టెలిగ్రామ్, WhatsApp+380637610482
వాలెరీ డానియుక్
వాలెరీ డానియుక్డెవలపర్వ్యాపారాల కోసం AI సాధనాలను అభివృద్ధి చేయడం. అధిక నాణ్యత. సరసమైన ధర.Telegramలో వ్రాయండి

ముఖం లేని ఏఐ అవతార్: వాయిస్ ఏజెంట్ తాను ఏమి చెబుతుందో వెల్లడించింది

ఒక AI కన్సల్టెంట్ ఎస్ప్రెస్సో గురించి వివరిస్తుండగా, ఆర్ట్ డానియుక్ శైలిలో కణాలు 3D ఆవిరి వెలువడుతున్న కాఫీ కప్పును ఏర్పరుస్తాయి.

మీకు లభించేది

  • ఆర్ట్ డానియుక్ యొక్క ప్రత్యక్ష ప్రదర్శన - మీరు వ్యాసంలోనే దాన్ని తాకవచ్చు
  • ముఖం లేని అవతార్‌ను, మాట్లాడే తల మరియు స్పందిస్తున్న బంతితో పోల్చితే ఎలా ఉంటుంది?
  • మీ వెబ్‌సైట్‌లో అటువంటి AI కన్సల్టెంట్‌ను ఎలా ఇన్‌స్టాల్ చేయాలి లేదా దానిని మీ వాయిస్ AIకి ఎలా కనెక్ట్ చేయాలి
వర్తింపజేయండి: 5 నిమిషాల్లోసేవ్‌లు: వీడియో అవతార్ మరియు వీడియో కార్డ్‌తో కూడిన సర్వర్ - గ్రాఫిక్స్ అన్నీ సందర్శకుడి ఫోన్‌లోనే లెక్కించబడతాయి.

దాదాపు అన్ని AI వాయిస్ అసిస్టెంట్‌ల స్క్రీన్‌పై ఒకే విషయం ఉంటుంది: అదే స్పందిస్తున్న గోళం. అరుదుగా, వాటిలో పెదాలు కదుపుతున్న వ్యక్తి యొక్క వీడియో అవతార్ అయిన "టాకింగ్ హెడ్" కూడా ఉంటుంది. నేను మూడవ రకాన్ని సృష్టించి దానికి ఆర్ట్ డానియుక్ అని పేరు పెట్టాను: AI మాట్లాడుతున్నప్పుడు, వేలాది మెరుస్తున్న కణాలు కలిసిపోయి, మాట్లాడుతున్న విషయం యొక్క 3D ఆకృతిగా ఏర్పడతాయి—ఒక కాఫీ కప్పు, ఒక సోఫా, ఒక డాల్ఫిన్—ఆ తర్వాత అవి డేటా ప్రవాహంగా తిరిగి చెల్లాచెదురవుతాయి. కింద ఒక లైవ్ డెమో ఉంది; మీరు దాన్ని ఇక్కడే తాకవచ్చు. మీరు మీ వెబ్‌సైట్ కోసం ఒక AI అసిస్టెంట్‌ను ఎంచుకుంటున్నా లేదా మీ స్వంత వాయిస్ ఏజెంట్‌ను సృష్టించి, అది గుర్తుండిపోవాలని కోరుకుంటున్నా, ఈ వ్యాసం మీకు ఉపయోగకరంగా ఉంటుంది.

వ్యాసంలోనే ప్రయత్నించండి

విండో దిగువన ఉన్న ఏదైనా వస్తువును ట్యాప్ చేయండి లేదా "టెలిస్కోప్" లేదా "గిటార్" వంటి మీ స్వంత ఆంగ్ల పదాన్ని టైప్ చేయండి. ▶ టూర్ బటన్ ఒక చిన్న డైలాగ్‌ను ప్రారంభిస్తుంది: సందర్శకుడు కాఫీ, స్వీట్లు, సోఫా, గుర్రాలు మరియు పడవ ప్రయాణం గురించి అడుగుతారు; AI స్పందిస్తుంది, మరియు కణాలు ప్రతి వస్తువును సమీకరిస్తాయి. ట్యాప్ చేయడం ఒక అలని సృష్టిస్తుంది, స్వైప్ చేయడం దృశ్యాన్ని తిప్పుతుంది, మరియు ఎక్కువసేపు నొక్కి ఉంచడం వస్తువును చెదరగొట్టి, దానిని తిరిగి సమీకరిస్తుంది. మూలలో ఉన్న గుండ్రని బటన్ పాలెట్‌ను మారుస్తుంది.

విండో లోడ్ కాకపోతే, డెమోను విడిగా తెరవండి: vibevox.pro/stardust-demo.

బంతి మరియు మాట్లాడే తల కంటే ముఖం లేకపోవడం ఎందుకు మేలు?

గోళం కేవలం AI ఏమి చెబుతుందో మాత్రమే చూపిస్తుంది. మాట్లాడే తల ఎవరు మాట్లాడుతున్నారో చూపిస్తుంది, కానీ అది ఖరీదైనది మరియు సులభంగా "అన్‌కానీ వ్యాలీ"లో పడిపోతుంది—అంటే, స్పష్టమైన చిత్రం కంటే దాదాపు మనిషిలా ఉండే చిత్రం మరింత భయానకంగా అనిపించడం. ముఖం లేని అవతార్ సంభాషణను వెల్లడిస్తుంది, మరియు అది గుర్తుండిపోతుంది.

వెబ్‌సైట్ కోసం ఆర్ట్ డానియుక్ రూపొందించిన మానవ వీడియో అవతార్ మరియు ముఖం లేని AI అవతార్ యొక్క పోలిక

ఎంపిక సందర్శకుడు చూసేది చిత్రాన్ని ఎక్కడ లెక్కిస్తారు?
పల్సేటింగ్ బంతి అమూర్త యానిమేషన్ బ్రౌజర్‌లో, దాదాపు లోడ్ లేకుండా
మానవ వీడియో అవతార్ మాటలకు అనుగుణంగా ముఖం మరియు పెదవులు వీడియో కార్డ్ ఉన్న సర్వర్‌లో, సంభాషణ మొత్తం ఒక వీడియో స్ట్రీమ్‌గా ఉంటుంది.
ఆర్ట్ డానియుక్ 3Dలో సంభాషణ యొక్క విషయం సందర్శకుడి బ్రౌజర్‌లో, నెట్‌వర్క్ ద్వారా - కేవలం స్వరం మరియు అంశం పేరు మాత్రమే

రెండు శైలులు: ఆర్ట్ డానియుక్ మరియు 3D స్టార్స్

ఆర్ట్ డానియుక్ - ఒక డేటా శిల్పం. 131,000 వరకు కణాలు ఒక గూడులా ప్రవహిస్తాయి, దాని లోపల ఒక వస్తువు పుడుతుంది, కొన్ని సెకన్ల పాటు నిలిచి, ఆపై మళ్లీ కరిగిపోతుంది. పాలెట్లు: "ఆటో" (అన్ని రంగుల నెమ్మదైన మిశ్రమం), ఓషన్, కోరల్, నెబ్యులా, గార్డెన్. దీనికి WebGL2 అవసరం, ఇది ఇటీవలి దాదాపు అన్ని ఫోన్‌లలో ఉంటుంది.

3D నక్షత్రాలు – ఒక నీహారికలోని సర్పిలాకార గెలాక్సీ. నక్షత్రాలు కలిసి వంపుగా ఏర్పడి, నిజమైన వస్తువులా తిరిగే త్రిమితీయ, ప్రకాశవంతమైన ఆకారాన్ని అందిస్తాయి. ఇది ఏ ఫోన్‌లోనైనా పనిచేస్తుంది, మరియు మీ పరికరం దీనికి సరిపోకపోతే ఆర్ట్ డానియుక్ (ART DANYUK) దానంతట అదే ఈ శైలికి మారుతుంది.

రెండు శైలులలోనూ, కణాలు AI స్వరానికి అనుగుణంగా "ఊపిరి పీల్చుకుంటాయి": పదబంధం ఎంత బిగ్గరగా ఉంటే, చిత్రం అంత ప్రకాశవంతంగా మరియు మరింత ఉత్సాహభరితంగా ఉంటుంది.

ఇది లోపలి నుండి ఎలా పనిచేస్తుంది?

  1. ఇదొక AI సాధనం. ఈ మోడల్, "coffee cup" వంటి ఆంగ్ల పేరుతో show_visual ("వస్తువును చూపించు") ఫంక్షన్‌ను పిలుస్తూ, మాట్లాడటం కొనసాగిస్తుంది. ఆ స్వరం ఎప్పుడూ ఒక చిత్రం కోసం వేచి ఉండదు: అది ఒక ప్రత్యేకమైన, చిన్న డేటా ఛానెల్.
  2. 1,359 మోడళ్ల లైబ్రరీ. ఆహారం, ఫర్నిచర్, జంతువులు, మొక్కలు, రవాణా, పనిముట్లు, సౌందర్య సాధనాలు, ఆభరణాలు, ఎలక్ట్రానిక్స్ మరియు క్రీడలు. అన్ని సోర్స్ మోడల్స్ ఉచిత CC0 లైసెన్స్ క్రింద ఉన్నాయి, మరియు నేను వాటిని 2-10 KB పాయింట్ క్లౌడ్స్‌గా మార్చాను. ప్రతి ఒక్కటి మొదటిసారి ఉపయోగించినప్పుడు డౌన్‌లోడ్ చేయబడి, ఆపై మీ బ్రౌజర్‌లో కాష్ చేయబడుతుంది.
  3. భద్రతా వలయం. AI నమూనాలు కొన్నిసార్లు ఒక సాధనాన్ని పిలవడాన్ని "మర్చిపోతాయి". అందువల్ల, సమాధానం ఇచ్చిన ఒకటిన్నర సెకన్ల తర్వాత, ఈ తేలికపాటి నమూనా సందర్శకుడి మాటల నుండి మరియు సమాధానం యొక్క ప్రారంభం నుండి అంశాన్ని స్వయంచాలకంగా ఎంచుకుంటుంది. ఇది శుభాకాంక్షలు, చిన్న చిన్న సంభాషణలు మరియు వ్యక్తులను దాటవేస్తుంది.
  4. కెమెరా. సందర్శకుడు ఉత్పత్తిని కెమెరా వైపు చూపించి, "గుర్తించు" (Recognize) పై క్లిక్ చేయవచ్చు. AI ఆ వస్తువుకు పేరు పెడుతుంది, మరియు కణాలు దాని ఆకారాన్ని ఏర్పరుస్తాయి.

ముఖం లేని AI అవతార్ సంభాషణలోని అంశాన్ని ఎలా ప్రదర్శిస్తుంది: ఒక ప్రశ్న, ఒక వాయిస్ ప్రతిస్పందన, ఒక లైబ్రరీ మోడల్, కణాలు

కాల్ సమయంలో సందర్శకుడు ఏమి చూస్తాడు?

  1. కాల్ కనెక్ట్ అవుతున్నప్పుడు, ఆ కణాలు VibeVox అనే అక్షరాలను ఏర్పరుస్తాయి మరియు మీ ప్రాజెక్ట్‌లో - మీ బ్రాండ్ పేరును ఏర్పరుస్తాయి.
  2. ఏఐ పలకరిస్తుంది, దాని గొంతుకు అనుగుణంగా కణాల సమూహం ఊపిరి పీల్చుకుంటుంది: ఒక విరామం - చిత్రం మాయమవుతుంది, వాక్యం ప్రాణం పోసుకుంటుంది.
  3. సంభాషణ ఆ అంశానికి చేరుకుంది - కణాలు అతని ఆకృతిలోకి చేరి, AI మాట్లాడేంత సేపు దానిని పట్టుకొని ఉండి, ఆపై వెనక్కి ప్రవహిస్తాయి.
  4. స్వైప్ చేయడం ద్వారా బొమ్మను తిప్పవచ్చు మరియు ఎక్కువసేపు నొక్కి పట్టుకోవడం ద్వారా దాన్ని పగలగొట్టవచ్చు, కాబట్టి సమాధానం కోసం వేచి ఉండటం ఒక ఆటగా మారుతుంది.
  5. పై రింగ్‌టోన్ బార్‌లోని స్లైడర్‌ను ఉపయోగించి వాల్యూమ్‌ను సర్దుబాటు చేయవచ్చు మరియు కెమెరాను ఎప్పుడైనా ఆన్ లేదా ఆఫ్ చేయవచ్చు.

AI కన్సల్టెంట్ సందర్శకుల భాషలో స్పందిస్తుంది. అనువాదకుడు లేకుండా బహుభాషా వెబ్‌సైట్ గురించిన నా వ్యాసంలో, సెర్చ్ ఇంజిన్‌లకు కనిపించేలా వెబ్‌సైట్‌ను బహుభాషా వెబ్‌సైట్‌గా ఎలా మార్చాలో నేను చర్చించాను.

వ్యాపారానికి ఇది ఎక్కడ ఉపయోగపడుతుంది?

  • ఒక కాఫీ షాప్ లేదా పేస్ట్రీ షాప్‌లో – ఒక కన్సల్టెంట్ ఎస్ప్రెస్సో, డెజర్ట్‌ల గురించి మాట్లాడుతుండగా, అతిథికి ఒక కప్పు, ఒక కప్‌కేక్ కనిపిస్తాయి.
  • ఫర్నిచర్ స్టోర్ - "చిన్న అపార్ట్‌మెంట్ కోసం కాంపాక్ట్ సోఫా" వెంటనే స్క్రీన్‌పై సోఫాగా మారుతుంది.
  • పర్యాటకం మరియు విహారయాత్రలు - డాల్ఫిన్‌లతో పడవ ప్రయాణం ఒక డాల్ఫిన్‌గా మారుతుంది, మరియు బుకింగ్ ఒక బుట్టగా మారుతుంది.
  • లైబ్రరీలో సౌందర్య సాధనాలు, పనిముట్లు మరియు ఎలక్ట్రానిక్స్ —లిప్‌స్టిక్, స్క్రూడ్రైవర్లు మరియు హెడ్‌ఫోన్‌లు— అమ్మే దుకాణం అందుబాటులో ఉంది.
  • ప్రదర్శనలు మరియు ప్రదర్శనశాలలు - సందర్శకులు అడిగే విషయాలను ప్రదర్శిస్తూ, ప్రజలను ఒకచోట చేర్చే ఒక తెర.

ఇ-కామర్స్ ఏజెంట్లపై నా విశ్లేషణలో, కస్టమర్లను వారి ఆర్డర్‌ల వైపు నడిపించే AI ఏజెంట్, సాధారణ చాట్‌బాట్ నుండి ఎలా భిన్నంగా ఉంటుందో నేను ప్రదర్శించాను.

మీ వెబ్‌సైట్‌లో దీన్ని ఎలా ఉంచాలి?

మీకు సిద్ధంగా ఉన్న కన్సల్టెంట్, పూర్తి వెబ్‌సైట్ లేదా కేవలం గ్రాఫిక్స్ కావాలా అనేదానిపై ఆధారపడి మూడు ఎంపికలు ఉన్నాయి.

ఏమి అవసరం ఎలా పొందాలి
వాయిస్ మరియు 3D వీక్షణతో కూడిన రెడీమేడ్ AI కన్సల్టెంట్ వైబ్‌వాక్స్ విడ్జెట్ - సెట్టింగ్స్‌లో, "3D ఫిగర్స్" లేదా ఆర్ట్ డానియుక్ మరియు అసిస్టెంట్ వాయిస్‌ను ఎంచుకోండి
అంతర్నిర్మిత AI సహాయకుడితో కూడిన వెబ్‌సైట్ 1001site AI: ఆల్-ఇన్‌క్లూజివ్ ప్లాన్ - నెలకు €45, నెల ప్రోమో కోడ్‌తో మొదటి నెల - €25
మీ వాయిస్ AI కోసం కేవలం గ్రాఫిక్స్ గిట్‌హబ్‌లో స్టార్‌డస్ట్ ఇంజిన్: వ్యక్తిగత ప్రాజెక్ట్‌లకు ఉచితం, కంపెనీలకు వాణిజ్య లైసెన్స్

మీ 1001site ఖాతాలో AI అసిస్టెంట్‌ను ఎనేబుల్ చేసి, కాన్ఫిగర్ చేసే విధానం నాలెడ్జ్ బేస్‌లో వివరించబడింది.

డెవలపర్‌ల కోసం, ఈ కనెక్షన్‌కు మోడల్ సెట్టింగ్‌లలో ఒక టూల్ మరియు బ్రౌజర్‌లో ఒక లైన్ అవసరం అవుతుంది - Gemini లైవ్, ఓపెన్‌ఏఐ రియల్‌టైమ్, ఎలెవెన్‌ల్యాబ్స్, లైవ్‌కిట్ మరియు పైప్‌క్యాట్‌లకు సంబంధించిన ఉదాహరణలు స్టార్‌డస్ట్ రిపోజిటరీలో ఉన్నాయి.

మీరు ఇలాంటి AI కన్సల్టెంట్‌ను కోరుకుంటూ, దానిని మీ అంతట మీరే ఏర్పాటు చేసుకోవడం ఇష్టం లేకపోతే, Telegram @GuruAppSheet వద్ద నాకు మెసేజ్ చేయండి: నేను మీ కేటలాగ్ కోసం ఒక ఏజెంట్‌ను సృష్టించి, మీ ఉత్పత్తులను ఉపయోగించి మీకు ఒక డెమోను చూపిస్తాను.

సూచనలు మరియు మూలాలు

ప్రశ్నలు మరియు సమాధానాలు

ఈ వీడియో లేదా గ్రాఫిక్స్ రియల్ టైమ్‌గా పరిగణించబడుతుందా?

నిజ సమయంలో. ప్రతి ఆధునిక ఫోన్‌లో ఉండే 3D గ్రాఫిక్స్ టెక్నాలజీ అయిన WebGLను ఉపయోగించి, సందర్శకుల బ్రౌజర్ ద్వారా కణాలు గీయబడతాయి. సర్వర్ కేవలం స్వరం మరియు వస్తువు పేరును మాత్రమే ప్రసారం చేస్తుంది, కాబట్టి ఇంటర్నెట్ లోడ్ చాలా తక్కువగా ఉంటుంది.

ఏ ఆకారాన్ని చూపించాలో AIకి ఎలా తెలుస్తుంది?

సంభాషణ సమయంలో, AI మోడల్ "కాఫీ కప్" వంటి ఒక వస్తువు యొక్క ఆంగ్ల పేరుతో show_visual టూల్‌ను పిలుస్తుంది. అప్పుడు, 1,359 సిద్ధంగా ఉన్న 3D మోడళ్ల లైబ్రరీ నుండి ఒక అనువైన దానిని ఎంచుకుంటుంది. ఒకవేళ మోడల్ అందుబాటులో లేకపోతే, ఒక ఎమోజీ ఐకాన్ యొక్క 3D సిల్హౌట్ సృష్టించబడుతుంది; ఈ సిస్టమ్ మనుషులను గీయదు.

నా పాత ఫోన్‌లో ఇది నెమ్మదిగా పనిచేస్తుందా?

నాణ్యత స్వయంచాలకంగా సర్దుబాటు అవుతుంది: ఫ్రేమ్‌లు నెమ్మదిగా రావడం మొదలైతే, మొదట రిజల్యూషన్, ఆ తర్వాత పార్టికల్ కౌంట్ తగ్గించబడుతుంది. AI నిశ్శబ్దంగా ఉన్నప్పుడు, బ్యాటరీ లైఫ్‌ను ఆదా చేయడానికి చిత్రం తక్కువ తరచుగా రిఫ్రెష్ చేయబడుతుంది, మరియు ఒక దాచిన ట్యాబ్‌లో, అది అస్సలు గీయబడదు.

ఇది ఐఫోన్‌లో పనిచేస్తుందా?

అవును, ఐఫోన్ మరియు ఆండ్రాయిడ్‌లోని సఫారి మరియు క్రోమ్‌లో. ఒకవేళ ఫోన్‌కు అవసరమైన WebGL2 మోడ్ సపోర్ట్ లేకపోతే, ART DANYUK ఆటోమేటిక్‌గా "3D Stars" స్టైల్‌కి మారుతుంది, ఇది స్టాండర్డ్ WebGLకి సరిపోతుంది.

నేను ఈ గ్రాఫిక్‌ను నా ప్రాజెక్ట్‌లో ఉపయోగించుకోవచ్చా?

అవును. స్టార్‌డస్ట్ ఇంజిన్ వ్యక్తిగత మరియు వాణిజ్యేతర ప్రాజెక్ట్‌ల కోసం ఉచితం. కంపెనీలకు వాణిజ్య లైసెన్స్ అవసరం, ఇది వైబ్‌వాక్స్ మరియు 1001site క్లయింట్‌ల కోసం ఇప్పటికే చేర్చబడింది. సోర్స్ కోడ్ మరియు ఇన్‌స్టాలేషన్ ఉదాహరణలు గిట్‌హబ్‌లో అందుబాటులో ఉన్నాయి: github.com/DanikVR/vibevox-stardust.

మీ వ్యాపారం కోసం ఇలాంటి వెబ్‌సైట్ కావాలా?

1,000 నమూనాల నుండి ఒక శైలిని ఎంచుకోండి—ఒక AI ఏజెంట్ మీ లింక్ లేదా వివరణ ఆధారంగా ఒక వెబ్‌సైట్‌ను నిర్మించి, వారాలు కాదు, నిమిషాల్లోనే దాన్ని నింపుతుంది.

శైలులను వీక్షించండి