लगभग सबै AI भ्वाइस सहायकहरूको स्क्रिनमा एउटै कुरा हुन्छ: धड्कने गोला। कम सामान्य रूपमा, तिनीहरूमा "बोल्ने टाउको", ओठ हल्लाउने व्यक्तिको भिडियो अवतार हुन्छ। मैले तेस्रो संस्करण सिर्जना गरें र यसलाई ART DANYUK नाम दिएँ: AI बोल्दा, हजारौं चम्किला कणहरू बोलिरहेको विषयको 3D आकृतिमा मिल्छन्—कफी कप, सोफा, डल्फिन—र त्यसपछि डेटाको स्ट्रिमको रूपमा फेरि फैलिन्छन्। तल लाइभ डेमो छ; तपाईं यसलाई यहाँ छुन सक्नुहुन्छ। यदि तपाईं आफ्नो वेबसाइटको लागि AI सहायक छनौट गर्दै हुनुहुन्छ वा आफ्नै भ्वाइस एजेन्ट सिर्जना गर्दै हुनुहुन्छ र यसलाई सम्झन चाहनुहुन्छ भने यो लेख उपयोगी हुनेछ।
लेखमा नै प्रयास गर्नुहोस्
विन्डोको तल रहेको कुनै पनि वस्तुमा ट्याप गर्नुहोस् वा अंग्रेजीमा आफ्नै शब्द टाइप गर्नुहोस्—उदाहरणका लागि, "टेलिस्कोप" वा "गिटार"। ▶ टुर बटनले छोटो संवाद सुरु गर्छ: आगन्तुकले कफी, मिठाई, सोफा, घोडा र डुङ्गा यात्राको बारेमा सोध्छ; AI ले जवाफ दिन्छ, र कणहरूले प्रत्येक वस्तुलाई जम्मा गर्छ। ट्याप गर्नाले छाल सिर्जना हुन्छ, स्वाइप गर्दा दृश्य घुम्छ, र लामो समयसम्म थिच्दा वस्तु छरिन्छ, जसले यसलाई पुन: जम्मा गर्छ। कुनामा रहेको गोल बटनले प्यालेट परिवर्तन गर्छ।
यदि विन्डो लोड भएन भने, डेमो छुट्टै खोल्नुहोस्: vibevox.pro/stardust-demo ।
किन कुनै अनुहार बल र बोल्ने टाउको भन्दा राम्रो हुँदैन?
गोलाकारले एआईले के भनिरहेको छ भनेर मात्र देखाउँछ। बोल्ने टाउकोले को बोलिरहेको छ भनेर देखाउँछ, तर यो महँगो हुन्छ र सजिलैसँग "अनौठो उपत्यका" मा खस्छ - जब नजिकको मानव छवि स्पष्ट रेखाचित्र भन्दा बढी डरलाग्दो हुन्छ। अनुहारविहीन अवतारले कुराकानी प्रकट गर्दछ, र त्यो यादगार छ।
| विकल्प | आगन्तुकले के देख्छ | तस्वीर कहाँ गणना गरिएको छ? |
|---|---|---|
| धड्कने बल | अमूर्त एनिमेसन | ब्राउजरमा, लगभग लोड बिना नै |
| मानव भिडियो अवतार | भाषणको समयमा अनुहार र ओठहरू | भिडियो कार्ड भएको सर्भरमा, सम्पूर्ण कुराकानी भिडियो स्ट्रिम हुन्छ। |
| आर्ट ड्यान्युक | थ्रीडीमा कुराकानीको विषय | आगन्तुकको ब्राउजरमा, नेटवर्कमा - केवल आवाज र वस्तुको नाम |
दुई शैलीहरू: ART DANYUK र 3D ताराहरू
ART DANYUK - एक डेटा मूर्तिकला। १३१,००० कणहरू सम्म कोकुन जस्तै बग्छन्, एउटा वस्तु भित्र जन्मन्छ, केही सेकेन्डको लागि रहन्छ, र त्यसपछि फेरि पग्लन्छ। प्यालेटहरू: "स्वचालित" (सबै रङहरूको ढिलो मिश्रण), महासागर, कोरल, नेबुला, बगैंचा। WebGL2 आवश्यक छ, जुन लगभग सबै हालका फोनहरूमा समावेश छ।
त्रिआयामिक ताराहरू - नेबुलामा रहेको सर्पिल आकाशगंगा। ताराहरू एकसाथ मिलेर त्रि-आयामिक, प्रकाशित आकृति बनाउँछन् जुन वास्तविक वस्तु जस्तै घुम्छ। कुनै पनि फोनमा काम गर्छ, र यदि तपाईंको उपकरण समतुल्य छैन भने ART DANYUK स्वचालित रूपमा यो शैलीमा स्विच हुन्छ।
दुबै शैलीहरूमा, कणहरू एआईको आवाजसँगै "सास फेर्छन्": वाक्यांश जति ठूलो हुन्छ, तस्वीर त्यति नै उज्यालो र जीवन्त हुन्छ।
यो भित्रबाट कसरी काम गर्छ?
- एउटा एआई उपकरण। मोडेलले show_visual ("show object") लाई अंग्रेजी नामले बोलाउँछ - उदाहरणका लागि, "कफी कप" - र बोल्न जारी राख्छ। आवाजले कहिल्यै छविको लागि पर्खँदैन: यो एउटा छुट्टै, सानो डेटा च्यानल हो।
- १,३५९ मोडेलहरूको पुस्तकालय। खाना, फर्निचर, जनावर, बोटबिरुवा, यातायात, उपकरण, सौन्दर्य प्रसाधन, गहना, इलेक्ट्रोनिक्स, र खेलकुद। सबै स्रोत मोडेलहरू नि:शुल्क CC0 इजाजतपत्र अन्तर्गत छन्, र मैले तिनीहरूलाई २-१० KB को पोइन्ट क्लाउडमा रूपान्तरण गरेको छु। प्रत्येक मोडेल पहिलो प्रयोगमा डाउनलोड गरिन्छ र त्यसपछि तपाईंको ब्राउजरमा क्यास गरिन्छ।
- सुरक्षा जाल। एआई मोडेलहरू कहिलेकाहीं उपकरणलाई कल गर्न "बिर्सन्छन्"। त्यसैले, उत्तर दिएको डेढ सेकेन्ड पछि, हल्का तौल मोडेलले आगन्तुकको वाक्यांश र उत्तरको सुरुवातबाट स्वचालित रूपमा वस्तु चयन गर्दछ। यसले अभिवादन, सानो कुराकानी र मानिसहरूलाई छोड्छ।
- क्यामेरा। आगन्तुकले उत्पादनलाई क्यामेरामा औंल्याउन सक्छ र "पहिचान गर्नुहोस्" मा क्लिक गर्न सक्छ। एआईले वस्तुको नाम दिनेछ, र कणहरूले यसको आकार मिलाउनेछन्।
कलको समयमा आगन्तुकले के देख्छ?
- कल जडान हुँदा, कणहरूले VibeVox लेख्छन्, र तपाईंको परियोजनामा - तपाईंको ब्रान्डको नाम।
- एआईले नमस्ते भन्छ, र कणहरूको बादलले आफ्नो आवाजको साथ समयमा सास फेर्छ: एक विराम - तस्वीर हराउँछ, वाक्यांश जीवन्त हुन्छ।
- कुराकानी विषयमा पुग्यो - कणहरू उसको आकृतिमा जम्मा हुन्छन्, एआईले बोल्दा त्यसलाई समात्छन्, र त्यसपछि फर्कन्छन्।
- चित्रलाई स्वाइप गरेर घुमाउन सकिन्छ र लामो समयसम्म थिचेर भाँच्न सकिन्छ, त्यसैले उत्तरको लागि पर्खनु खेलमा परिणत हुन्छ।
- माथिल्लो रिङटोन बारमा रहेको स्लाइडर प्रयोग गरेर भोल्युम समायोजन गरिन्छ, र क्यामेरा जुनसुकै बेला खोल्न र बन्द गर्न सकिन्छ।
एआई परामर्शदाताले आगन्तुकको भाषामा जवाफ दिन्छन्। मैले अनुवादक बिनाको बहुभाषी वेबसाइटको बारेमा मेरो लेखमा वेबसाइटलाई कसरी बहुभाषिक बनाउने भनेर छलफल गरेको थिएँ ताकि यो खोज इन्जिनहरूले देख्न सकून्।
यो व्यवसायको लागि कहाँ उपयोगी छ?
- कफी पसल वा पेस्ट्री पसल - एक सल्लाहकारले एस्प्रेसो र मिठाईहरूको बारेमा कुरा गर्छन्, र पाहुनाले कप र कपकेक देख्छन्।
- फर्निचर पसल - "सानो अपार्टमेन्टको लागि कम्प्याक्ट सोफा" तुरुन्तै स्क्रिनमा सोफामा परिणत हुन्छ।
- पर्यटन र भ्रमण - डल्फिनसँगको डुङ्गाको यात्रा डल्फिन बन्छ, र बुकिङ टोकरी बन्छ।
- पुस्तकालयमा कस्मेटिक्स, औजार र इलेक्ट्रोनिक्स - लिपस्टिक, स्क्रूड्राइभर र हेडफोन - बेच्ने पसल उपलब्ध छ।
- प्रदर्शनी र प्रदर्शनीहरू - एउटा स्क्रिन जसले आगन्तुकहरूले सोधेका कुराहरू प्रदर्शन गर्दछ र मानिसहरूलाई वरिपरि भेला गर्दछ।
मैले ई-कमर्स एजेन्टहरूको मेरो विश्लेषणमा ग्राहकहरूलाई उनीहरूको अर्डरमा मार्गदर्शन गर्ने एआई एजेन्ट कसरी नियमित च्याटबटभन्दा फरक हुन्छ भनेर प्रदर्शन गरें।
यसलाई आफ्नो वेबसाइटमा कसरी राख्ने?
तपाईंलाई तयार परामर्शदाता चाहिन्छ कि चाहिन्छ, सम्पूर्ण वेबसाइट चाहिन्छ वा केवल ग्राफिक्स चाहिन्छ भन्ने आधारमा तीन विकल्पहरू छन्।
| के चाहिन्छ? | कसरी प्राप्त गर्ने |
|---|---|
| आवाज र थ्रीडी दृश्यको साथ तयार एआई सल्लाहकार | VibeVox विजेट - सेटिङहरूमा, "3D फिगरहरू" वा ART DANYUK र सहायकको आवाज चयन गर्नुहोस्। |
| बिल्ट-इन एआई सहायक भएको वेबसाइट | 1001site एआई: सबै समावेशी योजना - €४५ प्रति महिना, पहिलो महिनाको प्रोमो कोड सहित - €२५ |
| तपाईंको आवाज AI को लागि केवल ग्राफिक्स | GitHub मा स्टारडस्ट इन्जिन: व्यक्तिगत परियोजनाहरूको लागि नि:शुल्क, कम्पनीहरूको लागि व्यावसायिक इजाजतपत्र |
तपाईंको 1001site खातामा एआई सहायकलाई कसरी सक्षम र कन्फिगर गर्ने भन्ने कुरा ज्ञानको आधारमा वर्णन गरिएको छ।
विकासकर्ताहरूको लागि, जडानले मोडेल सेटिङहरूमा एउटा उपकरण र ब्राउजरमा एउटा लाइन लिन्छ - Gemini लाइभ, ओपनएआई रियलटाइम, इलेभेनल्याब्स, लाइभकिट र पाइपेक्याटका उदाहरणहरू स्टारडस्ट रिपोजिटरीमा छन्।
यदि तपाईं यस्तै एआई सल्लाहकार चाहनुहुन्छ तर आफैंले यो पत्ता लगाउन चाहनुहुन्न भने, मलाई Telegram @GuruAppSheet मा सन्देश पठाउनुहोस्: म तपाईंको क्याटलगको लागि एजेन्ट सिर्जना गर्नेछु र तपाईंको उत्पादनहरू प्रयोग गरेर डेमो देखाउनेछु।
