Cloud AI - 3. 클라우드 AI 활용 프로젝트 (실습 프로젝트)

📌 AI API 실습 프로젝트: 최신 API 반영 및 실전 적용

이번 실습 프로젝트에서는 Google Vision AI, Google Speech-to-Text API, OpenAI API, Google Dialogflow를 활용하여 이미지 분류기, 음성 감정 분석기, AI 챗봇을 구축한다.
최신 API 변경 사항을 반영하여 보다 안정적이고 확장 가능한 AI 애플리케이션을 개발하는 방법을 익힌다.

---

🔹 1️⃣ 프로젝트 1: 이미지 분류기 만들기 (Google Vision AI + Python)

✅ 프로젝트 개요

Google Vision AI를 활용하여 이미지를 분석하고, 객체를 자동으로 분류하는 AI 모델을 구현한다.
이 모델은 상품 이미지, 동물, 음식, 사물 등 다양한 항목을 자동으로 분류하는 기능을 수행할 수 있다.

📌 Google Vision AI API 설정 및 사용 방법

✅ 1. 최신 Google Cloud Vision API 문서 확인 → 공식 문서
✅ 2. 서비스 계정 키(JSON) 생성 및 환경 변수 설정
✅ 3. Python을 사용하여 API 호출 및 이미지 분석

---

📌 이미지 분류기 코드 예제 (Google Vision AI 활용)

from google.cloud import vision
import os
import time

# 서비스 계정 인증 설정 (환경 변수 사용)
os.environ["GOOGLE_APPLICATION_CREDENTIALS"] = "your-vision-service-account.json"

# Vision API 클라이언트 생성
client = vision.ImageAnnotatorClient()

def classify_image(image_path, retries=3):
    """Google Vision AI를 사용한 이미지 분류 및 오류 처리"""
    with open(image_path, "rb") as image_file:
        content = image_file.read()
    image = vision.Image(content=content)

    for attempt in range(retries):
        try:
            response = client.label_detection(image=image)
            return response
        except Exception as e:
            print(f"⚠️ API 호출 오류 발생: {e}")
            if attempt < retries - 1:
                print(f"재시도 중... ({attempt + 1}/{retries})")
                time.sleep(2)
            else:
                print("❌ 최대 재시도 횟수 초과, 요청 실패")
                return None

# 실행 예제
response = classify_image("sample_image.jpg")
if response:
    print("🔹 이미지 분류 결과:")
    for label in response.label_annotations:
        print(f"- {label.description} (신뢰도: {label.score:.2f})")

---

🔹 2️⃣ 프로젝트 2: 음성 감정 분석기 만들기 (Speech-to-Text API + 감정 분석 API)

✅ 프로젝트 개요

음성을 텍스트로 변환한 후, 텍스트의 감정을 분석하여 긍정/부정/중립을 분류하는 AI 시스템을 구축한다.
이를 통해 AI 기반 고객 피드백 분석, 콜센터 감정 분석, 감성 기반 음성 인터페이스 구축 등에 활용할 수 있다.

📌 API 설정 및 사용 방법

✅ 1. 최신 Google Speech-to-Text API 문서 확인 → 공식 문서
✅ 2. OpenAI GPT-4 API 또는 Google Natural Language API 활용하여 감정 분석

---

📌 음성 감정 분석기 코드 예제 (최신 OpenAI API 적용)

from google.cloud import speech
import openai
import os
import time

# API 인증 정보 설정
os.environ["GOOGLE_APPLICATION_CREDENTIALS"] = "your-speech-service-account.json"

speech_client = speech.SpeechClient()

def transcribe_audio(file_path, retries=3):
    """음성을 텍스트로 변환하는 함수"""
    with open(file_path, "rb") as audio_file:
        content = audio_file.read()
    audio = speech.RecognitionAudio(content=content)

    config = speech.RecognitionConfig(
        encoding=speech.RecognitionConfig.AudioEncoding.LINEAR16,
        sample_rate_hertz=16000,
        language_code="ko-KR"
    )

    for attempt in range(retries):
        try:
            response = speech_client.recognize(config=config, audio=audio)
            return response
        except Exception as e:
            print(f"⚠️ API 호출 오류 발생: {e}")
            if attempt < retries - 1:
                time.sleep(2)
            else:
                print("❌ 요청 실패")
                return None

# 실행 예제
speech_response = transcribe_audio("sample_audio.wav")
if speech_response:
    recognized_text = speech_response.results[0].alternatives[0].transcript
    print(f"🎙️ 변환된 텍스트: {recognized_text}")

    # 감정 분석 (최신 OpenAI API 반영)
    openai.api_key = "your-openai-api-key"
    sentiment_response = openai.chat.completions.create(
        model="gpt-4",
        messages=[{"role": "system", "content": "Analyze the sentiment of the given text."},
                  {"role": "user", "content": recognized_text}]
    )
    print("🔹 감정 분석 결과:", sentiment_response.choices[0].message.content)

---

🔹 3️⃣ 프로젝트 3: AI 챗봇 만들기 (Google Dialogflow 활용)

✅ 프로젝트 개요

Google Dialogflow를 활용하여 사용자의 입력을 이해하고, 자동으로 응답하는 AI 챗봇을 구축한다.
이를 통해 고객 지원 챗봇, FAQ 자동 응답 시스템, 음성 기반 AI 비서 등을 개발할 수 있다.

📌 Google Dialogflow API 설정 및 사용 방법

✅ 1. 최신 Google Dialogflow 문서 확인 → 공식 문서
✅ 2. Intent(사용자 의도) 및 Training Phrases 설정
✅ 3. API를 통해 챗봇과 연동하여 응답 받기

---

📌 AI 챗봇 API 연동 코드 예제 (Python)

from google.cloud import dialogflow
import os

os.environ["GOOGLE_APPLICATION_CREDENTIALS"] = "your-dialogflow-service-account.json"

client = dialogflow.SessionsClient()
session_id = "test-session"
session = f"projects/your-project-id/agent/sessions/{session_id}"

user_message = "안녕하세요! 이 서비스는 무엇을 할 수 있나요?"

text_input = dialogflow.TextInput(text=user_message, language_code="ko")
query_input = dialogflow.QueryInput(text=text_input)

response = client.detect_intent(session=session, query_input=query_input)

print("🤖 챗봇 응답:", response.query_result.fulfillment_text)