जवळपास सर्व एआय व्हॉइस असिस्टंटच्या स्क्रीनवर एकच गोष्ट असते: एक स्पंदन करणारा गोल. क्वचितच, त्यात 'टॉकिंग हेड' (बोलणारे डोके) असते, जे ओठ हलवणाऱ्या व्यक्तीचा व्हिडिओ अवतार असतो. मी एक तिसरा प्रकार तयार केला आणि त्याला 'आर्ट डॅन्युक' (ART DANYUK) असे नाव दिले: जेव्हा एआय बोलते, तेव्हा हजारो चमकणारे कण एकत्र येऊन बोलल्या जाणाऱ्या विषयाची—उदा. कॉफीचा कप, सोफा, डॉल्फिन—एक त्रिमितीय (3D) आकृती तयार करतात आणि नंतर डेटाच्या प्रवाहाच्या रूपात पुन्हा विखुरतात. खाली एक थेट डेमो आहे; तुम्ही त्याला इथेच स्पर्श करू शकता. जर तुम्ही तुमच्या वेबसाइटसाठी एआय असिस्टंट निवडत असाल किंवा तुमचा स्वतःचा व्हॉइस एजंट तयार करत असाल आणि तो लक्षात राहावा असे तुम्हाला वाटत असेल, तर हा लेख उपयुक्त ठरेल.
लेखातच वापरून पहा
विंडोच्या तळाशी असलेल्या कोणत्याही ऑब्जेक्टवर टॅप करा किंवा तुमचा स्वतःचा इंग्रजी शब्द टाइप करा—उदाहरणार्थ, "टेलिस्कोप" किंवा "गिटार". ▶ टूर बटण दाबल्यावर एक छोटा संवाद सुरू होतो: अभ्यागत कॉफी, मिठाई, सोफा, घोडे आणि बोटीच्या सफरीबद्दल विचारतो; एआय प्रतिसाद देते आणि कणांद्वारे प्रत्येक ऑब्जेक्ट एकत्र जोडले जातात. टॅप केल्याने एक लाट तयार होते, स्वाइप केल्याने दृश्य फिरते आणि जास्त वेळ दाबून ठेवल्याने ऑब्जेक्ट विखुरला जातो, ज्यामुळे तो पुन्हा एकत्र जोडला जातो. कोपऱ्यातील गोल बटण पॅलेट बदलते.
जर विंडो लोड झाली नाही, तर डेमो स्वतंत्रपणे उघडा: vibevox.pro/stardust-demo.
चेंडू आणि बोलक्या डोक्यापेक्षा चेहरा नसणे का बरे?
तो गोल फक्त एआय काय म्हणत आहे ते दाखवतो. बोलणारे डोके कोण बोलत आहे हे दाखवते, पण ते महाग आहे आणि सहजपणे 'अनकॅनी व्हॅली'मध्ये मोडते—जेव्हा एखाद्या स्पष्ट चित्रापेक्षा माणसासारखी दिसणारी प्रतिमा अधिक भीतीदायक वाटते. चेहरा नसलेला अवतार संभाषण उघड करतो, आणि ते लक्षात राहते.
| पर्याय | अभ्यागताला काय दिसते | चित्राची गणना कुठे केली जाते? |
|---|---|---|
| स्पंदन करणारा चेंडू | अमूर्त ॲनिमेशन | ब्राउझरमध्ये, जवळजवळ लोड न होता |
| मानवी व्हिडिओ अवतार | बोलण्याच्या तालावर चेहरा आणि ओठ | व्हिडिओ कार्ड असलेल्या सर्व्हरवर, संपूर्ण संभाषण हा एक व्हिडिओ प्रवाह असतो. |
| आर्ट डॅन्युक | 3D मधील संभाषणाचा विषय | भेट देणाऱ्याच्या ब्राउझरमध्ये, नेटवर्कवरून - फक्त आवाज आणि वस्तूचे नाव |
दोन शैली: आर्ट डॅन्युक आणि ३डी तारे
आर्ट डॅन्युक - एक डेटा शिल्प. १,३१,००० पर्यंत कण कोशाप्रमाणे वाहतात, आत एक वस्तू जन्माला येते, काही सेकंद रेंगाळते आणि नंतर पुन्हा विलीन होते. पॅलेट्स: "ऑटो" (सर्व रंगांचे हळुवार मिश्रण), ओशन (सागर), कोरल (प्रवाळ), नेब्युला (तेजोमेघ), गार्डन (बाग). यासाठी WebGL2 आवश्यक आहे, जे जवळजवळ सर्व नवीन फोन्समध्ये समाविष्ट असते.
3D तारे – तेजोमेघातील एक सर्पिलाकार आकाशगंगा. तारे एकत्र येऊन एक त्रिमितीय, प्रकाशमान आकृती तयार करतात, जी एखाद्या खऱ्या वस्तूप्रमाणे फिरते. हे कोणत्याही फोनवर चालते, आणि जर तुमचे डिव्हाइस पुरेसे सक्षम नसेल, तर ART DANYUK आपोआप या शैलीवर स्विच होते.
दोन्ही शैलींमध्ये, कण एआयच्या आवाजाच्या तालावर 'श्वास' घेतात: वाक्य जेवढे मोठ्या आवाजात असते, तेवढे चित्र अधिक तेजस्वी आणि चैतन्यमय दिसते.
ते आतून कसे काम करते?
- एक एआय साधन. हे मॉडेल 'show_visual' ("वस्तू दाखवा") ला 'कॉफी कप' सारख्या इंग्रजी नावाने कॉल करते आणि बोलणे सुरू ठेवते. आवाज कधीही प्रतिमेची वाट पाहत नाही: प्रतिमा हा एक स्वतंत्र, छोटा डेटा चॅनल असतो.
- १,३५९ मॉडेल्सची लायब्ररी. यामध्ये अन्न, फर्निचर, प्राणी, वनस्पती, वाहतूक, अवजारे, सौंदर्यप्रसाधने, दागिने, इलेक्ट्रॉनिक्स आणि क्रीडा यांचा समावेश आहे. सर्व मूळ मॉडेल्स विनामूल्य CC0 परवान्याअंतर्गत आहेत आणि मी त्यांना २-१० KB च्या पॉइंट क्लाउड्समध्ये रूपांतरित केले आहे. प्रत्येक मॉडेल पहिल्या वापरावेळी डाउनलोड होते आणि नंतर तुमच्या ब्राउझरमध्ये कॅश केले जाते.
- सुरक्षा कवच. एआय मॉडेल्स कधीकधी एखादे साधन निवडायला "विसरतात". त्यामुळे, उत्तर दिल्यानंतर दीड सेकंदाने, हे हलके मॉडेल भेट देणाऱ्याच्या वाक्यांशातून आणि उत्तराच्या सुरुवातीतून आपोआप तो घटक निवडते. ते अभिवादन, औपचारिक संभाषण आणि व्यक्ती वगळते.
- कॅमेरा. अभ्यागत उत्पादन कॅमेऱ्याकडे रोखून 'ओळखा' (Recognize) वर क्लिक करू शकतात. एआय (AI) त्या वस्तूला नाव देईल आणि कण त्याचा आकार तयार करतील.
कॉल दरम्यान अभ्यागताला काय दिसते?
- कॉल कनेक्ट होत असताना, कण मिळून 'VibeVox' हे अक्षर तयार होते आणि तुमच्या प्रोजेक्टमध्ये - तुमच्या ब्रँडचे नाव तयार होते.
- एआय नमस्कार करते, आणि कणांचा ढग त्याच्या आवाजाच्या तालावर श्वास घेतो: एक क्षण थांबतो - चित्र अस्पष्ट होते, वाक्य जिवंत होते.
- संभाषण विषयापर्यंत पोहोचले - कण त्याच्या आकृतीत जमा होतात, एआय बोलत असताना ती आकृती धरून ठेवतात आणि नंतर परत वाहून जातात.
- स्वाइप करून आकृती फिरवता येते आणि दाबून धरल्यास ती तोडता येते, त्यामुळे उत्तराची वाट पाहणे हा एक खेळ बनतो.
- वरच्या रिंगटोन बारमधील स्लायडर वापरून आवाज कमी-जास्त करता येतो आणि कॅमेरा कधीही चालू किंवा बंद करता येतो.
एआय सल्लागार भेट देणाऱ्याच्या भाषेत प्रतिसाद देतो. अनुवादकाशिवाय बहुभाषिक वेबसाइट या माझ्या लेखात, मी वेबसाइटलाच बहुभाषिक कसे बनवायचे जेणेकरून ती शोध इंजिनला दिसेल यावर चर्चा केली आहे.
व्यवसायासाठी हे कुठे उपयुक्त आहे?
- कॉफी शॉप किंवा पेस्ट्री शॉपमध्ये – सल्लागार एस्प्रेसो आणि मिष्टान्नांबद्दल बोलतो, आणि पाहुण्याला एक कप आणि एक कपकेक दिसतो.
- फर्निचर स्टोअर - "लहान अपार्टमेंटसाठी कॉम्पॅक्ट सोफा" स्क्रीनवर लगेच सोफ्यात रूपांतरित होतो.
- पर्यटन आणि सहली - डॉल्फिनसोबतची बोट सफर म्हणजे डॉल्फिनच, आणि बुकिंग म्हणजे बास्केट.
- ग्रंथालयात सौंदर्यप्रसाधने, अवजारे आणि इलेक्ट्रॉनिक्स वस्तू—जसे की लिपस्टिक, स्क्रू ड्रायव्हर आणि हेडफोन—विकणारे एक दुकान आहे.
- प्रदर्शने आणि शोकेस - एक पडदा जो अभ्यागतांच्या प्रश्नांचे प्रदर्शन करतो आणि लोकांना एकत्र आणतो.
ई-कॉमर्स एजंट्सच्या माझ्या विश्लेषणात, मी हे दाखवून दिले आहे की ग्राहकांना त्यांच्या ऑर्डरपर्यंत मार्गदर्शन करणारा एआय एजंट सामान्य चॅटबॉटपेक्षा कसा वेगळा असतो.
तुमच्या वेबसाइटवर हे कसे टाकायचे?
तुम्हाला तयार सल्लागार हवा आहे, संपूर्ण वेबसाइट हवी आहे की फक्त ग्राफिक्स हवे आहेत, यावर अवलंबून तीन पर्याय आहेत.
| काय आवश्यक आहे | कसे मिळवायचे |
|---|---|
| आवाज आणि ३डी दृश्यासह एक तयार एआय सल्लागार | VibeVox विजेट - सेटिंग्जमध्ये, "3D फिगर्स" किंवा ART DANYUK आणि असिस्टंटचा आवाज निवडा. |
| अंगभूत एआय सहाय्यक असलेली वेबसाइट | 1001site AI: सर्वसमावेशक योजना - दरमहा €45, महिन्याच्या प्रोमो कोडसह पहिला महिना - €25 |
| तुमच्या व्हॉइस एआयसाठी फक्त ग्राफिक्स | गिटहबवरील स्टारडस्ट इंजिन: वैयक्तिक प्रकल्पांसाठी मोफत, कंपन्यांसाठी व्यावसायिक परवाना |
तुमच्या 1001site खात्यामध्ये AI सहाय्यक कसे सक्षम आणि कॉन्फिगर करावे हे ज्ञानकोशामध्ये वर्णन केले आहे.
डेव्हलपर्ससाठी, कनेक्शनसाठी मॉडेल सेटिंग्जमध्ये एक टूल आणि ब्राउझरमध्ये एक ओळ लागते - Gemini लाइव्ह, ओपनएआय रिअलटाइम, इलेव्हनलॅब्स, लाइव्हकिट आणि पाइपकॅटची उदाहरणे स्टारडस्ट रिपॉझिटरीमध्ये आहेत.
जर तुम्हाला अशा प्रकारचा एआय सल्लागार हवा असेल पण ते स्वतः करून बघायची इच्छा नसेल, तर मला Telegram वर @GuruAppSheet वर मेसेज करा: मी तुमच्या कॅटलॉगसाठी एक एजंट तयार करेन आणि तुमची उत्पादने वापरून तुम्हाला एक डेमो दाखवेन.
