લગભગ બધા AI વૉઇસ આસિસ્ટન્ટની સ્ક્રીન પર એક જ વસ્તુ હોય છે: ધબકતો ગોળો. ઓછા સામાન્ય રીતે, તેમાં "બોલતું માથું" હોય છે, જે વ્યક્તિના હોઠ હલાવતા વિડિઓ અવતારનો સમાવેશ થાય છે. મેં ત્રીજો પ્રકાર બનાવ્યો અને તેને ART DANYUK નામ આપ્યું: જ્યારે AI બોલે છે, ત્યારે હજારો ચમકતા કણો વાત કરવામાં આવી રહેલા વિષયની 3D આકૃતિમાં ભેગા થાય છે - એક કોફી કપ, એક સોફા, એક ડોલ્ફિન - અને પછી ડેટાના પ્રવાહ તરીકે ફરીથી વિખેરાઈ જાય છે. નીચે એક લાઇવ ડેમો છે; તમે તેને અહીં સ્પર્શ કરી શકો છો. જો તમે તમારી વેબસાઇટ માટે AI આસિસ્ટન્ટ પસંદ કરી રહ્યા છો અથવા તમારા પોતાના વૉઇસ એજન્ટ બનાવી રહ્યા છો અને તેને યાદ રાખવા માંગો છો તો આ લેખ ઉપયોગી થશે.
લેખમાં જ અજમાવી જુઓ
વિન્ડોની નીચે કોઈપણ ઑબ્જેક્ટ પર ટેપ કરો અથવા અંગ્રેજીમાં તમારો પોતાનો શબ્દ લખો—ઉદાહરણ તરીકે, "ટેલિસ્કોપ" અથવા "ગિટાર". ▶ ટૂર બટન એક ટૂંકો સંવાદ શરૂ કરે છે: મુલાકાતી કોફી, મીઠાઈઓ, સોફા, ઘોડાઓ અને બોટ ટ્રીપ વિશે પૂછે છે; AI જવાબ આપે છે, અને કણો દરેક ઑબ્જેક્ટને ભેગા કરે છે. ટેપ કરવાથી એક તરંગ બને છે, સ્વાઇપ કરવાથી દ્રશ્ય ફેરવાય છે, અને લાંબા સમય સુધી દબાવવાથી ઑબ્જેક્ટ વિખેરાઈ જાય છે, જે તેને ફરીથી ભેગા કરે છે. ખૂણામાં રહેલું ગોળ બટન પેલેટ બદલી નાખે છે.
જો વિન્ડો લોડ ન થાય, તો ડેમો અલગથી ખોલો: vibevox.pro/stardust-demo.
બોલ અને બોલતા માથા કરતાં કોઈ ચહેરો કેમ સારો નથી?
આ ગોળો ફક્ત એઆઈ શું કહી રહ્યો છે તે બતાવે છે. બોલતું માથું બતાવે છે કે કોણ બોલી રહ્યું છે, પરંતુ તે મોંઘુ છે અને સરળતાથી "અદભુત ખીણ" માં પડી જાય છે - જ્યારે માનવીની નજીકની છબી સ્પષ્ટ ચિત્ર કરતાં વધુ ભયાનક હોય છે. ચહેરા વિનાનો અવતાર વાતચીતને છતી કરે છે, અને તે યાદગાર છે.
| વિકલ્પ | મુલાકાતી શું જુએ છે | ચિત્ર ક્યાં ગણાય છે? |
|---|---|---|
| ધબકતો બોલ | અમૂર્ત એનિમેશન | બ્રાઉઝરમાં, લગભગ લોડ વગર |
| માનવ વિડિઓ અવતાર | વાણી સાથે સમયસર ચહેરો અને હોઠ | વિડિઓ કાર્ડવાળા સર્વર પર, આખી વાતચીત એક વિડિઓ સ્ટ્રીમ હોય છે. |
| આર્ટ ડેન્યુક | 3D માં વાતચીતનો વિષય | મુલાકાતીના બ્રાઉઝરમાં, નેટવર્ક પર - ફક્ત અવાજ અને વસ્તુનું નામ |
બે શૈલીઓ: ART DANYUK અને 3D સ્ટાર્સ
ART DANYUK - એક ડેટા સ્કલ્પચર. 131,000 જેટલા કણો કોકૂનની જેમ વહે છે, એક વસ્તુ અંદર જન્મે છે, થોડીક સેકન્ડો માટે રહે છે, અને પછી ફરીથી ઓગળી જાય છે. પેલેટ્સ: "ઓટો" (બધા રંગોનું ધીમું મિશ્રણ), મહાસાગર, કોરલ, નિહારિકા, ગાર્ડન. WebGL2 ની જરૂર છે, જે લગભગ બધા તાજેતરના ફોનમાં શામેલ છે.
3D તારાઓ - નિહારિકામાં એક સર્પાકાર આકાશગંગા. તારાઓ એકસાથે ત્રિ-પરિમાણીય, પ્રકાશિત આકૃતિ બનાવે છે જે વાસ્તવિક વસ્તુની જેમ ફરે છે. કોઈપણ ફોન પર કામ કરે છે, અને જો તમારું ઉપકરણ યોગ્ય ન હોય તો ART DANYUK આપમેળે આ શૈલીમાં સ્વિચ કરે છે.
બંને શૈલીઓમાં, કણો AI ના અવાજ સાથે સમયસર "શ્વાસ લે છે": શબ્દસમૂહ જેટલો મોટેથી હશે, તેટલું તેજસ્વી અને વધુ જીવંત ચિત્ર હશે.
તે અંદરથી કેવી રીતે કામ કરે છે?
- એક AI ટૂલ. આ મોડેલ show_visual ("show object") ને અંગ્રેજી નામથી બોલાવે છે - ઉદાહરણ તરીકે, "coffee cup" - અને બોલવાનું ચાલુ રાખે છે. અવાજ ક્યારેય છબીની રાહ જોતો નથી: તે એક અલગ, નાનું ડેટા ચેનલ છે.
- ૧,૩૫૯ મોડેલ્સની લાઇબ્રેરી. ખોરાક, ફર્નિચર, પ્રાણીઓ, છોડ, પરિવહન, સાધનો, સૌંદર્ય પ્રસાધનો, ઘરેણાં, ઇલેક્ટ્રોનિક્સ અને રમતગમત. બધા સ્રોત મોડેલો મફત CC0 લાઇસન્સ હેઠળ છે, અને મેં તેમને 2-10 KB ના પોઇન્ટ ક્લાઉડમાં રૂપાંતરિત કર્યા છે. દરેક મોડેલ પ્રથમ ઉપયોગ પર ડાઉનલોડ થાય છે અને પછી તમારા બ્રાઉઝરમાં કેશ થાય છે.
- સલામતી જાળ. AI મોડેલો ક્યારેક કોઈ સાધનને બોલાવવાનું "ભૂલી જાય છે". તેથી, જવાબ આપ્યાના દોઢ સેકન્ડ પછી, હળવા વજનનું મોડેલ આપમેળે મુલાકાતીના વાક્ય અને જવાબની શરૂઆતમાંથી વસ્તુ પસંદ કરે છે. તે શુભેચ્છાઓ, નાની વાતો અને લોકોને છોડી દે છે.
- કેમેરા. મુલાકાતી ઉત્પાદનને કેમેરા તરફ નિર્દેશ કરી શકે છે અને "ઓળખી" પર ક્લિક કરી શકે છે. AI વસ્તુનું નામ આપશે, અને કણો તેનો આકાર ભેગા કરશે.
કોલ દરમિયાન મુલાકાતી શું જુએ છે?
- જ્યારે કોલ કનેક્ટ થઈ રહ્યો હોય, ત્યારે કણો VibeVox લખે છે, અને તમારા પ્રોજેક્ટમાં - તમારા બ્રાન્ડનું નામ.
- AI હેલો કહે છે, અને કણોનો વાદળ તેના અવાજ સાથે સમયનો શ્વાસ લે છે: એક વિરામ - ચિત્ર ઝાંખું થઈ જાય છે, શબ્દસમૂહ જીવંત બને છે.
- વાતચીત વિષય સુધી પહોંચી - કણો તેની આકૃતિમાં ભેગા થાય છે, AI વાત કરે ત્યારે તેને પકડી રાખે છે, અને પછી પાછા વહે છે.
- આકૃતિને સ્વાઇપ કરીને ફેરવી શકાય છે અને લાંબા સમય સુધી દબાવીને તોડી શકાય છે, તેથી જવાબની રાહ જોવી રમતમાં ફેરવાય છે.
- ટોચના રિંગટોન બારમાં સ્લાઇડરનો ઉપયોગ કરીને વોલ્યુમ ગોઠવવામાં આવે છે, અને કેમેરા ગમે ત્યારે ચાલુ અને બંધ કરી શકાય છે.
AI કન્સલ્ટન્ટ મુલાકાતીની ભાષામાં જવાબ આપે છે. મેં મારા લેખમાં અનુવાદક વિના બહુભાષી વેબસાઇટ વિશે ચર્ચા કરી હતી કે વેબસાઇટને બહુભાષી કેવી રીતે બનાવવી જેથી તે સર્ચ એન્જિન માટે દૃશ્યક્ષમ બને.
આ વ્યવસાય માટે ક્યાં ઉપયોગી છે?
- કોફી શોપ અથવા પેસ્ટ્રી શોપ - એક સલાહકાર એસ્પ્રેસો અને મીઠાઈઓ વિશે વાત કરે છે, અને મહેમાન એક કપ અને કપકેક જુએ છે.
- ફર્નિચર સ્ટોર - "નાના એપાર્ટમેન્ટ માટે કોમ્પેક્ટ સોફા" તરત જ સ્ક્રીન પર સોફામાં ફેરવાઈ જાય છે.
- પર્યટન અને પર્યટન - ડોલ્ફિન સાથેની બોટ ટ્રીપ ડોલ્ફિન બની જાય છે, અને બુકિંગ ટોપલી બની જાય છે.
- લાઇબ્રેરીમાં કોસ્મેટિક્સ, સાધનો અને ઇલેક્ટ્રોનિક્સ - લિપસ્ટિક, સ્ક્રુડ્રાઇવર્સ અને હેડફોન - વેચતી દુકાન ઉપલબ્ધ છે.
- પ્રદર્શનો અને પ્રદર્શનો - એક સ્ક્રીન જે મુલાકાતીઓ શું પૂછે છે તે દર્શાવે છે અને લોકોને આસપાસ ભેગા કરે છે.
મેં ઈ-કોમર્સ એજન્ટોના મારા વિશ્લેષણમાં દર્શાવ્યું કે ગ્રાહકોને તેમના ઓર્ડર માટે માર્ગદર્શન આપતો AI એજન્ટ નિયમિત ચેટબોટથી કેવી રીતે અલગ પડે છે.
તેને તમારી વેબસાઇટ પર કેવી રીતે મૂકવું?
તમને તૈયાર સલાહકારની જરૂર છે, આખી વેબસાઇટની જરૂર છે કે ફક્ત ગ્રાફિક્સની જરૂર છે તેના આધારે ત્રણ વિકલ્પો છે.
| શું જરૂરી છે | કેવી રીતે મેળવવું |
|---|---|
| અવાજ અને 3D વ્યૂ સાથે તૈયાર AI સલાહકાર | VibeVox વિજેટ - સેટિંગ્સમાં, "3D ફિગર્સ" અથવા ART DANYUK અને સહાયકનો અવાજ પસંદ કરો. |
| બિલ્ટ-ઇન AI સહાયક સાથેની વેબસાઇટ | 1001site AI: ઓલ-ઇન્ક્લુઝિવ પ્લાન - દર મહિને €45, મહિનાના પ્રોમો કોડ સાથે પ્રથમ મહિનો - €25 |
| તમારા અવાજ AI માટે ફક્ત ગ્રાફિક્સ | GitHub પર સ્ટારડસ્ટ એન્જિન: વ્યક્તિગત પ્રોજેક્ટ્સ માટે મફત, કંપનીઓ માટે વાણિજ્યિક લાઇસન્સ |
તમારા 1001site એકાઉન્ટમાં AI સહાયકને કેવી રીતે સક્ષમ અને ગોઠવવું તે નોલેજ બેઝમાં વર્ણવેલ છે.
ડેવલપર્સ માટે, કનેક્શન મોડેલ સેટિંગ્સમાં એક ટૂલ અને બ્રાઉઝરમાં એક લાઇન લે છે - Gemini લાઈવ, ઓપનએઆઈ રીઅલટાઇમ, ઇલેવનલેબ્સ, લાઈવકિટ અને પાઇપકેટ માટેના ઉદાહરણો સ્ટારડસ્ટ રિપોઝીટરીમાં છે.
જો તમે આવો AI કન્સલ્ટન્ટ રાખવા માંગતા હો, પણ તે જાતે શોધવા માંગતા ન હોવ, તો મને Telegram @GuruAppSheet પર મેસેજ કરો: હું તમારા કેટલોગ માટે એક એજન્ટ બનાવીશ અને તમારા ઉત્પાદનોનો ઉપયોગ કરીને તમને ડેમો બતાવીશ.
