تقریباً همه دستیارهای صوتی هوش مصنوعی یک چیز مشابه روی صفحه نمایش خود دارند: یک کره ضربان‌دار. به طور معمول، آنها یک "سر سخنگو" دارند، یک آواتار ویدیویی از شخصی که لب‌هایش را تکان می‌دهد. من یک نوع سوم ایجاد کردم و آن را ART DANYUK نامیدم: در حالی که هوش مصنوعی صحبت می‌کند، هزاران ذره درخشان در یک شکل سه‌بعدی از موضوعی که درباره آن صحبت میشود - یک فنجان قهوه، یک مبل، یک دلفین - ادغام می‌شوند و سپس دوباره به عنوان جریانی از داده‌ها پراکنده می‌شوند. در زیر یک نسخه آزمایشی زنده وجود دارد. می‌توانید آن را همین جا لمس کنید. اگر در حال انتخاب یک دستیار هوش مصنوعی برای وب‌سایت خود هستید یا می‌خواهید عامل صوتی خود را ایجاد کنید و می‌خواهید آن را به خاطر بسپارید، این مقاله مفید خواهد بود.
درست در مقاله امتحان کنید
روی هر شیء در پایین پنجره ضربه بزنید یا کلمه خودتان را به انگلیسی تایپ کنید - مثلاً "تلسکوپ" یا "گیتار". دکمه ▶ Tour یک گفتگوی کوتاه را آغاز می‌کند: بازدیدکننده درباره قهوه، شیرینی، مبل، اسب و سفر با قایق سوال می‌کند؛ هوش مصنوعی پاسخ می‌دهد و ذرات هر شیء را کنار هم قرار می‌دهند. ضربه زدن یک موج ایجاد می‌کند، کشیدن صفحه صحنه را می‌چرخاند و فشار طولانی، شیء را پراکنده می‌کند که باعث میشود دوباره کنار هم قرار گیرد. دکمه گرد در گوشه، پالت را تغییر می‌دهد.
اگر پنجره بارگیری نشد، نسخه آزمایشی را جداگانه باز کنید: vibevox.pro/stardust-demo.
چرا هیچ رویی بهتر از یک توپ و یک سرِ سخنگو نیست؟
این کره فقط آنچه را که هوش مصنوعی می‌گوید نشان می‌دهد. یک سر سخنگو نشان می‌دهد چه کسی صحبت می‌کند، اما گران است و به راحتی به "دره وهم" می‌افتد - زمانی که یک تصویر تقریباً انسانی ترسناک‌تر از یک نقاشی واضح است. یک آواتار بی‌چهره مکالمه را آشکار می‌کند و این به یاد ماندنی است.
| گزینه | آنچه بازدیدکننده می‌بیند | تصویر کجا حساب میشه؟ |
|---|---|---|
| توپ ضربان‌دار | انیمیشن انتزاعی | در مرورگر، تقریباً بدون بارگذاری |
| آواتار ویدیویی انسان | صورت و لب‌ها همزمان با گفتار | در سروری که کارت گرافیک دارد، کل مکالمه به صورت یک جریان ویدیویی است. |
| آرت دانیوک | موضوع گفتگو به صورت سه بعدی | در مرورگر بازدیدکننده، از طریق شبکه - فقط صدا و نام مورد |
دو سبک: ART DANYUK و ستاره‌های سه‌بعدی
ART DANYUK - یک مجسمه داده‌ای. تا ۱۳۱۰۰۰ ذره مانند یک پیله جریان دارند، یک شیء در داخل آن متولد میشود، چند ثانیه می‌ماند و سپس دوباره حل میشود. پالت‌ها: "خودکار" (ترکیبی آهسته از همه رنگ‌ها)، اقیانوس، مرجان، سحابی، باغ. به WebGL2 نیاز دارد که تقریباً در تمام تلفن‌های جدید گنجانده شده است.
ستارگان سه‌بعدی - یک کهکشان مارپیچی در یک سحابی. ستارگان به صورت کمانی به هم متصل می‌شوند تا یک شکل سه‌بعدی و نورانی را تشکیل دهند که مانند یک شیء واقعی می‌چرخد. روی هر تلفنی کار می‌کند و اگر دستگاه شما از این سبک پشتیبانی نکند، ART DANYUK به طور خودکار به این سبک تغییر می‌کند.
در هر دو سبک، ذرات با صدای هوش مصنوعی «هماهنگ» می‌شوند: هرچه عبارت بلندتر باشد، تصویر روشن‌تر و پر جنب و جوش‌تر است.
از درون چگونه کار می‌کند؟
- یک ابزار هوش مصنوعی. مدل، تابع show_visual ("show object") را با یک نام انگلیسی - مثلاً "coffee cup" - فراخوانی می‌کند و به صحبت ادامه می‌دهد. صدا هرگز منتظر تصویر نمی‌ماند: این یک کانال داده کوچک و جداگانه است.
- کتابخانه‌ای شامل ۱۳۵۹ مدل. غذا، مبلمان، حیوانات، گیاهان، حمل و نقل، ابزار، لوازم آرایشی، جواهرات، لوازم الکترونیکی و ورزش. همه مدل‌های منبع تحت مجوز رایگان CC0 هستند و من آنها را به ابرهای نقطه‌ای ۲ تا ۱۰ کیلوبایتی تبدیل کرده‌ام. هر کدام پس از اولین استفاده دانلود شده و سپس در مرورگر شما ذخیره می‌شوند.
- شبکه ایمنی. مدل‌های هوش مصنوعی گاهی اوقات «فراموش» می‌کنند که ابزاری را فراخوانی کنند. بنابراین، پس از یک و نیم ثانیه پاسخ دادن، مدل سبک وزن به طور خودکار مورد را از عبارت بازدیدکننده و ابتدای پاسخ انتخاب می‌کند. این مدل از سلام و احوالپرسی، گپ و گفت‌های کوتاه و صحبت‌های افراد صرف نظر می‌کند.
- دوربین. بازدیدکننده می‌تواند محصول را به سمت دوربین بگیرد و روی «تشخیص» کلیک کند. هوش مصنوعی نام کالا را تعیین می‌کند و ذرات شکل آن را می‌سازند.
بازدیدکننده در طول تماس چه چیزی می‌بیند؟
- در حالی که تماس در حال اتصال است، ذرات کتیبه VibeVox را تشکیل می‌دهند، و در پروژه شما - نام برند شما.
- هوش مصنوعی سلام می‌کند و ابر ذرات با صدای او همزمان نفس می‌کشد: مکثی - تصویر محو میشود، عبارت زنده میشود.
- گفتگو به سوژه رسید - ذرات در شکل او جمع می‌شوند، آن را در حین صحبت هوش مصنوعی نگه می‌دارند و سپس دوباره پخش می‌شوند.
- شکل را می‌توان با کشیدن انگشت چرخاند و با فشار دادن طولانی آن را شکست، بنابراین انتظار برای پاسخ به یک بازی تبدیل میشود.
- میزان صدا با استفاده از نوار لغزنده در نوار زنگ بالا تنظیم میشود و دوربین را می‌توان در هر زمانی روشن و خاموش کرد.
مشاور هوش مصنوعی به زبان بازدیدکننده پاسخ می‌دهد. من در مقاله‌ام در مورد وب‌سایت چندزبانه بدون مترجم ، در مورد چگونگی چندزبانه کردن وب‌سایت به گونه‌ای که برای موتورهای جستجو قابل مشاهده باشد، بحث کرده‌ام.
این برای کسب و کار کجا مفید است؟
- یک کافی‌شاپ یا شیرینی‌فروشی - یک مشاور در مورد اسپرسو و دسرها صحبت می‌کند و مهمان یک فنجان و یک کاپ‌کیک می‌بیند.
- فروشگاه مبلمان - "مبل جمع و جور برای یک آپارتمان کوچک" بلافاصله به یک مبل روی صفحه تبدیل می شود.
- گردشگری و گشت و گذار - یک سفر قایق با دلفین ها به یک دلفین تبدیل می شود و رزرو به یک سبد تبدیل می شود.
- فروشگاهی که لوازم آرایشی، ابزار و لوازم الکترونیکی - رژ لب، پیچ گوشتی و هدفون - می‌فروشد، در کتابخانه موجود است.
- نمایشگاه‌ها و ویترین‌ها - صفحه‌ای که آنچه بازدیدکنندگان در مورد آن سوال می‌کنند را نمایش می‌دهد و مردم را دور خود جمع می‌کند.
من در تحلیل خود از نمایندگان تجارت الکترونیک نشان دادم که چگونه یک عامل هوش مصنوعی که مشتریان را به سمت سفارش‌هایشان هدایت می‌کند، با یک چت‌بات معمولی متفاوت است.
چگونه آن را در وب سایت خود قرار دهیم؟
بسته به اینکه به یک مشاور آماده، کل وب‌سایت یا فقط گرافیک نیاز دارید، سه گزینه وجود دارد.
| چه چیزی مورد نیاز است؟ | چگونه بدست آوریم |
|---|---|
| یک مشاور هوش مصنوعی آماده با صدا و نمای سه‌بعدی | ویجت VibeVox - در تنظیمات، «چهره‌های سه‌بعدی» یا ART DANYUK و صدای دستیار را انتخاب کنید |
| وب‌سایتی با دستیار هوش مصنوعی داخلی | 1001site AI: طرح جامع - 45 یورو در ماه، ماه اول با کد تخفیف ماه - 25 یورو |
| فقط گرافیک برای هوش مصنوعی صوتی شما | موتور Stardust در گیت‌هاب: رایگان برای پروژههای شخصی، مجوز تجاری برای شرکتها |
نحوه فعال‌سازی و پیکربندی دستیار هوش مصنوعی در حساب کاربری 1001site شما در پایگاه دانش توضیح داده شده است.
برای توسعه‌دهندگان، این اتصال به یک ابزار در تنظیمات مدل و یک خط در مرورگر نیاز دارد - مثال‌هایی برای Gemini Live، OpenAI Realtime، ElevenLabs، LiveKit و Pipecat در مخزن Stardust موجود است.
اگر دوست دارید یک مشاور هوش مصنوعی مانند این داشته باشید اما نمی‌خواهید خودتان آن را بفهمید، به من در Telegram @GuruAppSheet پیام دهید: من یک نماینده برای کاتالوگ شما ایجاد می‌کنم و یک نسخه آزمایشی با استفاده از محصولات شما به شما نشان می‌دهم.
