aan uw WinUI 3-/Windows App SDK-bureaublad-app
Zelfstudie: DALL-E toevoegen aan uw WinUI 3-/Windows App SDK-bureaublad-app
Beschrijving: Integreer de OpenAI DALL-E mogelijkheden voor het genereren van afbeeldingen in een WinUI 3/Windows App SDK-bureaublad-app.
Functies: Het genereren van afbeeldingen
Een aanbevelingsapp maken met .NET MAUI en ChatGPT
Zelfstudie: Een aanbevelings-app maken met .NET MAUI en ChatGPT-
Beschrijving: integreer de voltooiingsmogelijkheden van de OpenAI-chat in een .NET MAUI-desktop-app.
Functies: Het genereren van afbeeldingen
Voeg DALL-E toe aan uw .NET MAUI Windows-bureaublad-app
Zelfstudie: DALL-E toevoegen aan uw .NET MAUI Windows-bureaublad-app
Beschrijving: integreer de mogelijkheden voor het genereren van afbeeldingen van OpenAI DALL-E in een DESKTOP-app van .NET MAUI.
Functies: Het genereren van afbeeldingen
Verouderde WinML-voorbeelden
GitHub-opslagplaats: WinML-voorbeelden op GitHub
Beschrijving: WinML wordt nog steeds ondersteund, maar deze voorbeelden zijn niet bijgewerkt om het moderne AI-gebruik weer te geven.