Telegram、 WhatsApp+380637610482
瓦列里·丹尤克
瓦列里·丹尤克开发者为企业开发人工智能工具。高质量,价格实惠。通过 Telegram 联系

无脸AI化身:语音助手揭示其真实意图

一位人工智能顾问解释了浓缩咖啡,粒子以 ART DANYUK 的风格形成了一个 3D 冒着热气的咖啡杯。

您将获得

  • ART DANYUK 的现场演示——您可以在文章中直接触摸它
  • 无脸化身与会说话的头像和脉动的球体相比如何?
  • 如何将这样的AI顾问安装到您的网站上或将其连接到您的语音AI
申请: 5分钟内保存: 一个视频头像和一个带有显卡的服务器——所有图形都在访客的手机上计算。

几乎所有的人工智能语音助手屏幕上都显示着同样的东西:一个脉动的球体。较少见的是,它们会显示一个“会说话的头像”,也就是一个会动嘴唇的真人视频头像。我创建了第三种变体,并将其命名为 ART DANYUK:当人工智能说话时,成千上万个发光粒子会凝聚成一个3D模型,代表它所谈论的事物——咖啡杯、沙发、海豚——然后又会像数据流一样分散开来。下方是一个实时演示;您可以在这里进行互动。如果您正在为您的网站选择人工智能助手,或者正在创建自己的语音代理并希望它能被用户记住,那么这篇文章将对您有所帮助。

直接在文章中尝试一下。

点击窗口底部的任意物体,或输入英文单词——例如“望远镜”或“吉他”。点击“▶ 游览”按钮会启动一段简短对话:访客询问咖啡、甜点、沙发、马匹和乘船游览;人工智能会做出回应,并用粒子将每个物体组装起来。点击会产生波浪,滑动会旋转场景,长按会分散物体,然后重新组装。角落里的圆形按钮可以切换调色板。

如果窗口未加载,请单独打开演示: vibevox.pro/stardust-demo 。

为什么没有脸总比没有球和会说话的脑袋好?

这个球体只显示人工智能正在说的话。虽然一个会说话的头像可以显示说话者是谁,但这成本高昂,而且很容易陷入“恐怖谷效应”——即接近人类的图像比清晰的绘画更令人恐惧。一个没有面孔的虚拟化身就能展现对话内容,而且令人印象深刻。

ART DANYUK 为网站制作的真人视频头像与无脸 AI 头像的对比图

选项访客所看到的图片在哪里计入统计?
脉动球抽象动画在浏览器中,几乎没有加载
真人视频头像面部表情和嘴唇与说话节奏一致在配备独立显卡的服务器上,整个对话过程就是一个视频流。
ART DANYUK 3D对话主题在访客的浏览器中,通过网络传输的只有物品的声音和名称。

两种风格:ART DANYUK 和 3D 星形

ART DANYUK——一座数据雕塑。多达131,000个粒子如同茧般流动,一个物体在茧中诞生,停留数秒后再次消散。调色板:“自动”(所有颜色缓慢混合)、海洋、珊瑚、星云、花园。需要WebGL2,几乎所有新款手机都已内置。

3D星空——星云中的螺旋星系。繁星交错,构成一个三维立体发光图案,如同真实物体般旋转。适用于任何手机,如果您的设备不支持,ART DANYUK 会自动切换到此风格。

两种风格中,粒子都会随着人工智能的声音“呼吸”:短语越响亮,画面就越明亮、越生动。

它的内部运作原理是什么?

  1. 这是一个人工智能工具。该模型会调用 show_visual(“显示物体”)函数,并传入一个英文名称——例如“咖啡杯”——然后继续朗读。语音朗读无需等待图像出现:它是一个独立的、非常小的数据通道。
  2. 包含 1359 个模型的模型库。涵盖食品、家具、动物、植物、交通工具、工具、化妆品、珠宝、电子产品和运动器材。所有源模型均采用 CC0 免费许可,我已将它们转换为 2-10 KB 的点云文件。每个模型在首次使用时都会下载,然后缓存到您的浏览器中。
  3. 安全保障。人工智能模型有时会“忘记”调用工具。因此,在回答问题一秒半后,轻量级模型会自动从访客的语句和答案开头部分选择要查找的项目。它会跳过问候语、闲聊和人名。
  4. 摄像头。访客可以将产品对准摄像头,然后点击“识别”。人工智能将识别产品名称,并利用粒子系统拼出产品的形状。

无脸AI化身如何展示对话主题:问题、语音回复、库模型、粒子

通话过程中,访客会看到什么?

  1. 通话连接期间,粒子会形成 VibeVox 字样,在您的项目中,它会显示您的品牌名称。
  2. 人工智能说你好,粒子云随着它的声音呼吸:停顿片刻——画面消失,短语鲜活起来。
  3. 谈话最终谈到了主题——粒子聚集在他的身形中,在人工智能说话时保持这种状态,然后流回。
  4. 可以通过滑动来旋转图形,通过长按来打破图形,因此等待答案的过程变成了一个游戏。
  5. 音量可通过顶部铃声栏中的滑块进行调节,摄像头可随时打开和关闭。

人工智能顾问会用访客的语言进行回复。我在一篇关于无需翻译人员即可创建多语言网站的文章中讨论了如何使网站本身支持多语言,以便搜索引擎能够识别它。

这对企业有什么用?

  • 咖啡店或糕点店——顾问谈论浓缩咖啡和甜点,顾客看到一杯咖啡和一个纸杯蛋糕。
  • 家具店——“适合小公寓的紧凑型沙发”在屏幕上立刻变成了一张沙发。
  • 旅游和短途旅行——乘船观赏海豚变成了海豚,预订变成了篮子。
  • 图书馆内设有一家商店,出售化妆品、工具和电子产品——口红、螺丝刀和耳机。
  • 展览和展示——一个屏幕,用来展示参观者询问的内容,并吸引人们围观。

在对电子商务代理的分析中,我展示了引导客户下单的 AI 代理与普通聊天机器人有何不同。

如何将其添加到您的网站上?

根据您需要的是现成的顾问、整个网站还是仅仅是图形设计,有三种选择。

需要什么如何获得
一款具备语音和3D视图的现成人工智能顾问VibeVox小部件 - 在设置中,选择“3D 图形”或 ART DANYUK,然后启用语音助手。
一个内置人工智能助手的网站1001site AI :全包套餐 - 每月 45 欧元,首月使用当月优惠码仅需 25 欧元
仅为你的语音AI提供图形界面Stardust引擎在GitHub上:个人项目免费,公司可获得商业许可。

知识库中描述了如何在您的1001site帐户中启用和配置 AI 助手。

对于开发者而言,连接只需在模型设置中设置一个工具,并在浏览器中输入一行代码即可Gemini Live、OpenAI Realtime、ElevenLabs、LiveKit 和 Pipecat 的示例可在Stardust 存储库中找到。

如果您想拥有这样一位人工智能顾问,但又不想自己摸索,请在Telegram上联系我@GuruAppSheet :我会为您的产品目录创建一个代理,并向您展示如何使用您的产品进行演示。

参考文献和资料来源

问答

这段视频或图像算是实时画面吗?

实时渲染。粒子效果由访问者的浏览器使用 WebGL(一种现代手机中常见的 3D 图形技术)绘制。服务器仅传输语音和对象名称,因此网络负载极低。

人工智能如何知道要显示哪种形状?

在对话过程中,AI模型会调用show_visual工具,并输入一个英文物体名称,例如“咖啡杯”。然后,系统会从一个包含1359个现成3D模型的库中选择一个合适的模型。如果没有合适的模型,系统会创建一个表情符号的3D轮廓;系统不会绘制人物。

我的旧手机会卡顿吗?

画质会自动调整:如果帧数开始下降,首先降低分辨率,然后降低粒子数。当AI处于静默状态时,图像刷新频率会降低以节省电量;在隐藏标签页中,图像则完全不绘制。

这个功能在iPhone上能用吗?

是的,在 iPhone 和 Android 系统的 Safari 和 Chrome 浏览器中均可运行。如果手机不支持所需的 WebGL2 模式,ART DANYUK 会自动切换到“3D 星空”样式,该样式足以满足标准 WebGL 的需求。

我可以在我的项目中使用这张图吗?

是的。Stardust引擎对个人和非商业项目免费。企业用户需要商业许可,VibeVox和1001site客户已包含此许可。源代码和安装示例可在GitHub上找到:github.com/DanikVR/vibevox-stardust。

您想为您的企业创建一个这样的网站吗?

从 1000 个示例中选择一种风格——人工智能代理将根据您的链接或描述构建网站,并在几分钟内(而不是几周内)填充内容。

查看样式