Telegram, WhatsApp+380637610482
Valery Danyuk
Valery DanyukontwikkelaarOntwikkeling van KI-gereedskap vir besighede. Hoë gehalte. Bekostigbaar.Skryf in Telegram

Gesiglose KI-avatar: Stemmagent onthul wat dit sê

'n KI-konsultant verduidelik espresso, en deeltjies vorm 'n 3D-stoomende koppie koffie in die styl van ART DANYUK.

Wat jy sal kry

  • 'n Regstreekse demonstrasie van ART DANYUK - jy kan dit dadelik in die artikel aanraak
  • Hoe vergelyk 'n gesiglose avatar met 'n pratende kop en 'n polsende bal?
  • Hoe om so 'n KI-konsultant op jou webwerf te installeer of dit aan jou stem-KI te koppel
Toepas: oor 5 minuteStoor: 'n Video-avatar en 'n bediener met 'n videokaart - alle grafika word op die besoeker se foon bereken.

Byna alle KI-stemassistente het dieselfde ding op hul skerm: 'n pulserende sfeer. Minder algemeen bevat hulle 'n "pratende kop", 'n video-avatar van 'n persoon wat hul lippe beweeg. Ek het 'n derde variant geskep en dit ART DANYUK genoem: terwyl die KI praat, vloei duisende gloeiende deeltjies saam in 'n 3D-figuur van die onderwerp waaroor gepraat word - 'n koffiebeker, 'n sofa, 'n dolfyn - en versprei dan weer as 'n stroom data. Hieronder is 'n regstreekse demonstrasie; jy kan dit hier aanraak. Hierdie artikel sal nuttig wees as jy 'n KI-assistent vir jou webwerf kies of jou eie stemagent skep en wil hê dit moet onthou word.

Probeer dit reg in die artikel

Tik enige voorwerp onderaan die venster of tik jou eie woord in Engels—byvoorbeeld, "teleskoop" of "kitaar". Die ▶ Toer-knoppie begin 'n kort dialoog: die besoeker vra oor koffie, lekkers, 'n bank, perde en 'n bootrit; die KI reageer, en deeltjies stel elke voorwerp bymekaar. Deur te tik, skep 'n golf, deur te vee, draai die toneel, en deur lank te druk, versprei die voorwerp, wat dit weer bymekaarmaak. Die ronde knoppie in die hoek verander die palet.

Indien die venster nie laai nie, maak die demonstrasie afsonderlik oop: vibevox.pro/stardust-demo.

Waarom is geen gesig beter as 'n bal en 'n pratende kop nie?

Die sfeer wys slegs wat die KI sê. ’n Pratende kop wys wie praat, maar dis duur en val maklik in die "onheimlike vallei" – wanneer ’n amper-menslike beeld meer skrikwekkend is as ’n duidelike tekening. ’n Gesiglose avatar onthul die gesprek, en dis onvergeetlik.

Vergelyking van 'n menslike video-avatar en 'n gesiglose KI-avatar deur ART DANYUK vir die webwerf

Opsie Wat die besoeker sien Waar word die prentjie getel?
Pulserende bal abstrakte animasie in die blaaier, amper sonder lading
Menslike video-avatar gesig en lippe in tyd met spraak Op 'n bediener met 'n videokaart is die hele gesprek 'n videostroom.
KUNS DANYUK onderwerp van gesprek in 3D in die besoeker se blaaier, oor die netwerk - slegs die stem en die naam van die item

Twee style: ART DANYUK en 3D-sterre

ART DANYUK - 'n data-skulptuur. Tot 131 000 deeltjies vloei soos 'n kokon, 'n voorwerp word binne gebore, bly vir 'n paar sekondes hangend en los dan weer op. Palette: "Auto" ('n stadige mengsel van alle kleure), Oseaan, Koraal, Nebula, Tuin. Vereis WebGL2, wat in byna alle onlangse fone ingesluit is.

3D-sterre – 'n spiraalvormige sterrestelsel in 'n newel. Die sterre vorm 'n boog om 'n driedimensionele, verligte figuur te vorm wat soos 'n regte voorwerp roteer. Werk op enige foon, en ART DANYUK skakel outomaties oor na hierdie styl as jou toestel nie na wense is nie.

In beide style "asemhaal" die deeltjies in tyd met die KI se stem: hoe harder die frase, hoe helderder en meer lewendig die prentjie.

Hoe werk dit van binne af?

  1. 'n KI-instrument. Die model roep show_visual ("show object") aan met 'n Engelse naam—byvoorbeeld, "coffee cup"—en gaan voort met praat. Die stem wag nooit vir 'n beeld nie: dit is 'n aparte, klein datakanaal.
  2. 'n Biblioteek van 1 359 modelle. Kos, meubels, diere, plante, vervoer, gereedskap, skoonheidsmiddels, juweliersware, elektronika en sport. Alle bronmodelle is onder 'n gratis CC0-lisensie, en ek het hulle omgeskakel na puntwolke van 2-10 KB. Elkeen word afgelaai met die eerste gebruik en dan in jou blaaier gestoor.
  3. Veiligheidsnet. KI-modelle "vergeet" soms om 'n instrument te skakel. Daarom, na 'n sekonde en 'n half se antwoord, kies die liggewigmodel outomaties die item uit die besoeker se frase en die begin van die antwoord. Dit slaan groeterye, kletspraatjies en mense oor.
  4. Kamera. Die besoeker kan die produk na die kamera rig en op "Herken" klik. Die KI sal die item benoem, en die deeltjies sal sy vorm saamstel.

Hoe 'n gesiglose KI-avatar die onderwerp van 'n gesprek vertoon: 'n vraag, 'n stemrespons, 'n biblioteekmodel, deeltjies

Wat sien die besoeker tydens die oproep?

  1. Terwyl die oproep verbind, vorm die deeltjies die inskripsie VibeVox, en in jou projek - die naam van jou handelsmerk.
  2. Die KI sê hallo, en die wolk van deeltjies haal asem in die tyd met sy stem: 'n pouse - die prentjie vervaag, die frase kom tot lewe.
  3. Die gesprek het die onderwerp bereik - deeltjies versamel in sy figuur, hou dit vas terwyl die KI praat, en vloei dan terug.
  4. Die figuur kan geroteer word deur te swiep en gebreek word deur lank te druk, so wag vir 'n antwoord verander in 'n speletjie.
  5. Die volume word aangepas met die skuifbalk in die boonste luitoonbalk, en die kamera kan te eniger tyd aan- en afgeskakel word.

Die KI-konsultant antwoord in die besoeker se taal. Ek het in my artikel oor 'n veeltalige webwerf sonder 'n vertaler bespreek hoe om die webwerf self meertalig te maak sodat dit vir soekenjins sigbaar is.

Waar is dit nuttig vir besigheid?

  • ’n Koffiewinkel of gebakwinkel – ’n konsultant praat oor espresso en nageregte, en die gas sien ’n koppie en ’n kolwyntjie.
  • Meubelwinkel - "kompakte bank vir 'n klein woonstel" verander onmiddellik in 'n bank op die skerm.
  • Toerisme en uitstappies - 'n bootrit met dolfyne word 'n dolfyn, en 'n bespreking word 'n mandjie.
  • 'n Winkel wat skoonheidsmiddels, gereedskap en elektronika verkoop —lipstiffie, skroewedraaiers en oorfone—is in die biblioteek beskikbaar.
  • Uitstallings en vertoonvensters - 'n skerm wat vertoon waaroor besoekers vra en mense rondom versamel.

Ek het in my analise van e-handelsagente gedemonstreer hoe 'n KI-agent wat kliënte na hul bestellings lei, verskil van 'n gewone kletsbot.

Hoe om dit op jou webwerf te plaas?

Daar is drie opsies, afhangende van of jy 'n klaargemaakte konsultant, die hele webwerf of net grafika benodig.

Wat nodig is Hoe om te kry
'n Kant-en-klare KI-konsultant met stem en 3D-aansig VibeVox- widget - kies "3D-figure" of ART DANYUK en die assistent se stem in die instellings
'n Webwerf met 'n ingeboude KI-assistent 1001site KI: Alles-insluitende plan - €45 per maand, eerste maand met promosiekode van die maand - €25
Net grafika vir jou stem-KI Stardust-enjin op GitHub: gratis vir persoonlike projekte, kommersiële lisensie vir maatskappye

Hoe om die KI-assistent in jou 1001site rekening te aktiveer en te konfigureer, word in die kennisbasis beskryf.

Vir ontwikkelaars neem die verbinding een instrument in die modelinstellings en een lyn in die blaaier - voorbeelde vir Gemini Live, OpenAI Realtime, ElevenLabs, LiveKit en Pipecat is in die Stardust-bewaarplek.

As jy graag so 'n KI-konsultant wil hê, maar dit nie self wil uitwerk nie, stuur vir my 'n boodskap op Telegram @GuruAppSheet: Ek sal 'n agent vir jou katalogus skep en vir jou 'n demonstrasie met jou produkte wys.

Verwysings en bronne

Vrae en antwoorde

Word hierdie video of grafika as intyds beskou?

Intyds. Die deeltjies word deur die besoeker se blaaier geteken met behulp van WebGL, 'n 3D-grafikategnologie wat in elke moderne foon gevind word. Die bediener stuur slegs die stem en die naam van die voorwerp oor, dus is die internetlading minimaal.

Hoe weet die KI watter vorm om te wys?

Tydens 'n gesprek roep die KI-model die show_visual-instrument aan met die naam van 'n voorwerp in Engels, soos "koffiekoppie". Dan kies 'n biblioteek van 1 359 gereedgemaakte 3D-modelle 'n geskikte een. Indien geen model beskikbaar is nie, word 'n 3D-silhoeët van 'n emoji-ikoon geskep; die stelsel teken nie mense nie.

Sal dit op my ou foon agterbly?

Die kwaliteit pas outomaties aan: as rame begin agterbly, word die resolusie eers verminder, dan die deeltjietelling. Wanneer die KI stil is, word die beeld minder gereeld verfris om batterylewe te bespaar, en in 'n versteekte oortjie word dit glad nie geteken nie.

Werk dit op iPhone?

Ja, in Safari en Chrome op iPhone en Android. Indien die foon nie die vereiste WebGL2-modus ondersteun nie, skakel ART DANYUK outomaties oor na die "3D-sterre"-styl, wat voldoende is vir standaard WebGL.

Kan ek hierdie grafika in my projek gebruik?

Ja. Die Stardust-enjin is gratis vir persoonlike en nie-kommersiële projekte. Maatskappye benodig 'n kommersiële lisensie, wat reeds ingesluit is vir VibeVox- en 1001site kliënte. Die bronkode en installasievoorbeelde is beskikbaar op GitHub: github.com/DanikVR/vibevox-stardust.

Wil jy so 'n webwerf vir jou besigheid hê?

Kies 'n styl uit 1 000 voorbeelde—'n KI-agent sal 'n webwerf bou gebaseer op jou skakel of beskrywing en dit binne minute, nie weke, invul.

Bekyk style