सर्वात स्वस्त भाग सर्वात जास्त कष्टाचा होता

मी माझ्या प्रोजेक्टसाठी ९० सेकंदाचा एक AI व्हिडिओ तयार केला. सिनेमॅटिक भागांसाठी पैसे खर्च झाले. डेमो भागासाठी शून्य डॉलर्स खर्च झाले.

व्हिडिओचे तीन भाग आहेत:

  • चालणाऱ्या पात्रासह १४ सेकंदाचा इंट्रो.
  • ६६ सेकंदाचा प्रॉडक्ट डेमो.
  • १० सेकंदाचा आऊट्रो.

इंट्रो आणि आऊट्रोसाठी AI मॉडेल्स वापरले गेले. AI व्हिडिओचा खर्च प्रति क्लिप ३० सेंट्स ते ३ डॉलर्स दरम्यान असतो. मी या भागांसाठी सुमारे ९ डॉलर्स खर्च केले.

मधला भाग हा व्हिडिओचा मुख्य भाग आहे. तो माझ्या वेब ॲपवर कर्सर फिरताना दाखवतो. तो फॉर्ममध्ये मजकूर टाईप होताना दाखवतो. तो स्मूथ स्क्रोलिंग आणि ग्लोइंग हायलाइट्स दाखवतो.

मी स्क्रीन रेकॉर्डर वापरला नाही. मी यासाठी कोणताही AI व्हिडिओ मॉडेल वापरला नाही. त्याऐवजी, मी कोडचा वापर केला.

माझी सिस्टीम थेट लाइव्ह वेबपेजमध्ये CSS ॲनिमेशन्स इंजेक्ट करते. एक टूल फ्रेम-बाय-फ्रेम ॲनिमेशन क्लॉक चालवते. ते एक स्क्रीनशॉट घेते, क्लॉक हलवते आणि दुसरा स्क्रीनशॉट घेते. त्यानंतर, ffmpeg या स्टिल्सना जोडून एक व्हिडिओ तयार करते.

या पद्धतीचे मोठे फायदे आहेत:

  • यासाठी काहीही खर्च येत नाही.
  • हालचाल (motion) अगदी स्मूथ असते.
  • प्रत्येक रन अगदी सारखाच असतो.
  • मी पेजवरील कोणताही डेटा त्वरित बदलू शकतो.

कोडला मानवी स्वरूप देणे हा कठीण भाग होता. आम्हाला तीन मुख्य समस्या सोडवाव्या लागल्या:

  • पेज बदलताना कर्सर दृश्यमान ठेवणे.
  • अस्तित्वात असलेल्या मजकुरावर टाईप करणे जेणेकरून ॲपमध्ये एरर्स दिसणार नाहीत.
  • पेजवर स्क्रोल करण्यासाठी योग्य कंटेनर शोधणे.

आकर्षक सिनेमॅटिक भाग मनोरंजक असतात. पण डेमो भाग तो आहे जो स्केल (scale) होऊ शकतो. डेमो भाग मोफत आहे.

एकूण खर्चाचा तपशील:

  • प्रतिमा: $4.41
  • व्हिडिओ: $8.95
  • आवाज: $0.38
  • एकूण: $13.74

६६ सेकंदाच्या डेमोचा खर्च $0.00 झाला.

स्रोत: https://dev.to/hiper2d/the-cheapest-part-of-my-ai-video-was-the-part-that-does-the-most-work-4d30

पर्यायी लर्निंग कम्युनिटी: https://t.me/GyaanSetuAi