File size: 2,446 Bytes
be44d6b |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 |
# 多言語・簡易多モーダルWeb参照AIエージェント（Hugging Face Spaces対応）
## 概要
このプロジェクトは、テキスト・画像・動画を入力として受け取り、多言語でのWeb情報検索と要約を並列に行い、指定された言語で結果を統合・出力するAIエージェントです。
**Hugging Face Spaces（無料ティア）でのデプロイを想定**して設計されています。
---
## 主な機能
* テキスト、画像、動画のマルチモーダル入力に対応
* 入力言語の自動検出と処理
* タスクの自動分解と並列処理（非同期実行）
* Web検索とページ要約（Serper API + BeautifulSoup）
* アップロードされた画像・動画のLLMによる簡易分析（GPT-4oなど）
* 指定言語での統合出力（日本語、英語、スペイン語、フランス語、中国語）
---
## 使用技術
* **フロントエンド/UI**: Gradio
* **バックエンド**: Python + asyncio + OpenAI API
* **Web検索**: Serper API（[https://serper.dev）](https://serper.dev）)
* **LLM**: GPT-4o（openaiライブラリ経由）
* **画像処理**: Pillow（軽量な画像サイズ取得など）
* **動画処理**: MoviePy（キーフレーム抽出）
---
## インストールと実行方法
```bash
# 依存ライブラリのインストール
pip install -r requirements.txt
# 環境変数の設定（.envファイルまたはシェルで）
export OPENAI_API_KEY=your_openai_key
export SERPER_API_KEY=your_serper_key
# アプリ起動
python app.py
```
---
## Hugging Face Spacesでの注意点
* **無料ティアでは** CPUリソースとディスク容量に制限があります。
* 画像・動画の処理はアップロードされた小ファイル（短時間の.mp4等）に限定してください。
* Webからの画像・動画の**ダウンロード・保存は行わず、URLと要約のみ表示**されます。
* GPT-4oの使用により画像・動画内容の要約は可能ですが、コスト・速度に注意。
* 外部APIキーは Spaces の Secrets に登録してください（例: `OPENAI_API_KEY`, `SERPER_API_KEY`）。
---
## 今後の拡張可能性
* Gemini API や Claude API 対応
* 音声抽出および文字起こし対応（短時間動画）
* 出力形式のカスタマイズ（Markdown, JSONなど）
---
## 作者
tugaa
---
## ライセンス
MIT
|