MeUtils 2024.12.26.22.14.1__py3-none-any.whl → 2025.1.3.14.11.44__py3-none-any.whl

meutils/apis/vidu/vidu_video.py

@@ -218,7 +218,7 @@ if __name__ == '__main__':
     # # token = "_ga=GA1.1.2058758439.1724312077; JWT=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJleHAiOjE3MjgzNTAzODAsImlhdCI6MTcyNzA1NDM4MCwiaXNzIjoiaWFtIiwic3ViIjoiMjQyMDA2NTAzNjA5MTgzOSJ9.PkjQqjYB56vYetYwmlagnWn_6bSCwoxCjI7BjfelBOU; Shunt=; sensorsdata2015jssdkcross=dfm-enc-%7B%22Va28a6y8_aV%22%3A%22sSsAAnHAInAGEtIG%22%2C%22gae28_aV%22%3A%22EGEuAnststSEirt-ARSAigSVHIiHVs-EtHsHnIR-sARInAA-EGEuAnststHsIti%22%2C%22OemO2%22%3A%7B%22%24ki8r28_8eiggay_2mbeyr_8cOr%22%3A%22%E7%9B%B4%E6%8E%A5%E6%B5%81%E9%87%8F%22%2C%22%24ki8r28_2rieyz_lrcMmeV%22%3A%22%E6%9C%AA%E5%8F%96%E5%88%B0%E5%80%BC_%E7%9B%B4%E6%8E%A5%E6%89%93%E5%BC%80%22%2C%22%24ki8r28_ergreere%22%3A%22%22%7D%2C%22aVr68a8ar2%22%3A%22rc3liZ7ku67OV5kgPsGCiskkDskl3qmawFlJPq0swqfcpXNJPZKSBF0IQXLzWq7lQFQzQZNcBF1SQF3EQqwIBF3MQhwswX08wFlJPq0swqfcpXKcwhzz3aMax9klWZHAiD7HDsJCWskbDskl3qmawqNcwX0sQF0hQq0HwFfhp4xG%22%2C%22za28mec_kmfa6_aV%22%3A%7B%226ior%22%3A%22%24aVr68a8c_kmfa6_aV%22%2C%22Cikbr%22%3A%22sSsAAnHAInAGEtIG%22%7D%7D; _ga_ZJBV7VYP55=GS1.1.1727080335.38.1.1727080510.0.0.0"
     # token = "JWT=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJleHAiOjE3MjgzNDkyNzQsImlhdCI6MTcyNzA1MzI3NCwiaXNzIjoiaWFtIiwic3ViIjoiMjQyMDg5NjA4MTIwNTkwNyJ9.MRXmSr48PifQgRN1-yTTu8d7Sq1An4OS7G5WoYpJ_PU"
 
-    token = "_ga=GA1.1.2058758439.1724312077; JWT=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJleHAiOjE3MzYyMjA4MzgsImlhdCI6MTczNDkyNDgzOCwiaXNzIjoiaWFtIiwic3ViIjoiMjQxODMzMTI4MjA0NTcyOCJ9.ecQl8lcH5mjueG48aZxmqUgxzffHx6l5L3QEve6Z_u0; Shunt=; sensorsdata2015jssdkcross=dfm-enc-%7B%22Va28a6y8_aV%22%3A%22sSEtIIEstsASHRst%22%2C%22gae28_aV%22%3A%22EGEuAnststSEirt-ARSAigSVHIiHVs-EtHsHnIR-sARInAA-EGEuAnststHsIti%22%2C%22OemO2%22%3A%7B%22%24ki8r28_8eiggay_2mbeyr_8cOr%22%3A%22%E7%9B%B4%E6%8E%A5%E6%B5%81%E9%87%8F%22%2C%22%24ki8r28_2rieyz_lrcMmeV%22%3A%22%E6%9C%AA%E5%8F%96%E5%88%B0%E5%80%BC_%E7%9B%B4%E6%8E%A5%E6%89%93%E5%BC%80%22%2C%22%24ki8r28_ergreere%22%3A%22%22%7D%2C%22aVr68a8ar2%22%3A%22rc3liZ7ku67OV5kgPsGCiskkDskl3qmawFlJPq0swqfcpXNJPZKSBF0IQXLzWq7lQFQzQZNcBF1SQF3EQqwIBF3MQhwswX08wFlJPq0swqfcpXKcwhzz3aMax9klWZHAiD7HDsJCWskbDskl3qmawqNJpXwhwF3Swq0AQFycpvxG%22%2C%22za28mec_kmfa6_aV%22%3A%7B%226ior%22%3A%22%24aVr68a8c_kmfa6_aV%22%2C%22Cikbr%22%3A%22sSEtIIEstsASHRst%22%7D%7D; _ga_ZJBV7VYP55=GS1.1.1734923743.137.1.1734924845.54.0.0"
+    token = "_ga=GA1.1.1191408146.1725443726; Shunt=; JWT=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJleHAiOjE3MzY0NzgzODIsImlhdCI6MTczNTE4MjM4MiwiaXNzIjoiaWFtIiwic3ViIjoiMjU3NTg1MzI5MDUyNzYwNiJ9.AJBuQH0B9aQ2znnczYoqBw9YvHkLh0uZF0QQx5xdxrc; sensorsdata2015jssdkcross=dfm-enc-%7B%22Va28a6y8_aV%22%3A%22sHRHtHIsGAHsRnAn%22%2C%22gae28_aV%22%3A%22EGEuyRHVigIEtAG-AGRuSsHrVAGRuS-EtHsHnIR-sARInAA-EGEuyRHVigSEuIR%22%2C%22OemO2%22%3A%7B%22%24ki8r28_8eiggay_2mbeyr_8cOr%22%3A%22%E8%87%AA%E7%84%B6%E6%90%9C%E7%B4%A2%E6%B5%81%E9%87%8F%22%2C%22%24ki8r28_2rieyz_lrcMmeV%22%3A%22%E6%9C%AA%E5%8F%96%E5%88%B0%E5%80%BC%22%2C%22%24ki8r28_ergreere%22%3A%22z88O2%3A%2F%2Fiyymb682.fmmfkr.ymo%2F%22%7D%2C%22aVr68a8ar2%22%3A%22rc3liZ7ku67OV5kgPsGCiskkDskl3qmawFlJPowIQZ7zWqwJpX0HBF0HQs3AwqdkWX0HQs3ABF1SQF3EQqwIBF3MQhwswX08wFlJPowIQZ7zWqNJPqwI3aMax9klWZHAiD7HDsJCWskbDskl3qmawqKIQFfEwh3HwXKcQhPMQaxG%22%2C%22za28mec_kmfa6_aV%22%3A%7B%226ior%22%3A%22%24aVr68a8c_kmfa6_aV%22%2C%22Cikbr%22%3A%22sHRHtHIsGAHsRnAn%22%7D%7D; _ga_ZJBV7VYP55=GS1.1.1735182278.4.1.1735182405.26.0.0"
     arun(check_token(token))
     #
     # FEISHU_URL = "https://xchatllm.feishu.cn/sheets/GYCHsvI4qhnDPNtI4VPcdw2knEd?sheet=rxldsA"

meutils/data/VERSION

@@ -1 +1 @@
-2024.12.26.22.14.01
+2025.01.03.14.11.44

meutils/data/oneapi/NOTICE.md

@@ -15,52 +15,79 @@
     - 提供图片编辑服务，变清晰、去水印、抠图等等
     - 提供文档智能服务，ocr/pdf-to-markdown/url-to-markdown等等
     - 提供对象存储服务
-  
+
 - 账号服务（市面上有的都可以）
-  - gpt-plus/claude-pro
-  - api-key
+    - gpt-plus/claude-pro
+    - api-key
 
 - 个性化服务
-  - 定制同款api聚合站点，一键对接货源
-  - 定制企业智能体，类似gpt-4-all/kimi
-  - 定制知识库智能问答（RAG）
-  - 定制AI类网站/小程序等等
-  - 承接数据标注/数据跑批任务
-  - 承接大模型微调，定制化大模型（可端到端）
-  - 承接其他项目，算法模型等等
+    - 定制同款api聚合站点，一键对接货源
+    - 定制企业智能体，类似gpt-4-all/kimi
+    - 定制知识库智能问答（RAG）
+    - 定制AI类网站/小程序等等
+    - 承接数据标注/数据跑批任务
+    - 承接大模型微调，定制化大模型（可端到端）
+    - 承接其他项目，算法模型等等
 
 </details>
 
+<details markdown="1">
+  <summary><b>预祝大家新年快乐🎁元旦礼物☺</b></summary>
+
+- 联系企微客服
+  - 充值100-200   增送5%
+  - 充值200-500   增送10%
+  - 充值500-1000  增送15%
+  - 充值1000-2000 增送20%
+
+</details>
+
+## 2024-12-31
+
+- 上线新模型
+    - `glm-zero/glm-zero-preview`：GLM-Zero-Preview 专注于增强模型推理能力，擅长处理数理逻辑、代码和需要深度推理的复杂问题。同基座模型相比，GLM-Zero-Preview
+      在不显著降低通用任务能力的情况下，在专家任务能力方面表现大幅提升。其在 AIME 2024、MATH500 和 LiveCodeBench 评测中，效果与
+      OpenAI-o1-Preview 相当。
+    - 兼容SparkAI客户端，文件问答&图片问答：baseurl改为`https://api.chatfire.cn/sparkai/v1`
+      ![](https://sfile.chatglm.cn/chatglm4/e5b99a34-f859-4880-a0ea-a9c6dbc8a60f.png)
+
+## 2024-12-27
+
+- 上线新模型
+    - deepseek-v3
+    - deepseek-r1：deepseek-v3的思考模型
+    - deepseek-search：deepseek-v3的联网模型
+
 ## 2024-12-24
+
 - 上线新模型
-  - doubao-pro-256k：相比Doubao-pro-128k/240628，长文任务效果显著提升10%以上，要点提取、字数遵循、多轮对话上文记忆等能力大幅提升
-  - [qvq-72b-preview](https://mp.weixin.qq.com/s/WzL7tbFUZOgE2IFMeHT-sQ)：Qwen开源视觉推理模型QVQ，更睿智地看世界！
+    - doubao-pro-256k：相比Doubao-pro-128k/240628，长文任务效果显著提升10%以上，要点提取、字数遵循、多轮对话上文记忆等能力大幅提升
+    - [qvq-72b-preview](https://mp.weixin.qq.com/s/WzL7tbFUZOgE2IFMeHT-sQ)：Qwen开源视觉推理模型QVQ，更睿智地看世界！
 
 - 增加gemini-2.0配额，支持多模型，默认分组可用
     - "gemini-2.0-flash"
     - "gemini-2.0-flash-exp"
 
-
 ## 2024-12-20
+
 - 修复SunoV4无水印版本
-  - [异步任务接口文档](https://api.chatfire.cn/docs/api-246593467)
+    - [异步任务接口文档](https://api.chatfire.cn/docs/api-246593467)
 - [增加视频解析模型](https://api.chatfire.cn/docs/api-246688638)
 - 增加高并发mj-fast
 
 ## 2024-12-19
+
 - 新增生图模型 SeedEdit（文生图&图生图/图片编辑）: 一句话编辑你的世界：字节跳动推出革命性图片编辑工具SeedEdit
-  - [Chat模式接口文档](https://api.chatfire.cn/docs/api-214415540)
-  - [Images接口文档](https://api.chatfire.cn/docs/api-246137616)
-  - [异步任务接口文档](https://api.chatfire.cn/docs/api-246120232)
+    - [Chat模式接口文档](https://api.chatfire.cn/docs/api-214415540)
+    - [Images接口文档](https://api.chatfire.cn/docs/api-246137616)
+    - [异步任务接口文档](https://api.chatfire.cn/docs/api-246120232)
 - 新增视觉模型
-  - deepseek-ai/deepseek-vl2
-  - doubao-vision-pro-32k
-  - doubao-vision-lite-32k
+    - deepseek-ai/deepseek-vl2
+    - doubao-vision-pro-32k
+    - doubao-vision-lite-32k
 - 新增视频模型 Sora
-  - Chat模式：`sora-1:1-480p-5s`
-  - 异步任务接口在路上
-
-
+    - Chat模式：`sora-1:1-480p-5s`
+    - 异步任务接口在路上
 
 ---
 
@@ -68,34 +95,46 @@
   <summary><b>历史更新</b></summary>
 
 ## 2024-12-13
+
 - 新增模型 混元视频（支持高并发，非逆向可商用，限时特价1毛）[接口文档](https://api.chatfire.cn/docs/api-244309840)
-  HunyuanVideo 是腾讯推出的开源视频生成基础模型，拥有超过 130 亿参数，是目前最大的开源视频生成模型。该模型采用统一的图像和视频生成架构，集成了数据整理、图像-视频联合模型训练和高效基础设施等关键技术。模型使用多模态大语言模型作为文本编码器，通过 3D VAE 进行空间-时间压缩，并提供提示词重写功能。根据专业人工评估结果，HunyuanVideo 在文本对齐、运动质量和视觉质量等方面的表现优于现有最先进的模型
+  HunyuanVideo 是腾讯推出的开源视频生成基础模型，拥有超过 130
+  亿参数，是目前最大的开源视频生成模型。该模型采用统一的图像和视频生成架构，集成了数据整理、图像-视频联合模型训练和高效基础设施等关键技术。模型使用多模态大语言模型作为文本编码器，通过
+  3D VAE 进行空间-时间压缩，并提供提示词重写功能。根据专业人工评估结果，HunyuanVideo 在文本对齐、运动质量和视觉质量等方面的表现优于现有最先进的模型
 
 ## 2024-12-09
+
 - 新增模型
-  - meta-llama/Llama-3.3-70B-Instruct: Llama 3.3 是 Llama 系列最先进的多语言开源大型语言模型，以极低成本体验媲美 405B 模型的性能。基于 Transformer 结构，并通过监督微调（SFT）和人类反馈强化学习（RLHF）提升有用性和安全性。其指令调优版本专为多语言对话优化，在多项行业基准上表现优于众多开源和封闭聊天模型。知识截止日期为 2023 年 12 月。
-  - jimeng-v2.1：豆包画图，支持即梦超强图像生成能力，兼容chat/dalle-image调用方式。
-  - 海螺最新的I2V-01-live图生视频模型：特别针对二次元图生视频效果，进行了优化，动作流畅又生动，让2D二次元角色像复活一样。
+    - meta-llama/Llama-3.3-70B-Instruct: Llama 3.3 是 Llama 系列最先进的多语言开源大型语言模型，以极低成本体验媲美 405B
+      模型的性能。基于 Transformer
+      结构，并通过监督微调（SFT）和人类反馈强化学习（RLHF）提升有用性和安全性。其指令调优版本专为多语言对话优化，在多项行业基准上表现优于众多开源和封闭聊天模型。知识截止日期为
+      2023 年 12 月。
+    - jimeng-v2.1：豆包画图，支持即梦超强图像生成能力，兼容chat/dalle-image调用方式。
+    - 海螺最新的I2V-01-live图生视频模型：特别针对二次元图生视频效果，进行了优化，动作流畅又生动，让2D二次元角色像复活一样。
 
 ## 2024-12-06
+
 - 新增模型
-  - o1-plus: （官网 plus 版本 `逆向工程`，有思考过程显示）o1 是OpenAI针对复杂任务的新推理模型，该任务需要广泛的常识。该模型具有 200k 上下文，目前全球最强模型，支持图片识别
-  - o1-pro: （官网 200刀 plus 版本 `逆向工程`，有思考过程显示）o1-pro 是OpenAI针对复杂任务的新推理模型，该任务需要广泛的常识。该模型具有 200k 上下文，目前全球最强模型，支持图片识别
+    - o1-plus: （官网 plus 版本 `逆向工程`，有思考过程显示）o1 是OpenAI针对复杂任务的新推理模型，该任务需要广泛的常识。该模型具有
+      200k 上下文，目前全球最强模型，支持图片识别
+    - o1-pro: （官网 200刀 plus 版本 `逆向工程`，有思考过程显示）o1-pro 是OpenAI针对复杂任务的新推理模型，该任务需要广泛的常识。该模型具有
+      200k 上下文，目前全球最强模型，支持图片识别
 
 ## 2024-12-05
+
 - 新增模型gpt-4-plus/gpt-4o-plus按倍率计算
   > OpenAI-plus会员 逆向工程
-  
+
 ## 2024-11-29
-- 新增推理模型 
-  - Qwen/QwQ-32B-Preview
-    > 强大的数学问题解决能力，在AIME、MATH-500数学评测上，超过了OpenAI o1-preview优秀的编码能力，LiveCodeBench接近OpenAI o1-preview
 
-## 2024-11-25
-- 新增虚拟换衣接口
-  - [可灵官方api格式](https://api.chatfire.cn/docs/api-237182295) 0.8/次
-  - [老接口格式](https://api.chatfire.cn/docs/api-226983436) 0.1/次
+- 新增推理模型
+    - Qwen/QwQ-32B-Preview
+      > 强大的数学问题解决能力，在AIME、MATH-500数学评测上，超过了OpenAI o1-preview优秀的编码能力，LiveCodeBench接近OpenAI
+      o1-preview
 
+## 2024-11-25
 
+- 新增虚拟换衣接口
+    - [可灵官方api格式](https://api.chatfire.cn/docs/api-237182295) 0.8/次
+    - [老接口格式](https://api.chatfire.cn/docs/api-226983436) 0.1/次
 
 </details>

meutils/init/evn.py

@@ -35,7 +35,7 @@ os.environ['PROMPT_TEMPLATE'] = """
 # 如果无法从中得到答案，请回答“根据已知信息无法回答该问题”或“没有提供足够的信息”。请使用中文回答，不允许添加编造内容。
 # """
 
-# MODELSCOPE_CACHE
+# modelscope_cache
 # PPNLP
 if __name__ == '__main__':
     from pprint import pprint

meutils/llm/completions/rag/fire.py

@@ -12,6 +12,7 @@ import mimetypes
 from meutils.pipe import *
 from meutils.io.files_utils import to_bytes
 from meutils.llm.openai_utils import to_openai_params
+from meutils.str_utils.regular_expression import parse_url
 
 from openai import OpenAI, AsyncOpenAI
 from meutils.schemas.openai_types import chat_completion, chat_completion_chunk, ChatCompletionRequest, CompletionUsage
@@ -66,6 +67,22 @@ class Completions(object):
 
             request.messages = request.system_messages + [{'role': 'user', 'content': request.last_content}]
 
+        elif isinstance(request.last_content, str) and (urls := parse_url(request.last_content)):
+            logger.debug(urls)
+
+            url = urls[-1]
+            request.last_content = request.last_content.replace(url, '')
+
+            files = await asyncio.gather(*map(self.file_extract, urls))
+
+            for file_content in files:
+                request.system_messages.append({
+                    "role": "system",
+                    "content": file_content,
+                })
+
+            request.messages = request.system_messages + [{'role': 'user', 'content': request.last_content}]
+
         logger.debug(request)
 
         data = to_openai_params(request)
@@ -78,30 +95,43 @@ if __name__ == '__main__':
 
     request = ChatCompletionRequest(
         # model="qwen-turbo-2024-11-01",
-        model="claude-3-5-sonnet-20241022",
+        # model="claude-3-5-sonnet-20241022",
+        model="gpt-4o-mini",
+
         messages=[
             {
                 'role': 'system',
                 'content': '你是一个文件问答助手'
             },
+            # {
+            #     'role': 'user',
+            #     # 'content': {
+            #     #     "type": "file_url",
+            #     #     "file_url": {"url": "https://oss.ffire.cc/files/招标文件备案表（第二次）.pdf", "detai": "auto"}
+            #     # },
+            #     'content': [
+            #         {
+            #             "type": "text",
+            #             "text": "这个文件讲了什么？"
+            #         },
+            #         # 多轮的时候要剔除
+            #         {
+            #             "type": "file_url",
+            #             "file_url": {"url": "https://oss.ffire.cc/files/招标文件备案表（第二次）.pdf", "detai": "auto"}
+            #         }
+            #     ]
+            # },
+
             {
                 'role': 'user',
                 # 'content': {
                 #     "type": "file_url",
                 #     "file_url": {"url": "https://oss.ffire.cc/files/招标文件备案表（第二次）.pdf", "detai": "auto"}
                 # },
-                'content': [
-                    {
-                        "type": "text",
-                        "text": "这个文件讲了什么？"
-                    },
-                    # 多轮的时候要剔除
-                    {
-                        "type": "file_url",
-                        "file_url": {"url": "https://oss.ffire.cc/files/招标文件备案表（第二次）.pdf", "detai": "auto"}
-                    }
-                ]
+                'content': "https://oss.ffire.cc/files/%E6%8B%9B%E6%A0%87%E6%96%87%E4%BB%B6%E5%A4%87%E6%A1%88%E8%A1%A8%EF%BC%88%E7%AC%AC%E4%BA%8C%E6%AC%A1%EF%BC%89.pdf 这个文件讲了什么？",
+
             },
+
             # {'role': 'assistant', 'content': "好的"},
             # {
             #     'role': 'user',

meutils/llm/openai_utils/common.py

@@ -266,7 +266,7 @@ if __name__ == '__main__':
         with timer():
             try:
                 async with ppu_flow(api_key="sk-OYK4YxtTlWauT2TdGR5FTAJpkRmSnDwPly4cve0cAvMcrBkZ", post="api-oss",
-                                    n=10000):
+                                    n=100):
                     logger.debug("消费了哦")
 
             except Exception as e:

meutils/request_utils/ark.py

@@ -0,0 +1,47 @@
+#!/usr/bin/env python
+# -*- coding: utf-8 -*-
+# @Project      : AI.  @by PyCharm
+# @File         : ark
+# @Time         : 2024/12/31 13:44
+# @Author       : betterme
+# @WeChat       : meutils
+# @Software     : PyCharm
+# @Description  :
+import json
+import os
+
+from meutils.pipe import *
+import volcenginesdkcore
+from volcenginesdkcore.signv4 import SignerV4
+import volcenginesdkark
+
+# sign(path, method, headers, body, query, ak, sk, region, service)
+
+headers = {}
+payload = {
+    "Prompt": "关于星空的歌",
+    "Genre": "R&B/Soul",
+    "Mood": "Dynamic/Energetic",
+    "Gender": "Male",
+    "ModelVersion": "v4.0"
+}
+params = {"Action": "GenLyrics", "Version": "2024-08-12"}
+SignerV4.sign(
+    path="/",
+    method="POST",
+    query=params,
+    body=json.dumps(payload),
+    headers=headers,
+    ak=os.getenv("ARK_ACCESS_KEY"),
+    sk=os.getenv("ARK_SECRET_ACCESS_KEY"),
+    region="cn-beijing",
+    service="imagination"
+)
+
+print(headers)
+
+s = ''
+for k, v in headers.items():
+    s += f"{k}:{v}\n"
+
+print(s)

meutils/{jwt_utils → request_utils/jwt_utils}/common.py

@@ -33,6 +33,7 @@ payload = {
 # Your secret key
 secret = ""
 
+
 # Create the JWT
 token = jwt.encode(payload, secret, algorithm="HS256", headers=header)
 

meutils/request_utils/volc.py

@@ -0,0 +1,160 @@
+#!/usr/bin/env python
+# -*- coding: utf-8 -*-
+# @Project      : AI.  @by PyCharm
+# @File         : volc
+# @Time         : 2024/12/31 13:20
+# @Author       : betterme
+# @WeChat       : meutils
+# @Software     : PyCharm
+# @Description  : 
+
+
+import hashlib
+import hmac
+import os
+from urllib.parse import quote
+
+from meutils.pipe import *
+
+# 以下参数视服务不同而不同，一个服务内通常是一致的
+Service = "iam"
+Version = "2018-01-01"
+Region = "cn-beijing"
+Host = "iam.volcengineapi.com"
+ContentType = "application/x-www-form-urlencoded"
+
+# 请求的凭证，从IAM或者STS服务中获取
+AK = os.getenv("ARK_ACCESS_KEY")
+SK = os.getenv("ARK_SECRET_ACCESS_KEY")
+# 当使用临时凭证时，需要使用到SessionToken传入Header，并计算进SignedHeader中，请自行在header参数中添加X-Security-Token头
+# SessionToken = ""
+
+
+def norm_query(params):
+    query = ""
+    for key in sorted(params.keys()):
+        if type(params[key]) == list:
+            for k in params[key]:
+                query = (
+                        query + quote(key, safe="-_.~") + "=" + quote(k, safe="-_.~") + "&"
+                )
+        else:
+            query = (query + quote(key, safe="-_.~") + "=" + quote(params[key], safe="-_.~") + "&")
+    query = query[:-1]
+    return query.replace("+", "%20")
+
+
+# 第一步：准备辅助函数。
+# sha256 非对称加密
+def hmac_sha256(key: bytes, content: str):
+    return hmac.new(key, content.encode("utf-8"), hashlib.sha256).digest()
+
+
+# sha256 hash算法
+def hash_sha256(content: str):
+    return hashlib.sha256(content.encode("utf-8")).hexdigest()
+
+
+# 第二步：签名请求函数
+def request(method, date, query, header, ak, sk, action, body):
+    # 第三步：创建身份证明。其中的 Service 和 Region 字段是固定的。ak 和 sk 分别代表
+    # AccessKeyID 和 SecretAccessKey。同时需要初始化签名结构体。一些签名计算时需要的属性也在这里处理。
+    # 初始化身份证明结构体
+    credential = {
+        "access_key_id": ak,
+        "secret_access_key": sk,
+        "service": Service,
+        "region": Region,
+    }
+    # 初始化签名结构体
+    request_param = {
+        "body": body,
+        "host": Host,
+        "path": "/",
+        "method": method,
+        "content_type": ContentType,
+        "date": date,
+        "query": {"Action": action, "Version": Version, **query},
+    }
+    if body is None:
+        request_param["body"] = ""
+    # 第四步：接下来开始计算签名。在计算签名前，先准备好用于接收签算结果的 signResult 变量，并设置一些参数。
+    # 初始化签名结果的结构体
+    x_date = request_param["date"].strftime("%Y%m%dT%H%M%SZ")
+    short_x_date = x_date[:8]
+    x_content_sha256 = hash_sha256(request_param["body"])
+    sign_result = {
+        "Host": request_param["host"],
+        "X-Content-Sha256": x_content_sha256,
+        "X-Date": x_date,
+        "Content-Type": request_param["content_type"],
+    }
+    # 第五步：计算 Signature 签名。
+    signed_headers_str = ";".join(
+        ["content-type", "host", "x-content-sha256", "x-date"]
+    )
+    # signed_headers_str = signed_headers_str + ";x-security-token"
+    canonical_request_str = "\n".join(
+        [request_param["method"].upper(),
+         request_param["path"],
+         norm_query(request_param["query"]),
+         "\n".join(
+             [
+                 "content-type:" + request_param["content_type"],
+                 "host:" + request_param["host"],
+                 "x-content-sha256:" + x_content_sha256,
+                 "x-date:" + x_date,
+             ]
+         ),
+         "",
+         signed_headers_str,
+         x_content_sha256,
+         ]
+    )
+
+    # 打印正规化的请求用于调试比对
+    print(canonical_request_str)
+    hashed_canonical_request = hash_sha256(canonical_request_str)
+
+    # 打印hash值用于调试比对
+    print(hashed_canonical_request)
+    credential_scope = "/".join([short_x_date, credential["region"], credential["service"], "request"])
+    string_to_sign = "\n".join(["HMAC-SHA256", x_date, credential_scope, hashed_canonical_request])
+
+    # 打印最终计算的签名字符串用于调试比对
+    print(string_to_sign)
+    k_date = hmac_sha256(credential["secret_access_key"].encode("utf-8"), short_x_date)
+    k_region = hmac_sha256(k_date, credential["region"])
+    k_service = hmac_sha256(k_region, credential["service"])
+    k_signing = hmac_sha256(k_service, "request")
+    signature = hmac_sha256(k_signing, string_to_sign).hex()
+
+    sign_result["Authorization"] = "HMAC-SHA256 Credential={}, SignedHeaders={}, Signature={}".format(
+        credential["access_key_id"] + "/" + credential_scope,
+        signed_headers_str,
+        signature,
+    )
+    header = {**header, **sign_result}
+    # header = {**header, **{"X-Security-Token": SessionToken}}
+    # 第六步：将 Signature 签名写入 HTTP Header 中，并发送 HTTP 请求。
+    r = requests.request(method=method,
+                         url="https://{}{}".format(request_param["host"], request_param["path"]),
+                         headers=header,
+                         params=request_param["query"],
+                         data=request_param["body"],
+                         )
+    return r.json()
+
+
+if __name__ == "__main__":
+    # response_body = request("Get", datetime.datetime.utcnow(), {}, {}, AK, SK, "ListUsers", None)
+    # print(response_body)
+
+    now = datetime.datetime.utcnow()
+
+    # Body的格式需要配合Content-Type，API使用的类型请阅读具体的官方文档，如:json格式需要json.dumps(obj)
+    # response_body = request("GET", now, {"Limit": "2"}, {}, AK, SK, "ListUsers", None)
+    # print(response_body)
+
+    response_body = request("POST", now, {"Limit": "10"}, {}, AK, SK, "ListUsers", "UnUseParam=ASDF")
+    print(response_body)

meutils/schemas/image_types.py

@@ -82,6 +82,8 @@ class ImageRequest(BaseModel):  # openai
             self.size = self.size if 'x' in self.size else '512x512'
 
     class Config:
+        extra = "allow"
+
         # frozen = True
         # populate_by_name = True
 

meutils/schemas/kuaishou_types.py

@@ -112,7 +112,8 @@ class KlingaiImageRequest(BaseModel):
             {'name': 'aspect_ratio', 'value': self.aspect_ratio or "1:1"},
             {'name': 'imageCount', 'value': self.n},
             {"name": "fidelity", "value": self.image_fidelity or 0.5},
-            {'name': 'biz', 'value': 'klingai'}
+            {'name': 'biz', 'value': 'klingai'},
+            {"name": "kolors_version", "value": "1.5"}
         ]
         self.payload = {
             'arguments': arguments,
@@ -162,13 +163,29 @@ class Camera(BaseModel):
 
 
 class KlingaiVideoRequest(BaseModel):
-    model: str = 'kling-v1'
+    """增加计费模式，支持高质量模式
+    kling-v1.0-std-5s
+
+    kling-v1.5-std-5s 20积分
+    kling-v1.5-std-10s
+
+    kling-v1.5-pro-5s 35积分
+    kling-v1.5-pro-10s
+
+    kling-v1.6-std-5s 20积分
+    kling-v1.6-std-10s
+
+    kling-v1.6-pro-5s 35积分
+    kling-v1.6-pro-10s
+
+    """
+    model: str = 'kling-v1.6'
     mode: Literal["mini", "std", "pro"] = "std"
 
     prompt: str = ''
     negative_prompt: Optional[str] = ''  # 不希望出现的内容
 
-    n: int = 1
+    n: Literal[1, 2, 3, 4] = 1
 
     duration: Optional[int] = 5
     aspect_ratio: Literal["1:1", "2:3", "3:2", "3:4", "4:3", "9:16", "16:9"] = "16:9"
@@ -205,9 +222,9 @@ class KlingaiVideoRequest(BaseModel):
             {'name': 'biz', 'value': 'klingai'},
         ]
 
-        kling_version = '1.0'
-        if self.model == 'kling-v1.5':
-            kling_version = "1.5"
+        kling_version = '1.5'
+        if self.model == 'kling-v1.6':
+            kling_version = "1.6"
             self.mode = 'pro'
             arguments.append({"name": "camera_control_enabled", "value": "false"})  # 暂不支持
         else: