മിക്കവാറും എല്ലാ AI വോയ്‌സ് അസിസ്റ്റന്റുകളുടെയും സ്ക്രീനിൽ ഒരേ കാര്യം തന്നെയായിരിക്കും: ഒരു സ്പന്ദിക്കുന്ന ഗോളം. സാധാരണയായി, അവയിൽ ഒരു "സംസാരിക്കുന്ന തല", ഒരു വ്യക്തിയുടെ ചുണ്ടുകൾ ചലിപ്പിക്കുന്ന ഒരു വീഡിയോ അവതാർ എന്നിവ ഉൾപ്പെടുന്നു. ഞാൻ മൂന്നാമത്തെ വകഭേദം സൃഷ്ടിച്ച് അതിനെ ART DANYUK എന്ന് വിളിച്ചു: AI സംസാരിക്കുമ്പോൾ, ആയിരക്കണക്കിന് തിളങ്ങുന്ന കണികകൾ സംസാരിക്കപ്പെടുന്ന വിഷയത്തിന്റെ ഒരു 3D രൂപത്തിലേക്ക് - ഒരു കോഫി കപ്പ്, ഒരു സോഫ, ഒരു ഡോൾഫിൻ - സംയോജിപ്പിച്ച് വീണ്ടും ഡാറ്റയുടെ ഒരു പ്രവാഹമായി ചിതറുന്നു. താഴെ ഒരു ലൈവ് ഡെമോ ഉണ്ട്; നിങ്ങൾക്ക് അത് ഇവിടെ സ്പർശിക്കാം. നിങ്ങളുടെ വെബ്‌സൈറ്റിനായി ഒരു AI അസിസ്റ്റന്റിനെ തിരഞ്ഞെടുക്കുകയാണെങ്കിൽ അല്ലെങ്കിൽ നിങ്ങളുടെ സ്വന്തം വോയ്‌സ് ഏജന്റിനെ സൃഷ്ടിക്കുകയാണെങ്കിൽ, അത് ഓർമ്മിക്കപ്പെടണമെന്ന് ആഗ്രഹിക്കുന്നുവെങ്കിൽ ഈ ലേഖനം ഉപയോഗപ്രദമാകും.
ലേഖനത്തിൽ തന്നെ പരീക്ഷിച്ചു നോക്കൂ
വിൻഡോയുടെ താഴെയുള്ള ഏതെങ്കിലും വസ്തുവിൽ ടാപ്പ് ചെയ്യുക അല്ലെങ്കിൽ നിങ്ങളുടെ സ്വന്തം വാക്ക് ഇംഗ്ലീഷിൽ ടൈപ്പ് ചെയ്യുക - ഉദാഹരണത്തിന്, "ടെലിസ്കോപ്പ്" അല്ലെങ്കിൽ "ഗിറ്റാർ". ▶ ടൂർ ബട്ടൺ ഒരു ചെറിയ സംഭാഷണം ആരംഭിക്കുന്നു: സന്ദർശകൻ കോഫി, മധുരപലഹാരങ്ങൾ, ഒരു സോഫ, കുതിരകൾ, ഒരു ബോട്ട് യാത്ര എന്നിവയെക്കുറിച്ച് ചോദിക്കുന്നു; AI പ്രതികരിക്കുന്നു, കണികകൾ ഓരോ വസ്തുവിനെയും കൂട്ടിച്ചേർക്കുന്നു. ടാപ്പ് ചെയ്യുന്നത് ഒരു തരംഗം സൃഷ്ടിക്കുന്നു, സ്വൈപ്പ് ചെയ്യുന്നത് രംഗം കറങ്ങുന്നു, ദീർഘനേരം അമർത്തിയാൽ വസ്തുവിനെ ചിതറിക്കുന്നു, അത് വീണ്ടും കൂട്ടിച്ചേർക്കുന്നു. മൂലയിലുള്ള വൃത്താകൃതിയിലുള്ള ബട്ടൺ പാലറ്റ് മാറ്റുന്നു.
വിൻഡോ ലോഡ് ആയില്ലെങ്കിൽ, ഡെമോ പ്രത്യേകം തുറക്കുക: vibevox.pro/stardust-demo.
ഒരു മുഖവും ഒരു പന്തിനേക്കാളും സംസാരിക്കുന്ന തലയേക്കാളും മികച്ചതല്ലാത്തത് എന്തുകൊണ്ട്?
AI എന്താണ് പറയുന്നതെന്ന് മാത്രമേ ഗോളം കാണിക്കുന്നുള്ളൂ. സംസാരിക്കുന്ന ഒരു തല ആരാണ് സംസാരിക്കുന്നതെന്ന് കാണിക്കുന്നു, പക്ഷേ അത് ചെലവേറിയതും എളുപ്പത്തിൽ "അസാധാരണമായ താഴ്‌വര"യിലേക്ക് വീഴുന്നതുമാണ് - വ്യക്തമായ ഒരു ചിത്രത്തേക്കാൾ മനുഷ്യനോട് സാമ്യമുള്ള ഒരു ചിത്രം കൂടുതൽ ഭയപ്പെടുത്തുമ്പോൾ. മുഖമില്ലാത്ത ഒരു അവതാർ സംഭാഷണം വെളിപ്പെടുത്തുന്നു, അത് അവിസ്മരണീയമാണ്.
| ഓപ്ഷൻ | സന്ദർശകൻ കാണുന്നത് | ചിത്രം എവിടെയാണ് എണ്ണിയിരിക്കുന്നത്? |
|---|---|---|
| സ്പന്ദിക്കുന്ന പന്ത് | അമൂർത്ത ആനിമേഷൻ | ബ്രൗസറിൽ, ലോഡ് ചെയ്യാതെ തന്നെ |
| മനുഷ്യ വീഡിയോ അവതാർ | സംസാരത്തോടൊപ്പം മുഖവും ചുണ്ടുകളും | വീഡിയോ കാർഡ് ഉള്ള ഒരു സെർവറിൽ, മുഴുവൻ സംഭാഷണവും ഒരു വീഡിയോ സ്ട്രീം ആണ്. |
| ആർട്ട് ഡാനിയുക്ക് | സംഭാഷണ വിഷയം 3D-യിൽ | സന്ദർശകന്റെ ബ്രൗസറിൽ, നെറ്റ്‌വർക്കിലൂടെ - ഇനത്തിന്റെ ശബ്ദവും പേരും മാത്രം |
രണ്ട് ശൈലികൾ: ART DANYUK, 3D നക്ഷത്രങ്ങൾ
ART DANYUK - ഒരു ഡാറ്റ ശിൽപം. 131,000 കണികകൾ വരെ ഒരു കൊക്കൂൺ പോലെ ഒഴുകുന്നു, ഒരു വസ്തു ഉള്ളിൽ ജനിക്കുന്നു, കുറച്ച് നിമിഷങ്ങൾ തങ്ങിനിൽക്കുന്നു, തുടർന്ന് വീണ്ടും ലയിക്കുന്നു. പാലറ്റുകൾ: "ഓട്ടോ" (എല്ലാ നിറങ്ങളുടെയും സാവധാനത്തിലുള്ള മിശ്രിതം), സമുദ്രം, പവിഴപ്പുറ്റ്, നെബുല, പൂന്തോട്ടം. WebGL2 ആവശ്യമാണ്, ഇത് മിക്കവാറും എല്ലാ സമീപകാല ഫോണുകളിലും ഉൾപ്പെടുത്തിയിട്ടുണ്ട്.
3D നക്ഷത്രങ്ങൾ – ഒരു നെബുലയിലെ ഒരു സർപ്പിള ഗാലക്സി. നക്ഷത്രങ്ങൾ ഒരുമിച്ച് ചാപം സൃഷ്ടിച്ച് ഒരു യഥാർത്ഥ വസ്തുവിനെപ്പോലെ കറങ്ങുന്ന ഒരു ത്രിമാന, പ്രകാശിത രൂപം സൃഷ്ടിക്കുന്നു. ഏത് ഫോണിലും പ്രവർത്തിക്കും, നിങ്ങളുടെ ഉപകരണം അനുയോജ്യമല്ലെങ്കിൽ ART DANYUK സ്വയമേവ ഈ ശൈലിയിലേക്ക് മാറുന്നു.
രണ്ട് ശൈലികളിലും, കണികകൾ AI യുടെ ശബ്ദത്തിനൊപ്പം സമയബന്ധിതമായി "ശ്വസിക്കുന്നു": വാചകം ഉച്ചത്തിലാകുന്തോറും ചിത്രം കൂടുതൽ തിളക്കമുള്ളതും ഊർജ്ജസ്വലവുമാകും.
ഇത് അകത്തു നിന്ന് എങ്ങനെ പ്രവർത്തിക്കും?
- ഒരു AI ടൂൾ. മോഡൽ show_visual ("show object") എന്നതിനെ ഇംഗ്ലീഷ് പേരിൽ വിളിക്കുന്നു - ഉദാഹരണത്തിന്, "coffee cup" - തുടർന്ന് സംസാരിക്കുന്നത് തുടരുന്നു. ശബ്ദം ഒരിക്കലും ഒരു ചിത്രത്തിനായി കാത്തിരിക്കുന്നില്ല: അതൊരു പ്രത്യേക, ചെറിയ ഡാറ്റ ചാനലാണ്.
- 1,359 മോഡലുകളുടെ ഒരു ലൈബ്രറി. ഭക്ഷണം, ഫർണിച്ചർ, മൃഗങ്ങൾ, സസ്യങ്ങൾ, ഗതാഗതം, ഉപകരണങ്ങൾ, സൗന്ദര്യവർദ്ധക വസ്തുക്കൾ, ആഭരണങ്ങൾ, ഇലക്ട്രോണിക്സ്, സ്പോർട്സ്. എല്ലാ സോഴ്‌സ് മോഡലുകളും സൗജന്യ CC0 ലൈസൻസിന് കീഴിലാണ്, ഞാൻ അവയെ 2-10 KB പോയിന്റ് ക്ലൗഡുകളാക്കി മാറ്റി. ഓരോന്നും ആദ്യ ഉപയോഗത്തിൽ തന്നെ ഡൗൺലോഡ് ചെയ്യുകയും പിന്നീട് നിങ്ങളുടെ ബ്രൗസറിൽ കാഷെ ചെയ്യുകയും ചെയ്യുന്നു.
- സുരക്ഷാ വല. AI മോഡലുകൾ ചിലപ്പോൾ ഒരു ഉപകരണത്തെ വിളിക്കാൻ "മറക്കുന്നു". അതിനാൽ, ഒന്നര സെക്കൻഡ് ഉത്തരം നൽകിയ ശേഷം, ഭാരം കുറഞ്ഞ മോഡൽ സന്ദർശകന്റെ വാക്യത്തിൽ നിന്നും ഉത്തരത്തിന്റെ തുടക്കത്തിൽ നിന്നും ഇനം യാന്ത്രികമായി തിരഞ്ഞെടുക്കുന്നു. ഇത് ആശംസകൾ, ചെറിയ സംസാരം, ആളുകൾ എന്നിവ ഒഴിവാക്കുന്നു.
- ക്യാമറ. സന്ദർശകന് ഉൽപ്പന്നം ക്യാമറയിലേക്ക് ചൂണ്ടി "തിരിച്ചറിയുക" ക്ലിക്ക് ചെയ്യാം. AI ഇനത്തിന് പേര് നൽകും, കണികകൾ അതിന്റെ ആകൃതി കൂട്ടിച്ചേർക്കും.
കോളിനിടയിൽ സന്ദർശകൻ എന്താണ് കാണുന്നത്?
- കോൾ കണക്റ്റുചെയ്യുമ്പോൾ, കണികകൾ VibeVox എന്ന ലിഖിതമായി മാറുന്നു, നിങ്ങളുടെ പ്രോജക്റ്റിൽ - നിങ്ങളുടെ ബ്രാൻഡിന്റെ പേര്.
- AI ഹലോ പറയുന്നു, കണികകളുടെ മേഘം അതിന്റെ ശബ്ദത്തിലൂടെ സമയത്തെ ശ്വസിക്കുന്നു: ഒരു ഇടവേള - ചിത്രം മങ്ങുന്നു, വാക്യം ജീവൻ പ്രാപിക്കുന്നു.
- സംഭാഷണം വിഷയത്തിലെത്തി - കണികകൾ അയാളുടെ രൂപത്തിൽ കൂടിച്ചേരുകയും, AI സംസാരിക്കുമ്പോൾ അതിനെ പിടിക്കുകയും, പിന്നീട് പുറത്തേക്ക് വ്യാപിക്കുകയും ചെയ്യുന്നു.
- സ്വൈപ്പ് ചെയ്‌ത് ചിത്രം തിരിക്കാനും ദീർഘനേരം അമർത്തിയാൽ തകർക്കാനും കഴിയും, അതിനാൽ ഉത്തരത്തിനായി കാത്തിരിക്കുന്നത് ഒരു ഗെയിമായി മാറുന്നു.
- മുകളിലെ റിംഗ്‌ടോൺ ബാറിലെ സ്ലൈഡർ ഉപയോഗിച്ചാണ് ശബ്ദം ക്രമീകരിക്കുന്നത്, കൂടാതെ ക്യാമറ എപ്പോൾ വേണമെങ്കിലും ഓണാക്കാനും ഓഫാക്കാനും കഴിയും.
AI കൺസൾട്ടന്റ് സന്ദർശകന്റെ ഭാഷയിലാണ് പ്രതികരിക്കുന്നത്. വിവർത്തകനില്ലാത്ത ബഹുഭാഷാ വെബ്‌സൈറ്റിനെക്കുറിച്ചുള്ള എന്റെ ലേഖനത്തിൽ, സെർച്ച് എഞ്ചിനുകൾക്ക് ദൃശ്യമാകുന്ന തരത്തിൽ വെബ്സൈറ്റ് എങ്ങനെ ബഹുഭാഷാമാക്കാം എന്ന് ഞാൻ ചർച്ച ചെയ്തു.
ഇത് ബിസിനസിന് എവിടെയാണ് ഉപയോഗപ്രദമാകുന്നത്?
- ഒരു കോഫി ഷോപ്പ് അല്ലെങ്കിൽ പേസ്ട്രി ഷോപ്പ് - ഒരു കൺസൾട്ടന്റ് എസ്പ്രസ്സോയെയും മധുരപലഹാരങ്ങളെയും കുറിച്ച് സംസാരിക്കുന്നു, അതിഥി ഒരു കപ്പും കപ്പ്കേക്കും കാണുന്നു.
- ഫർണിച്ചർ സ്റ്റോർ - "ഒരു ചെറിയ അപ്പാർട്ട്മെന്റിനുള്ള കോംപാക്റ്റ് സോഫ" ഉടൻ തന്നെ സ്ക്രീനിൽ ഒരു സോഫയായി മാറുന്നു.
- ടൂറിസവും വിനോദയാത്രകളും - ഡോൾഫിനുകളുമൊത്തുള്ള ഒരു ബോട്ട് യാത്ര ഒരു ഡോൾഫിനായി മാറുന്നു, ഒരു ബുക്കിംഗ് ഒരു കൊട്ടയായി മാറുന്നു.
- സൗന്ദര്യവർദ്ധക വസ്തുക്കൾ, ഉപകരണങ്ങൾ, ഇലക്ട്രോണിക്സ് ഉപകരണങ്ങൾ - ലിപ്സ്റ്റിക്ക്, സ്ക്രൂഡ്രൈവറുകൾ, ഹെഡ്ഫോണുകൾ - വിൽക്കുന്ന ഒരു കട ലൈബ്രറിയിൽ ലഭ്യമാണ്.
- പ്രദർശനങ്ങളും പ്രദർശന കേന്ദ്രങ്ങളും - സന്ദർശകർ എന്താണ് ചോദിക്കുന്നതെന്ന് പ്രദർശിപ്പിക്കുകയും ആളുകളെ ചുറ്റും കൂട്ടുകയും ചെയ്യുന്ന ഒരു സ്‌ക്രീൻ.
ഇ-കൊമേഴ്‌സ് ഏജന്റുമാരെക്കുറിച്ചുള്ള എന്റെ വിശകലനത്തിൽ, ഉപഭോക്താക്കളെ അവരുടെ ഓർഡറുകളിലേക്ക് നയിക്കുന്ന ഒരു AI ഏജന്റ് ഒരു സാധാരണ ചാറ്റ്ബോട്ടിൽ നിന്ന് എങ്ങനെ വ്യത്യാസപ്പെട്ടിരിക്കുന്നുവെന്ന് ഞാൻ കാണിച്ചുതന്നു.
നിങ്ങളുടെ വെബ്‌സൈറ്റിൽ ഇത് എങ്ങനെ ഇടാം?
നിങ്ങൾക്ക് ഒരു റെഡിമെയ്ഡ് കൺസൾട്ടന്റ് ആവശ്യമുണ്ടോ, മുഴുവൻ വെബ്‌സൈറ്റും ആവശ്യമുണ്ടോ, അതോ ഗ്രാഫിക്സ് മാത്രമാണോ എന്നതിനെ ആശ്രയിച്ച് മൂന്ന് ഓപ്ഷനുകൾ ഉണ്ട്.
| എന്താണ് വേണ്ടത് | എങ്ങനെ ലഭിക്കും |
|---|---|
| ശബ്ദവും 3D കാഴ്ചയും ഉള്ള ഒരു റെഡിമെയ്ഡ് AI കൺസൾട്ടന്റ് | VibeVox വിജറ്റ് - ക്രമീകരണങ്ങളിൽ, "3D ഫിഗറുകൾ" അല്ലെങ്കിൽ ART DANYUK ഉം അസിസ്റ്റന്റിന്റെ ശബ്ദവും തിരഞ്ഞെടുക്കുക. |
| അന്തർനിർമ്മിതമായ AI സഹായിയുള്ള ഒരു വെബ്സൈറ്റ് | 1001site AI: എല്ലാം ഉൾക്കൊള്ളുന്ന പ്ലാൻ - പ്രതിമാസം €45, മാസത്തെ പ്രൊമോ കോഡുള്ള ആദ്യ മാസം - €25 |
| നിങ്ങളുടെ വോയ്‌സ് AI-യ്‌ക്കുള്ള ഗ്രാഫിക്സ് മാത്രം | GitHub-ലെ സ്റ്റാർഡസ്റ്റ് എഞ്ചിൻ: വ്യക്തിഗത പ്രോജക്റ്റുകൾക്ക് സൗജന്യം, കമ്പനികൾക്ക് വാണിജ്യ ലൈസൻസ് |
നിങ്ങളുടെ 1001site അക്കൗണ്ടിൽ AI അസിസ്റ്റന്റ് എങ്ങനെ പ്രവർത്തനക്ഷമമാക്കാമെന്നും കോൺഫിഗർ ചെയ്യാമെന്നും നോളജ് ബേസിൽ വിവരിച്ചിരിക്കുന്നു.
ഡെവലപ്പർമാർക്ക്, കണക്ഷന് മോഡൽ ക്രമീകരണങ്ങളിൽ ഒരു ടൂളും ബ്രൗസറിൽ ഒരു വരിയും ആവശ്യമാണ് - Gemini ലൈവ്, ഓപ്പൺഎഐ റിയൽടൈം, ഇലവൻ ലാബ്സ്, ലൈവ്കിറ്റ്, പൈപ്പ്കാറ്റ് എന്നിവയ്ക്കുള്ള ഉദാഹരണങ്ങൾ സ്റ്റാർഡസ്റ്റ് റിപ്പോസിറ്ററിയിലാണ്.
ഇതുപോലുള്ള ഒരു AI കൺസൾട്ടന്റിനെ നിങ്ങൾക്ക് വേണമെന്ന് ആഗ്രഹിക്കുകയും എന്നാൽ അത് സ്വയം കണ്ടുപിടിക്കാൻ താൽപ്പര്യമില്ലെങ്കിൽ, Telegram @GuruAppSheet എന്ന വിലാസത്തിൽ എനിക്ക് സന്ദേശം അയയ്ക്കുക: നിങ്ങളുടെ കാറ്റലോഗിനായി ഞാൻ ഒരു ഏജന്റിനെ സൃഷ്ടിച്ച് നിങ്ങളുടെ ഉൽപ്പന്നങ്ങൾ ഉപയോഗിച്ച് ഒരു ഡെമോ കാണിച്ചുതരാം.
