如何获取Ideogram API Key？大模型API聚合平台DMXAPI使用指南

接口3周前发布聚灵AI导航

24,610,000 0 0

Bilibili Intelligent Live-In Velocity Engine

7 x 24 小时无人监守录制、渲染弹幕、识别字幕、自动切片、自动上传、兼容超低配机器，启动项目，人人都是录播员。

大模型API(DMXAPI) 行业领先的 api 聚合平台

DMX = 大模型拼音首字母

支持模型

Have you noticed that Live-In is a wordplay 🙂

如果您觉得项目不错，欢迎也欢迎 PR 合作，如果有任何疑问，欢迎提 issue 交流。

敬告：本项目仅供学习交流使用，请在征得对方许可的情况下录制，请勿未经授权私自将内容用于商业用途，请勿用于大规模录制，违者会被官方封禁，法律后果自负。

自动监听并录制B站直播和弹幕（含付费留言、礼物等），根据分辨率转换弹幕、语音识别字幕并渲染进视频，根据弹幕密度切分精彩片段并通过视频理解大模型生成有趣的标题，根据图像生成模型自动生成视频封面，自动投稿视频和切片至B站，兼容无GPU版本，兼容 x64 及 arm64 超低配置服务器与主机。

( NEW)持久化登录/下载/上传视频(支持多p投稿)：bilitool 已经开源，实现持久化登录最便宜 Grok 接口，下载视频及弹幕(含多p)/上传视频(可分p投稿)，查询投稿状态，查询详细信息等功能，一键pip安装，可以使用命令行 cli 操作，也可以作为api调用。( NEW)自动多平台循环直播推流：该工具已经开源 looplive 是一个 7 x 24 小时全自动循环多平台同时推流直播工具。( NEW)自动生成风格变换的视频封面：采用图生图多模态模型，自动获取视频截图并上传风格变换后的视频封面。

项目架构流程如下：

MachineAlicloudOracle Cloudlocal server

Ubuntu 22.04.4 LTS

debian 6.1.0

Ubuntu 22.04.4 LTS

Architecture

x64

aarch64

x64

CPU

2-core Intel(R) Xeon(R) Platinum 85

1-core Neoverse-N1

8-core Intel(R) Core(TM) i5-9300H CPU

GPU

None

Nvidia GeForce GTX 1650

Memory

24G

Disk

40G

30G

100G

Bandwidth

3Mbps

100Mbps

50Mbps

Python Version

3.10

个人经验：若想尽可能快地更新视频，主要取决于上传速度而非渲染速度，因此建议网络带宽越大越好。由于 aarch64 版本 PyPI 没有 release 的，因此 aarch64 版本暂时不支持本地部署 whisper，pip 时请自行注释 requirement 中的 triton 环境Ideogram api key，配置均测试可用。

更详细的教程请参考文档 bilive

Note

如果你是 windows 用户，请使用 WSL 运行本项目。

首先介绍本项目三种不同的处理模式：(以下特指 asr_method=”deploy” 的情况，如填”none”或者”api”则不涉及 GPU, 可以忽略对 GPU 的描述)

pipeline 模式(默认): 目前最快的模式，需要 GPU 支持，最好在 blrec 设置片段为半小时以内，asr 识别和渲染并行执行，分 p 上传视频片段。

Bilibili Intelligent Live-In Velocity Engine _Ideogram api key_ 大模型API(DMXAPI) 行业领先的 api 聚合平台

append 模式: 基本同上，但 asr 识别与渲染过程串行执行，比 pipeline 慢预计 25% 左右，对 GPU 显存要求较低，兼顾硬件性能与处理上传效率。

merge 模式: 等待所有录制完成，再进行识别渲染合并过程Mistral 接口，上传均为完整版录播（非分 P 投稿），等待时间较长，效率较慢，适合需要上传完整录播的场景。

大模型API(DMXAPI) 行业领先的 api 聚合平台 _Bilibili Intelligent Live-In Velocity Engine _Ideogram api key

Important

凡是用到 GPU 均需保证 GPU 显存大于运行程序所需 VRAM，具体计算 VRAM 方法可以参考。

Tip

如果你是 windows 用户，请使用 WSL 运行本项目。

由于项目引入了我写的 submodule DanmakuConvertIdeogram api key，bilitool 和 auto-slice-video，因此推荐 clone 项目时就更新 submodules。

git clone --recurse-submodules https://github.com/timerring/bilive.git

如果你没有采用上述方式 clone 项目，请更新 submodules：

git submodule update --init --recursive

1. 安装依赖(推荐创建虚拟环境)

cd bilive
pip install -r requirements.txt

此外请根据各自的系统类型安装对应的 ffmpeg，例如 ubuntu 安装 ffmpeg。

常见问题收集

2.1 whisper 语音识别（渲染字幕功能）

2.1.1 采用 api 方式

将 bilive.toml 文件中的 asr_method 参数设置为 api，然后填写 WHISPER_API_KEY 参数为你的 API Key。

本项目采用 groq 提供 free tier 的 whisper-large-v3-turbo 模型，上传限制为 40 MB（约半小时），因此如需采用 api 识别的方式，请将视频录制分段调整为 30 分钟（默认即 30 分钟）。此外，free tier 请求限制为 7200秒/20次/小时，28800秒/2000次/天。如果有更多需求，也欢迎升级到 dev tier，更多信息见groq 官网。

2.1.2 采用本地部署方式(需保证有 NVIDIA 显卡)

将 bilive.toml 文件中的 asr_method 参数设置为 deploy，然后下载所需模型文件，并放置在 src/subtitle/models 文件夹中。

项目默认采用 small 模型，请点击下载所需文件，并放置在 src/subtitle/models 文件夹中。

2.2 MLLM 模型（自动切片功能）

MLLM 模型主要用于自动切片后的切片标题生成，此功能默认关闭，如果需要打开请将 auto_slice 参数设置为 true，并且写下你自己的 slice_prompt(可以包含 {artist} 关键词会自动替换)，其他配置分别有：

接下来配置模型有关的 mllm_model 参数即对应的 api-key，请自行根据链接注册账号并且申请对应 api key，填写在对应的参数中，请注意以下模型只有你在 mllm_model 参数中设置的那个模型会生效。

CompanyAlicloudzhipuGoogleSenseNova

Name

Qwen-2.5-72B-Instruct

GLM-4V-PLUS

Gemini-2.0-flash

SenseNova V6 Pro

mllm_model

qwen

zhipu

gemini

sensenova

API key

qwen_api_key

zhipu_api_key

gemini_api_key

sensenova_api_key

2.3 Image Generation Model（自动生成视频封面）

采用图生图多模态模型，自动获取视频截图并上传风格变换后的视频封面，如需使用本功能，请将 generate_cover 参数设置为 true，并且写下你自己的 prompt，注意部分模型只支持英文，接下来需要配置的参数有 image_gen_model 和对应的 api key，请自行根据链接注册账号并且申请对应 api key，填写在对应的参数中，请注意以下模型只有你在 image_gen_model 参数中设置的那个模型会生效。

推荐使用大模型API(dmxapi.cn)，一个 Key 用全球大模型，。

CompanyModel Nameimage_gen_modelAPI Key

Kwai

v1-5

kling

dmx_api_token

其他支持的图像生成模型CompanyModel Nameimage_gen_modelAPI Key

Minimax

image-01

minimax

minimax_api_key

Kwai

Kolors

siliconflow

siliconflow_api_key

Tencent

Hunyuan

tencent

tencent_secret_id and tencent_secret_key

Baidu

ERNIE irag-1.0

baidu

baidu_api_key

Stability AI

Stable Diffusion 3.5 large turbo

stability

stability_api_key

Luma Labs

Photon

luma

luma_api_key

Ideogram

Ideogram V_2

ideogram

ideogram_api_key

Recraft

Recraft V3

recraft

recraft_api_key

Amazon

Titan Image Generator V2

amazon

aws_access_key_id and aws_secret_access_key

Hidream

Hidream I1

hidream

hidream_api_key

3. 配置上传参数

在 bilive.toml 中自定义相关配置，映射关键词为 {artist}、{date}、{title}、{source_link}，请自行组合删减定制模板：

4. 配置录制参数

Important

请不要修改任何有关路径的任何配置，否则会导致上传模块不可用

录制模块采用第三方 package blrec，参数配置在 settings.toml 文件，也可以直接在录制启动后在对应的端口可视化页面配置。Quick start 只介绍关键配置，其他配置可自行在页面中对照配置项理解，支持热修改。

5. bilitool 登录（持久化登录，该步只需执行一次）

对于 docker 部署，可以忽略这一步最新 Midjourney 接口，因为 docker logs 在控制台中可以打印出二维码，直接扫码即可登录，以下内容针对源码部署。

5.1 方式一通过 cookie 登录

一般日志文件打印不出二维码效果，所以这步需要提前在机器上安装 bilitool:

pip install bilitool
bilitool login --export
# 然后使用 app 端扫码登录，会自动导出 cookie.json 文件

将登录的 cookie.json 文件留在本项目根目录下，./upload.sh 启动后即可删除该文件。

5.2 方式二通过 submodule 登录

或者在 submodule 中登录也可以，方式如下：

cd src/upload/bilitool
python -m bilitool.cli login
# 然后使用 app 端扫码即可登录

常见问题收集

6. 启动自动录制

Important

在有公网 ip 的服务器上使用默认密码并暴露端口号有潜在的暴露 cookie 风险，因此不推荐在有公网 ip 的服务器映射端口号。

启动前请先设置录制前端页面的密码，并保存在 RECORD_KEY 环境变量中, your_password 由字母数字组成，最少 8 位，最多 80 位。

./record.sh

常见问题收集

7. 启动自动上传

如果你使用 deploy 的方式本地部署 whisper，请先确保你已经正确下载并放置了对应的模型文件，并确保 CUDA 可用。

./upload.sh

常见问题收集

相应的执行日志请在 logs 文件夹中查看，如果有问题欢迎在 issue 中提出，有异常请优先提供级别的日志。

logs # 日志文件夹
├── record # blrec 录制日志
│   └── ...
├── scan # scan 处理日志 [debug]级别
│   └── ...
├── upload # upload 上传日志 [debug]级别
│   └── ...
└── runtime # 每次执行的日志 [info]级别
    └── ...

Docker 版本的配置参考同上，登录方式更加简洁，启动后直接 docker logs bilive_docker 在日志中会打印登录二维码，扫码登录即可。

已构建 amd64 及 arm64 版本，会自动根据架构选择。

your_record_password 为录制页面的密码，请自行设置，最短 8 最长 80。

docker run -itd 
    -v your/path/to/bilive.toml:/app/bilive.toml 
    -v your/path/to/settings.toml:/app/settings.toml 
    -v your/path/to/Videos:/app/Videos 
    -v your/path/to/logs:/app/logs 
    --name bilive_docker 
    -e RECORD_KEY=your_record_password 
    -p 22333:2233 
    ghcr.io/timerring/bilive:0.3.1

Tip

使用前请确保你有足够的使用前置知识，如果不熟悉在 docker 中使用 GPU，可以参考 Docker With GPU。

有 GPU 版本仅支持 amd64 架构，已内置 small 参数量的模型，如需使用其他参数量模型，请自行按照 2.1.2 步骤调整。your_record_password 规则同上。

sudo docker run -itd 
    -v your/path/to/bilive.toml:/app/bilive.toml 
    -v your/path/to/settings.toml:/app/settings.toml 
    -v your/path/to/Videos:/app/Videos 
    -v your/path/to/logs:/app/logs 
    --gpus 'all,"capabilities=compute,utility,video"' 
    --name bilive_docker_gpu 
    -e RECORD_KEY=your_record_password 
    -p 22333:2233 
    ghcr.io/timerring/bilive-gpu:0.3.1

compose.yml 调整方法见 Installation。

如需使用 GPU 版本，请自行在 compose.yml 中调整。