AI i Windows-exempelgalleriet
En samling exempel som visar en mängd olika sätt att förbättra dina Windows-appar med hjälp av lokala API:er och Maskininlärningsmodeller (ML), lokal maskinvaruacceleration med DirectML och användning av molnbaserade API:er.
När du använder AI-funktioner rekommenderar vi att du granskar: Utveckla ansvarsfulla generativa AI-program och funktioner i Windows.
Förbättra dina Windows-appar med AI med hjälp av lokala API:er och ML-modeller
De här exemplen hjälper dig att förbättra dina Windows-appar med AI med hjälp av lokala API:er och Machine Learning-modeller.
AI-baserad ljudredigerare
GitHub-lagringsplats: EXEMPEL på AI-ljudredigerare
Description: Den AI-baserade ljudredigeraren visar hur du skapar en WinUI 3-ljudredigeringsapp som använder AI för att matcha ljudfragment till en relevant fråga. Ett exempel på användningsfall kan vara en podcastskapare som vill skapa korta ljudklipp av sitt innehåll för att marknadsföra på sociala medier. Exemplet använder lokal ML-modellinferens för att hantera transkription och semantisk sökning.
funktioner: Lokal modellinferens med ONNX Runtime, Whisper-modell, inbäddningsmodell
AI-baserad anteckningsapp
GitHub-lagringsplats: AI-baserad Notes-exempelapp
Description: Det här AI-baserade anteckningsprogrammet visar användningen av API:er, inklusive OCR-textigenkänning, ljudavskrift via lokal ML-modell, semantisk sökning via en lokal inbäddningsmodell, användning av lokala språkmodeller med Phi3 för sammanfattning, automatisk komplettering och textskäl och hämtning av förhöjd generation (RAG) för att jorda språkmodeller till verkliga data.
funktioner: Semantisk sökning med lokal modell, ljudtranskription med lokal modell, lokal återhämtningsförstärkt generation (RAG) med Phi3, lokal textsammanfattning och resonemang med Phi3, textextrahering från bilder med OCR API
Retrieval Augmented Generation (RAG) med PDF-filer och Phi3
GitHub-lagringsplats: WPF-exempelapp för RAG PDF Analyzer
Description: Den här WPF-exempelappen visar hur du skapar en upplevelse med en lokal språkmodell (till exempel Phi3) för att besvara frågor om innehåll i ett PDF-dokument. Exemplet hittar svar genom att referera till en kunskapsbas utanför modellens egna träningsdata innan du genererar ett svar. Det här mönstret, som kallas RAG (Retrieval Augmented Generation), är ett exempel på hur du jordar en språkmodell till verkliga auktoritativa data.
funktioner: Hämtningsförhöjd generation (RAG), ONNX Runtime Generative AI, DirectML
Phi3 Generative AI Chat
GitHub Repo: Phi3 Chat WinUI 3 Exempel
Description: Det här WinUI 3-appexemplet visar hur du använder ONNX Runtime Generative AI-biblioteket för att skapa en chattupplevelse med en lokal språkmodell, särskilt Phi3 Small Language Model (SLM).
funktioner: Phi3, ONNX Runtime Generative AI, DirectML
Exempel på Windows Studio-effekter
GitHub-lagringsplats: Exempelapp för Windows Studio-effekter
Beskrivning: Lär dig hur du styr Camera Studio-effekter från ditt Windows-program i det här kodexemplet. Kontrollera om en kamera som stöds är tillgänglig i systemet (kräver en enhet med en NPU och inbyggd kamera) och hämtar och ställer sedan in utökade kamerakontroller som är associerade med Windows Studio-effekter, till exempel Bakgrundsoskärpa, Ögonögonkorrigering och automatisk inramning.
funktioner: Windows Studio-effekter
Lokal maskinvaruacceleration via DirectML
Maskinvaruaccelererad stabil diffusion på webben
GitHub Repo: WebNN Stable Diffusion Turbo
Description: Det här exemplet visar hur du använder WebNN med ONNX Runtime-webben för att köra Stable Diffusion lokalt på GPU:n med DirectML. SD-Turbo är en snabb generativ text-till-bild-modell som kan syntetisera fotorealistiska bilder från en textprompt i en enda nätverksutvärdering. I demonstrationen kan du generera en bild på 2 sekunder på AI-PC-enheter genom att använda WebNN API, ett dedikerat lågnivå-API för att accelerera neurala nätverksberäkningar med maskinvara.
Funktioner: Lokal bildgenerering, WebNN, DirectML
App Type: JavaScript, Web Apps
Maskinvaruaccelererat segment Vad som helst på webben
GitHub-repo: WebNN Segment Anything
Description: Det här exemplet visar hur du använder WebNN med ONNX Runtime-webben för att köra Segment anything lokalt på GPU:n med DirectML. Segment Anything är en ny AI-modell från Meta AI som kan "klippa ut" alla objekt. I demonstrationen kan du segmentera alla objekt från dina uppladdade bilder.
Funktioner: Lokal bildsegmentering, WebNN, DirectML
App Type: JavaScript, Web Apps
Maskinvaruaccelererad Whisper på webben
GitHub-repo: WebNN Whisper Base
Description: Det här exemplet illustrerar hur du använder WebNN med ONNX Runtime-webben för att köra Whisper-modellens tal-till-text-funktioner lokalt på GPU eller NPU med DirectML. Whisper Base är en förtränad modell för automatisk taligenkänning (ASR) och talöversättning. I demonstrationen kan du uppleva tal till text-funktionen med hjälp av enhetsinferens som drivs av WebNN API och DirectML, särskilt NPU-accelerationen.
Funktioner: Lokal röst-till-text, WebNN, DirectML
App Type: JavaScript, Web Apps
Maskinvaruaccelererade och föroptimerade ONNX Runtime-språkmodeller (Phi3, Llama3 osv.) med DirectML
GitHub-lagringsplats: DirectML-exempel i Olive-lagringsplatsen
Beskrivning: Det här exemplet visar hur du kör en föroptimerad ORT-språkmodell (ONNX Runtime) lokalt på GPU:n med DirectML. Exemplet innehåller instruktioner för hur du konfigurerar din miljö, laddar ned de senaste förtränade språkmodellerna med hjälp av ORT Generate API och kör modellen i en Gradio-app.
funktioner: Maskinvaruacceleration, GenAI, ONNX, ONNX Runtime, DirectML
apptyp: Python, Gradio
Maskinvaruaccelererade PyTorch-modeller (Phi3, Llama3, osv.) med DirectML
GitHub-repositorium: DirectML PyTorch-exempel
Description: Det här exemplet visar hur du kör en PyTorch-språkmodell lokalt på GPU:n med DirectML. Exemplet innehåller instruktioner för hur du konfigurerar din miljö, laddar ned de senaste förtränade språkmodellerna och kör modellen i en Gradio-app. Det här exemplet stöder olika språkmodeller med öppen källkod, till exempel Llama-modeller, Phi3-mini, Phi2 och Mistral-7B.
Funktioner: Maskinvaruacceleration, PyTorch, DirectML
apptyp: Python, Gradio
Förbättra dina Windows-appar med AI med hjälp av moln-API:er
Fler molnbaserade API-exempel finns i dokumentationen Azure AI-tjänster.
Lägga till OpenAI-chatten i din WinUI 3/Windows App SDK-app
Självstudie: Lägg till OpenAI-chattkompletteringar i din WinUI 3/Windows App SDK-app
Beskrivning: Integrera funktionerna för att slutföra OpenAI-chatten i en WinUI 3/Windows App SDK-skrivbordsapp.
funktioner: OpenAI-chatten har slutförts
Lägga till DALL-E i din WinUI 3/Windows App SDK-skrivbordsapp
Självstudie: Lägg till DALL-E i din WinUI 3/Windows App SDK-skrivbordsapp
Beskrivning: Integrera funktionerna för OpenAI DALL-E bildgenerering i en WinUI 3/Windows App SDK-skrivbordsapp.
funktioner: Bildgenerering
Skapa en rekommendationsapp med .NET MAUI och ChatGPT
Självstudie: Skapa en rekommendationsapp med .NET MAUI och ChatGPT
Beskrivning: Integrera funktionerna för att slutföra OpenAI-chatten i en .NET MAUI-skrivbordsapp.
funktioner: Bildgenerering
Lägg till DALL-E i din .NET MAUI Windows-skrivbordsapp
Självstudie: Lägg till DALL-E i din .NET MAUI Windows-skrivbordsapp
Beskrivning: Integrera funktionerna för OpenAI-DALL-E bildgenerering i en .NET MAUI-skrivbordsapp.
funktioner: Bildgenerering
Äldre WinML-exempel
GitHub-lagringsplats: WinML-exempel på GitHub
Description: WinML stöds fortfarande, men dessa exempel har inte uppdaterats för att återspegla modern AI-användning.