重要通知:spring-ai-hunyuan 已兼容 Spring AI 稳定版!

最近有小伙伴在使用 mvn 仓库中的 1.0.0-M6 版本时,已经遇到一些兼容性问题和未知异常。本着更好地维护 spring-ai-hunyuan 仓库,我这几天熬夜更新并整理了对 Spring AI 稳定版(即 1.0.0)的支持。

项目源码地址:
👉 https://github.com/StudiousXiaoYu/spring-ai-hunyuan

当前已支持的功能包括:
✅ Chat(支持流式回答与图片理解)
✅ Embedding (文本向量生成)

混元官方的其他能力我也会逐步实现,欢迎更多小伙伴试用并通过 issue 提出反馈。如果一时联系不上我,也可以直接在相关文章下方留言,我会定期查看并及时回复。

如何使用#

环境准备#

确保你已安装以下工具:

✅ JDK 17+
✅ Maven 3.8+
✅ 腾讯云账号 + HunYuan 秘钥(Secret ID / Secret Key)

创建 Spring Boot 项目并集成#

在你的 Spring Boot 项目中添加如下依赖(以 pom.xml 为例):

<dependency>
    <groupId>io.github.studiousxiaoyu</groupId>
    <artifactId>spring-ai-starter-model-hunyuan</artifactId>
    <version>1.0.0</version>
</dependency>

配置 HunYuan 参数#

在 application.properties 或 application.yml 中添加 HunYuan 认证信息和模型配置:

spring.ai.hunyuan.secret-id=你的-secret-id
spring.ai.hunyuan.secret-key=你的-secret-key
spring.ai.hunyuan.chat.options.model=hunyuan-pro
spring.ai.hunyuan.embedding.options.model=hunyuan-embedding
spring.ai.hunyuan.embedding.options.dimensions=1024

编写测试代码#

使用 ChatClient 发起对话

public class HunYuanService {

    private final ChatClient chatClient;

    public HunYuanService(ChatClient chatClient) {
        this.chatClient = ChatClient.builder(chatModel).build();
    }

    public String askQuestion(String question) {
        return chatClient.prompt()
                .user(question)
                .call()
                .content();
    }
}

控制器示例

@RestController
@RequestMapping("/chat")
public class ChatController {

    private final HunYuanService hunYuanService;

    public ChatController(HunYuanService hunYuanService) {
        this.hunYuanService = hunYuanService;
    }

    @GetMapping("/q")
    public String chat(@RequestParam("text") String text) {
        return hunYuanService.askQuestion(text);
    }
}

启动并测试#

启动 Spring Boot 应用,访问:

http://localhost:8080/chat/q?text=你好

你应该能收到来自 HunYuan Pro 模型的回复。

总结#

目前默认模型为HunYuan Pro,如果想要使用其他模型,可以自行配置model参数进行调整。如果觉得有所帮助欢迎star~~

如果还有对Spring AI未上手的小伙伴,可以查看我写的demo示例,仓库地址在:https://github.com/StudiousXiaoYu/spring-ai-courses

这个仓库包含了专栏中各个模块的源码,帮助你深入学习每个环节的内容,快速上手 Spring AI。具体的模块包括:

  • 01-course-quickstart: 快速入门,带你搭建 Spring AI 开发环境,快速了解框架基础。
  • 02-course-prompt: 了解如何高效地与 AI 进行交互,掌握 AI 提示工程的核心技能。
  • 03-course-output: 学习如何处理 AI 输出,并实现更加智能的交互功能。
  • 03-course-image_audio: 涉及图像和音频处理,展示如何将多媒体功能集成到 Spring AI 应用中。
  • 04-course-embedding: 讲解如何使用 Spring AI 进行高效的文本和数据嵌入。
  • 05-course-advisor: 理解 AI 在智能系统中的应用,并学习如何创建智能顾问系统。
  • 06-course-document: 实战操作,处理和解析文档数据,提升开发效率。
  • 07-course-function-call: 深入探讨如何在 Spring AI 中实现的函数调用和数据交互。
原创作者: guoxiaoyu 转载于: https://www.cnblogs.com/guoxiaoyu/p/18935990
### 关于 HunYuan 3D Version 2 的文档或使用指南 目前关于腾讯混元系列模型的公开资料主要集中在 HunYuan 3D-1.0 版本上[^1]。然而,对于 HunYuan 3D Version 2 (HunYuan 3D-2),尚未有官方发布的具体文档或详细的使用指南被广泛传播。以下是对可能涉及的内容以及基于现有版本推测的相关信息: #### 已知信息总结 1. **HunYuan 3D-1.0 功能概述** HunYuan 3D-1.0 是一个支持文本到 3D 和图像到 3D 生成功能的强大生成模型[^2]。它通过统一化的框架设计,在较短的时间内能够生成高质量的 3D 资产。 2. **技术背景与成本考量** 使用大规模模型进行三维生成的技术路线通常伴随着较高的计算资源需求。无论是神经辐射场 (NeRF) 还是其他形式的 3D 场景表示方法,这些模型都被认为是在当前领域中较为昂贵的选择之一[^3]。 3. **代码细节补充** 在一些具体的实现过程中,例如从文本到视频 (T2V) 或者图像到视频 (I2V) 的转换任务中,涉及到的关键参数如 `in_chans` 表明了输入数据结构的设计特点[^4]。这可能是未来版本进一步优化的方向之一。 #### 对 HunYuan 3D-2 的假设分析 尽管缺乏直接针对 HunYuan 3D-2 的描述性材料,可以合理猜测其改进方向如下: - 提升效率:减少运行时间和硬件消耗的同时保持甚至提高输出质量。 - 增强功能:扩展至更多模态间的转化能力,比如语音转 3D 形象等新型应用场景。 - 用户友好度增加:提供更简便易用的 API 接口和服务端解决方案以便开发者快速集成到自己的产品当中去。 由于上述内容均为推断性质的结果,并未得到实际验证,请密切关注腾讯官方团队后续发布的新消息来获取最权威准确的信息源。 ```python # 示例代码片段展示如何加载预训练权重文件(仅作示意用途) import torch from transformers import AutoModelForVisionTo3DGeneration, AutoFeatureExtractor model_name_or_path = "path/to/hunyuan_3d_v2" feature_extractor = AutoFeatureExtractor.from_pretrained(model_name_or_path) model = AutoModelForVisionTo3DGeneration.from_pretrained(model_name_or_path) image_input = feature_extractor(images=example_image, return_tensors="pt").pixel_values outputs = model(image_input) predicted_3d_model = outputs.reconstructed_3d_object ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值