【工具】无需Token!WebAI2API将网页AI转为API使用

【工具】无需Token!WebAI2API将网页AI转为API使用
转载请注明出处:小锋学长生活大爆炸[xfxuezhagn.cn]

如果本文帮助到了你,欢迎[点赞、收藏、关注]哦~

背景介绍

        想用OpenClaw、想在自己工具里集成API,但Token太贵了?不过,各大商家不是都提供了免费的网页版吗?比如doubao、ChatGPT,网页版是不限量还免费的!

        所以这次介绍的工具,就是将网页版的AI转成了兼容OpenAI协议的API。以前也有web2api、chat2apt,不过都不更新了。而这次的WebAI2API非常好用。

使用效果

        亲测效果挺好,原理就是:对外提供API接口,接收到请求后默认人工操作去内置浏览器上发送内容,然后将结果再返回给接口。

还提供了一个后端管理系统,可以方便的查看系统状态、管理配置等等。

不只是文字,图片生成也是能实现的。

如果你部署在服务器上,还能远程查看屏幕。

目前支持的AI厂商列表:

网站名称文本生成图片生成视频生成
LMArena🚫
Gemini Enterprise Business
Nano Banana Free🚫🚫
zAI🚫
Google Gemini✅💧✅💧
ZenMux🚫
ChatGPT🚫
DeepSeek🚫🚫
Sora🚫🚫✅💧
Google Flow🚫
豆包
待续...---

部署教程

项目链接:https://github.com/foxhui/WebAI2API

方式一:手动部署

 克隆项目

git clone https://github.com/foxhui/WebAI2API.git cd WebAI2API

调整配置文件

程序初次运行会从config.example.yaml复制配置文件到data/config.yaml。我建议先配置好。

server: # 监听端口 port: 3000 # 鉴权 API Token (可使用 npm run genkey 生成) # 该配置会对 API 接口和 WebUI 生效 auth: sk-change-me-to-your-secure-key

安装与配置

# 1. 安装 NPM 依赖 pnpm install # 2. 安装浏览器等预编译依赖 # ⚠️ 该脚本需连接 GitHub 下载资源。若网络受限,请使用代理 npm run init # 使用代理 # 直接使用 -proxy 可交互式输入代理配置 npm run init -- -proxy=http://username:passwd@host:port # 3. Linux 依赖安装 # 其他发行版请前往文档中心查找或者自行搜索 apt install -y xvfb x11vnc libgtk-3-0 libx11-xcb1 libasound2

启动服务

# 标准启动 npm start # Linux 系统 - 虚拟显示启动 npm start -- -xvfb -vnc # 登录模式 (会临时强行禁用无头模式和自动化) npm start -- -login (-xvfb -vnc)

方式二:Docker 部署

安全提醒:

  • Docker 镜像默认开启虚拟显示器 (Xvfb) 和 VNC 服务
  • 可通过 WebUI 的虚拟显示器板块连接
  • WebUI 传输过程未加密, 公网环境请使用 SSH 隧道或 HTTPS

Docker CLI 启动

docker run -d --name webai-2api \ -p 3000:3000 \ -v "$(pwd)/data:/app/data" \ --shm-size=2gb \ foxhui/webai-2api:latest

Docker Compose 启动

docker-compose up -d

更多配置内容和用法可看官方文档:https://foxhui.github.io/WebAI2API/

Read more

盘点|2025 无人机四大顶会最值得阅读的16篇论文(IROS/ICRA/RSS/CoRL)

盘点|2025 无人机四大顶会最值得阅读的16篇论文(IROS/ICRA/RSS/CoRL)

「 在看、在理解、在博弈 」 目录 01  IROS(4篇) Automatic Generation of Aerobatic Flight in Complex Environments via Diffusion Models Flying on Point Clouds with Reinforcement Learning Perception-aware Planning for Quadrotor Flight in Unknown and Feature-limited Environments PI-WAN: A Physics-Informed Wind-Adaptive Network for Quadrotor Dynamics Prediction in Unknown Environments 02  ICRA(4篇)

Diffusion Transformer(DiT)——将扩散过程中的U-Net换成ViT:近频繁用于视频生成与机器人动作预测(含清华Prediction with Action详解)

Diffusion Transformer(DiT)——将扩散过程中的U-Net换成ViT:近频繁用于视频生成与机器人动作预测(含清华Prediction with Action详解)

前言 本文最开始属于此文《视频生成Sora的全面解析:从AI绘画、ViT到ViViT、TECO、DiT、VDT、NaViT等》 但考虑到DiT除了广泛应用于视频生成领域中,在机器人动作预测也被运用的越来越多,加之DiT确实是一个比较大的创新,影响力大,故独立成本文 第一部分 Diffusion Transformer(DiT):将扩散过程中的U-Net 换成ViT 1.1 什么是DiT 1.1.1 DiT:在VAE框架之下扩散去噪中的卷积架构换成Transformer架构 在ViT之前,图像领域基本是CNN的天下,包括扩散过程中的噪声估计器所用的U-net也是卷积架构,但随着ViT的横空出世,人们自然而然开始考虑这个噪声估计器可否用Transformer架构来代替 2022年12月,William Peebles(当时在UC Berkeley,Peebles在𝕏上用昵称Bill,在Linkedin上及论文署名时用大名William)、Saining Xie(当时在纽约大学)的两人通过论文《Scalable Diffusion Models with Trans

基于深度学习图像分割的无人机洪水灾害图像分割检测与水量估算 洪水分割数据集 图像分割算法

基于深度学习图像分割的无人机洪水灾害图像分割检测与水量估算 洪水分割数据集 图像分割算法

🌊 洪水检测与水量估算🌊 洪水检测与水量估算 🌊 洪水检测与水域估算 该项目专注于利用深度学习技术,从卫星或航空图像中检测受洪水影响的区域,并估算水域覆盖范围。它整合了多种卷积神经网络架构,包括LeNet、ResNet、VGG和U-Net,以执行图像分割和分类任务。该项目专注于利用深度学习技术,从卫星或航空图像中检测受洪水影响的区域,并估算水域覆盖范围。它整合了多种卷积神经网络架构,包括LeNet、ResNet、VGG和U-Net,以执行图像分割和分类任务。该项目专注于利用深度学习技术,从卫星或航空图像中检测受洪水影响的区域,并估算水域覆盖范围。它整合了多种卷积神经网络架构,包括LeNet、ResNet、VGG和U-Net,以执行图像分割和分类任务。 🔍 主要特点🔍 主要特点 🔍 主要特点 * 使用U-Net进行图像分割,以识别水体和洪水淹没区域。使用U-Net进行图像分割,以识别水体和洪水淹没区域。使用U-Net进行图像分割,以识别水体和洪水淹没区域。 * LeNet、ResNet和VGG模型的比较,以评估洪水检测的性能。LeNet、ResNet和VGG模型的

实测Qwen2.5-0.5B极速对话机器人:CPU环境下的惊艳表现

实测Qwen2.5-0.5B极速对话机器人:CPU环境下的惊艳表现 1. 项目背景与技术选型 随着边缘计算和本地化AI服务的兴起,轻量级大模型在资源受限设备上的部署需求日益增长。传统的大型语言模型通常依赖高性能GPU进行推理,这限制了其在低成本、低功耗场景中的应用。为解决这一问题,阿里云推出的 Qwen2.5 系列 提供了从 0.5B 到 72B 不同参数规模的模型版本,其中 Qwen/Qwen2.5-0.5B-Instruct 是该系列中体积最小、响应最快的一款。 本文基于官方发布的 Qwen/Qwen2.5-0.5B-Instruct 极速对话机器人镜像,实测其在纯 CPU 环境下的推理性能与交互体验。该模型经过高质量指令微调,在保持仅约 1GB 模型权重的前提下,具备出色的中文理解能力、逻辑推理能力和基础代码生成能力,特别适合用于本地聊天助手、智能客服前端、教育工具等对延迟敏感的应用场景。 核心优势总结:✅ 官方正版模型,支持流式输出✅