orenji_bot

本仓库为量产型🍊的代码仓库。功能使用了Mirai、Graia等框架实现。

更新内容

• 2022-3-11更新：
  • 增加了新功能：发送随机lolicon图片。该功能调用了lolicon API的接口。
  • 增加了新功能：图库client。bot会根据一些规则识别群友觉得有价值的图片，发给远端数据库存储。也可以从数据库中随机取一张图片发到群里。
• 2022-3-2更新：
  • 更新了graia相关库，现在为graia-saya管理module，graia-ariadne作为主框架。
  • 增加了新功能：图片超分辨率(2x super resolution)。在群里回复一条带图片的消息并输入“2x”即可调用此功能。此功能依赖我的超分辨率http服务：sr-orenji(具体请见此仓库super-resolution-web)。
• 2021-12-29更新：
  • 标注了所有数据，平衡后的数据集共1200条。改用bert-base-chinese代替albert，精度为93.81%。已将该模型更新部署到服务器。
• 2021-12-28更新：
  • 清洗+标注了1700条从群聊中收集的数据并finetune了模型。raw分布：的:地:得=1400:86:219，的占总数据的82%。从中以大约1:0.5:1的比例采样了500条作为dataset。预训练权重加载自huggface/albert_chinese_large，finetune共50epoch。eval set比例为10%，最终acc为90.91%。已将该模型更新部署到服务器。

功能

1. 的地得小警察 modules/dedide_police.py：检测群消息中误用的“的地得”，并发消息at该群友提出修改方案。

   • 主要使用AlbertForMaskedLM模型的预测来判断使用是否正确。例如：消息香的一匹（的用错，应为得）会被处理为香[MASK]一匹后输入AlbertForMaskedLM，经过计算后取[MASK]位置的probability distribution中的地得三个字的概率{'的':0.1, '得':0.7, '地':0.05}，比较最高概率de是否与输入中的de一致。因概率最高者为得，所以小警察会发送群消息@群友 的->得。相关库与框架：pytorch, transformers, albert_zh.
   • 为什么不公开数据集？因为是从群内收集，含群友隐私。未来对数据脱敏处理后有可能公开。
   • jieba分词用于判断哪些的地得是单独的字。存在于词组中的的地得不属于检测范畴。本项目使用jieba的自定义词典来屏蔽成语（如众矢之的）和容易引起混淆的常用词（如的卢马、的地得）。
   • 例：

2. 图片超分辨率 modules/super_resolution.py：在群里回复一条带图片的消息并输入“2x”即可获得该图片长和宽分别无损（尽量）*2的版本。如对一张1920*1080的图片超分辨率，结果将会是 3840*2160。

   • 流程：收到群消息->判断是否为形如“@123 2x”的超分辨率命令->判断该消息是否回复了其他消息->获取原消息图片->调用超分辨率服务sr-orenji，提交任务->每1秒检查任务结果->任务完成，收到2倍版本，发到群里
   • 模型：Real-CUGAN by bilibili-ailab。使用了up2x-latest-no-denoise.pth的weights，tile_mode强制为4，此版本不可选择cache_mode。
   • 例：

3. diss群友 modules/cai.py：使用随机语句diss群友。

   • 例：

4. 发送随机lolicon图片 modules/random_setu.py：调用lolicon API的接口，取到随机到的图片的url，然后取其bytes发到群里。返回的图片完全依赖lolicon的口味。

   • 该功能包含两个endpoint：1. /setu：随机往群里发一张全年龄图片，2. /r18：随机往群里发一张r18图片。

5. 图库client modules/setu_client.py：作为图库client，和自建的远端图库server通信，以实现增加图片入库、删除、随机获取等操作。

   • 图片入库(add)：
     • 触发：
       • 群里有人主动以好字回复一条带图片的消息时，该图片会被发给server。
       • 每个群都会有自己的当前最新图片的buffer，当buffer不为空且有人发了好作为群消息时，buffer里的图片会被发给server。
     • server响应及bot响应：
       • 204：图片已成功入库。bot会发送群消息好。
       • 400：已经添加过该图片。bot无动作。
       • 404：请求中不含有图片。bot无动作。
       • 418：server经模型计算，判断该图质量不够高，拒绝入库。bot会发送群消息一般。
       • 500：server端错误。bot无动作。
   • 图片删除（delete）：
     • 触发：
       • 群里有人主动以一般回复一条带图片的消息时，该图片的sha256会被计算出来，作为标识符发给server，请求从库中删除该图片。
     • server响应及bot响应：
       • 204：已成功从库中删除。bot无动作。
       • 400：表项已删除，但硬盘上本来就不存在该图。bot无动作。
       • 404：库中不存在该图。bot无动作。
       • 500：server端错误。bot无动作。
   • 获取随机图片（get-random）：
     • 触发：
       • 群里有人发送/se作为群消息时触发。
     • server响应及bot响应：
       • 200：server成功返回了随机图片bytes。bot对其编码，作为图片发送到群里。
       • 404：server的数据库为空。bot无动作。
       • 500：server端错误。bot无动作。
     • 例子：

如何部署

因为🍊太懒，这部分还没有写。

特别鸣谢

感谢sinceL以及他的sirius对本项目部署以及代码编写的帮助！

感谢Hongwei Fan对server端深度学习模型选择及图片预处理提供的帮助！