Telegram, WhatsApp+380637610482
Valery Danyuk
Valery DanyukvývojárVývoj nástrojov umelej inteligencie pre firmy. Vysokokvalitné. Cenovo dostupné.Napísať do Telegramu

Beztvárny AI avatar: Hlasový agent prezrádza, čo hovorí

Konzultant v oblasti umelej inteligencie vysvetľuje, čo je to espresso a častice vytvárajú 3D šálku horúcej kávy v štýle ART DANYUK.

Čo získate

  • Živá ukážka ART DANYUK - môžete sa jej dotknúť priamo v článku
  • Ako sa porovnáva beztvárny avatar s hovoriacou hlavou a pulzujúcou guľou?
  • Ako nainštalovať takéhoto AI konzultanta na vašu webovú stránku alebo ho prepojiť s vašou hlasovou AI
Použiť: za 5 minútUložené: Video avatar a server s grafickou kartou - všetka grafika sa vypočítava na telefóne návštevníka

Takmer všetci hlasoví asistenti s umelou inteligenciou majú na obrazovke to isté: pulzujúcu guľu. Menej často majú „hovoriacu hlavu“, video avatara osoby, ktorá pohybuje perami. Vytvoril som tretí variant a nazval ho ART DANYUK: zatiaľ čo umelá inteligencia hovorí, tisíce žiariacich častíc sa zlúčia do 3D postavy hovoreného subjektu – šálky kávy, pohovky, delfína – a potom sa opäť rozptýlia ako prúd dát. Nižšie je živá ukážka; môžete sa jej dotknúť priamo tu. Tento článok bude užitočný, ak si vyberáte asistenta s umelou inteligenciou pre svoju webovú stránku alebo si vytvárate vlastného hlasového agenta a chcete, aby si ho niekto zapamätal.

Vyskúšajte to priamo v článku

Klepnite na ľubovoľný objekt v dolnej časti okna alebo napíšte vlastné slovo v angličtine – napríklad „ďalekohľad“ alebo „gitara“. Tlačidlo ▶ Prehliadka spustí krátky dialóg: návštevník sa pýta na kávu, sladkosti, pohovku, kone a výlet loďou; umelá inteligencia odpovie a častice zostavia každý objekt. Klepnutím vytvoríte vlnu, potiahnutím prsta otáčate scénu a dlhým stlačením objekt rozptýlite, čím ho znova zostavíte. Okrúhle tlačidlo v rohu zmení paletu.

Ak sa okno nenačíta, otvorte demo samostatne: vibevox.pro/stardust-demo.

Prečo nie je žiadna tvár lepšia ako lopta a hovoriaca hlava?

Guľa zobrazuje iba to, čo hovorí umelá inteligencia. Hovoriaca hlava ukazuje, kto hovorí, ale je to drahé a ľahko sa to dostane do „zlovestného údolia“ – keď je takmer ľudský obraz desivejší ako jasná kresba. Avatar bez tváre odhaľuje konverzáciu a to je nezabudnuteľné.

Porovnanie ľudského video avatara a beztvárového avatara s umelou inteligenciou od ART DANYUK pre webovú stránku

Možnosť Čo návštevník vidí Kde sa počíta obrázok?
Pulzujúca guľa abstraktná animácia v prehliadači, takmer bez načítania
Ľudský video avatar tvár a pery v rytme reči Na serveri s grafickou kartou je celá konverzácia video stream.
UMENIE DANYUK predmet rozhovoru v 3D v prehliadači návštevníka, cez sieť - iba hlas a názov položky

Dva štýly: ART DANYUK a 3D hviezdy

ART DANYUK – dátová socha. Až 131 000 častíc prúdi ako kokón, vo vnútri sa zrodí objekt, niekoľko sekúnd sa v ňom zdrží a potom sa opäť rozpustí. Palety: „Auto“ (pomalé prelínanie všetkých farieb), Oceán, Koral, Hmlovina, Záhrada. Vyžaduje WebGL2, ktorý je súčasťou takmer všetkých novších telefónov.

3D hviezdy – špirálová galaxia v hmlovine. Hviezdy sa oblúkom spájajú a vytvárajú trojrozmerný, osvetlený obrazec, ktorý sa otáča ako skutočný objekt. Funguje na akomkoľvek telefóne a ART DANYUK automaticky prepne na tento štýl, ak vaše zariadenie nie je v poriadku.

V oboch štýloch častice „dýchajú“ v rytme hlasu umelej inteligencie: čím hlasnejšia je fráza, tým jasnejší a živší je obraz.

Ako to funguje zvnútra?

  1. Nástroj umelej inteligencie. Model volá show_visual („zobraziť objekt“) s anglickým názvom – napríklad „kávový pohár“ – a pokračuje v hovorení. Hlas nikdy nečaká na obrázok: je to samostatný, malý dátový kanál.
  2. Knižnica s 1 359 modelmi. Potraviny, nábytok, zvieratá, rastliny, doprava, nástroje, kozmetika, šperky, elektronika a šport. Všetky zdrojové modely sú pod bezplatnou licenciou CC0 a ja som ich previedol do mračien bodov s veľkosťou 2 – 10 KB. Každý z nich sa stiahne pri prvom použití a potom sa uloží do vyrovnávacej pamäte prehliadača.
  3. Bezpečnostná sieť. Modely umelej inteligencie niekedy „zabudnú“ zavolať nástroj. Preto po sekunde a pol odpovedania odľahčený model automaticky vyberie položku z frázy návštevníka a začiatku odpovede. Preskočí pozdravy, krátke rozhovory a ľudí.
  4. Kamera. Návštevník môže namieriť produkt na kameru a kliknúť na tlačidlo „Rozpoznať“. Umelá inteligencia pomenuje položku a častice zostavia jej tvar.

Ako beztvárny avatar s umelou inteligenciou zobrazuje predmet konverzácie: otázku, hlasovú odpoveď, model knižnice, častice

Čo návštevník vidí počas hovoru?

  1. Počas spájania hovoru častice tvoria nápis VibeVox a vo vašom projekte názov vašej značky.
  2. Umelá inteligencia pozdraví a oblak častíc dýcha v rytme jej hlasu: pauza - obraz mizne, fráza ožíva.
  3. Konverzácia dosiahla subjekt - častice sa zhromaždili do jeho postavy, udržali ju, kým umelá inteligencia hovorila, a potom sa vrátili späť.
  4. Figúrku je možné otáčať potiahnutím prsta a dlhým stlačením ju rozbiť, takže čakanie na odpoveď sa zmení na hru.
  5. Hlasitosť sa nastavuje pomocou posuvníka v hornom paneli zvonení a fotoaparát je možné kedykoľvek zapnúť a vypnúť.

Konzultant pre umelú inteligenciu odpovedá v jazyku návštevníka. V článku o viacjazyčnej webovej stránke bez prekladača som rozoberal, ako urobiť samotnú webovú stránku viacjazyčnou, aby bola viditeľná pre vyhľadávače.

Kde je to užitočné pre podnikanie?

  • Kaviareň alebo cukráreň – konzultant hovorí o espresse a dezertoch a hosť vidí šálku a koláčik.
  • Obchod s nábytkom - „kompaktná pohovka do malého bytu“ sa na obrazovke okamžite zmení na pohovku.
  • Turistika a výlety - výlet loďou s delfínmi sa stane delfínom a rezervácia sa stane košom.
  • V knižnici je k dispozícii obchod s kozmetikou, náradím a elektronikou – rúžom, skrutkovačmi a slúchadlami.
  • Výstavy a vitríny – obrazovka, ktorá zobrazuje to, na čo sa návštevníci pýtajú, a zhromažďuje okolo seba ľudí.

V mojej analýze e-commerce agentov som demonštroval, ako sa agent s umelou inteligenciou, ktorý vedie zákazníkov k ich objednávkam, líši od bežného chatbota.

Ako to umiestniť na svoju webovú stránku?

Existujú tri možnosti, v závislosti od toho, či potrebujete hotového konzultanta, celú webovú stránku alebo len grafiku.

Čo je potrebné Ako sa dostať
Hotový konzultant s umelou inteligenciou, hlasom a 3D zobrazením Widget VibeVox - v nastaveniach vyberte „3D postavy“ alebo ART DANYUK a hlas asistenta
Webová stránka so vstavaným asistentom s umelou inteligenciou 1001site AI: Plán All inclusive – 45 € mesačne, prvý mesiac s promo kódom mesiaca – 25 €
Len grafika pre vašu hlasovú AI Stardust engine na GitHub: zadarmo pre osobné projekty, komerčná licencia pre firmy

Postup povolenia a konfigurácie asistenta s umelou inteligenciou vo vašom účte 1001site je popísaný v databáze znalostí.

Pre vývojárov pripojenie vyžaduje jeden nástroj v nastaveniach modelu a jeden riadok v prehliadači – príklady pre Gemini Live, OpenAI Realtime, ElevenLabs, LiveKit a Pipecat sú v repozitári Stardust.

Ak by ste chceli mať takéhoto konzultanta pre umelú inteligenciu, ale nechcete sa na to pozerať sami, napíšte mi na Telegram @GuruAppSheet: Vytvorím agenta pre váš katalóg a ukážem vám ukážku s vašimi produktmi.

Zdroje a referencie

Otázky a odpovede

Považuje sa toto video alebo grafika za zobrazenie v reálnom čase?

V reálnom čase. Častice sú vykresľované prehliadačom návštevníka pomocou WebGL, 3D grafickej technológie, ktorá sa nachádza v každom modernom telefóne. Server prenáša iba hlas a názov objektu, takže zaťaženie internetu je minimálne.

Ako umelá inteligencia vie, ktorý tvar má zobraziť?

Počas konverzácie model umelej inteligencie vyvolá nástroj show_visual s názvom objektu v angličtine, napríklad „kávový pohár“. Následne knižnica 1 359 hotových 3D modelov vyberie vhodný model. Ak nie je k dispozícii žiadny model, vytvorí sa 3D silueta ikony emoji; systém nekreslí ľudí.

Bude to na mojom starom telefóne lagovať?

Kvalita sa upravuje automaticky: ak snímky začnú oneskorovať, najprv sa zníži rozlíšenie, potom počet častíc. Keď je umelá inteligencia ticho, obrázok sa obnovuje menej často, aby sa šetrila výdrž batérie, a na skrytej karte sa vôbec nevykresľuje.

Funguje to na iPhone?

Áno, v prehliadačoch Safari a Chrome na iPhone a Androide. Ak telefón nepodporuje požadovaný režim WebGL2, ART DANYUK automaticky prepne na štýl „3D hviezdy“, ktorý je postačujúci pre štandardný WebGL.

Môžem túto grafiku použiť vo svojom projekte?

Áno. Engine Stardust je bezplatný pre osobné a nekomerčné projekty. Spoločnosti vyžadujú komerčnú licenciu, ktorá je už zahrnutá pre klientov VibeVox a 1001site. Zdrojový kód a príklady inštalácie sú k dispozícii na GitHub: github.com/DanikVR/vibevox-stardust.

Chcete takúto webovú stránku pre svoju firmu?

Vyberte si štýl z 1 000 vzoriek – agent s umelou inteligenciou vytvorí webovú stránku na základe vášho odkazu alebo popisu a naplní ju v priebehu niekoľkých minút, nie týždňov.

Zobraziť štýly