ਡਿਜ਼ਾਈਨ ਟੀਮ ਤੋਂ ਬਿਨਾਂ ਚੈਨਲ ਦੇ ਸਟਾਈਲ ਦੀ ਕਲੋਨਿੰਗ ਕਰੋ
ਤੁਹਾਨੂੰ ਕਿਸੇ ਸਫਲ YouTube ਵਿਜ਼ੂਅਲ ਸਟਾਈਲ ਦੀ ਨਕਲ ਕਰਨ ਲਈ ਡਿਜ਼ਾਈਨ ਟੀਮ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ। ਤੁਹਾਨੂੰ ਇੱਕ ਡਾਟਾ ਪਾਈਪਲਾਈਨ ਦੀ ਲੋੜ ਹੈ।
ਮੈਂ ਕਈ YouTube ਚੈਨਲਾਂ ਲਈ ਕੰਟੈਂਟ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਦਾ ਹਾਂ। ਇੱਕ ਕਲਾਇੰਟ ਦਾ CTR 2.1% ਸੀ। ਉਨ੍ਹਾਂ ਦੇ ਮੁਕਾਬਲੇਬਾਜ਼ ਦਾ 6% ਤੋਂ 8% ਸੀ। ਇਹ ਕੰਟੈਂਟ ਦੀ ਸਮੱਸਿਆ ਨਹੀਂ ਸੀ। ਇਹ ਵਿਜ਼ੂਅਲ ਸਿਗਨਲ ਦੀ ਸਮੱਸਿਆ ਸੀ।
ਮੈਂ ਸਫਲ ਸਟਾਈਲ ਦੀ ਕਲੋਨਿੰਗ ਕਰਨ ਲਈ ਇੱਕ ਆਟੋਮੇਟਡ ਸਿਸਟਮ ਬਣਾਇਆ। ਇੱਥੇ ਉਹ ਹੈ ਜੋ ਮੈਂ ਸਿੱਖਿਆ।
How to Define Style ਸਟਾਈਲ ਕੋਈ ਵਾਈਬ (vibe) ਨਹੀਂ ਹੈ। ਇਹ ਮਾਪਣਯੋਗ ਡਾਟਾ ਹੈ। ਮੈਂ ਪੰਜ ਖਾਸ ਸਿਗਨਲਾਂ ਨੂੰ ਟ੍ਰੈਕ ਕੀਤਾ:
- Face crop ratio: ਚਿਹਰਾ ਕਿੰਨੀ ਜਗ੍ਹਾ ਘੇਰਦਾ ਹੈ।
- Expression category: ਖੁੱਲ੍ਹਾ ਮੂੰਹ ਜਾਂ ਉੱਚੀਆਂ ਭਰਵੱਟਾਵਾਂ।
- Text zone: ਫਰੇਮ ਵਿੱਚ ਟਾਈਟਲ ਕਿੱਥੇ ਸਥਿਤ ਹੈ।
- Contrast delta: ਵਿਸ਼ੇ (subject) ਅਤੇ ਬੈਕਗ੍ਰਾਊਂਡ ਵਿਚਕਾਰ ਚਮਕ ਦਾ ਅੰਤਰ।
- Color temperature: ਵਾਰਮ (warm) ਜਾਂ ਕੂਲ (cool) ਟੋਨਸ।
The Data Pipeline ਸਭ ਤੋਂ ਵੱਡੀ ਗਲਤੀ ਗਲਤ ਇਨਪੁਟ ਡਾਟਾ ਹੈ। ਮੈਂ ਸ਼ੁਰੂ ਵਿੱਚ KMeans ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਰੰਗ ਕੱਢਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕੀਤੀ। ਇਹ ਅਸਫਲ ਰਿਹਾ ਕਿਉਂਕਿ ਇਸਨੇ ਅਸਮਾਨ ਵਰਗੇ ਬੈਕਗ੍ਰਾਊਂਡ ਰੰਗਾਂ ਨੂੰ ਚੁੱਕ ਲਿਆ। ਮੈਂ ਪਹਿਲਾਂ ਵਿਸ਼ੇ (subject) ਨੂੰ ਮਾਸਕ ਕਰਨ ਲਈ MediaPipe ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇਸਨੂੰ ਠੀਕ ਕੀਤਾ। ਇਸ ਨੇ ਇਹ ਯਕੀਨੀ ਬਣਾਇਆ ਕਿ ਮੈਂ ਵਿਅਕਤੀ ਤੋਂ ਸਿਰਫ ਅਸਲ ਬ੍ਰਾਂਡ ਰੰਗ ਹੀ ਪ੍ਰਾਪਤ ਕਰਾਂ।
The Tooling Stack ਮੈਂ ਕੰਮ ਨੂੰ ਦੋ ਹਿੱਸਿਆਂ ਵਿੱਚ ਵੰਡ ਦਿੱਤਾ ਕਿਉਂਕਿ ਇੱਕ ਟੂਲ ਸਭ ਕੁਝ ਨਹੀਂ ਕਰ ਸਕਦਾ।
- Face work: ਮੈਂ ਚਿਹਰੇ ਦੇ ਹਾਵ-ਭਾਵਾਂ ਨੂੰ ਸੰਭਾਲਣ ਲਈ Aragon.ai ਦੀ ਵਰਤੋਂ ਕੀਤੀ।
- Background and layers: ਮੈਂ Thumbs.ai ਦੀ ਵਰਤੋਂ ਕੀਤੀ। ਇਹ ਵਧੀਆ ਕੰਮ ਕਰਦਾ ਹੈ ਕਿਉਂਕਿ ਇਹ ਅਪਲੋਡਾਂ ਲਈ ਸਿੱਧੇ URL ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।
The Results ਕਲਾਇੰਟ ਅੱਠ ਹਫ਼ਤਿਆਂ ਵਿੱਚ 2.1% CTR ਤੋਂ 3.7% 'ਤੇ ਪਹੁੰਚ ਗਿਆ।
ਕਲਿੱਕਾਂ ਲਈ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਕਾਰਕ face crop ratio ਅਤੇ contrast ਸਨ। ਹੈਰਾਨੀ ਦੀ ਗੱਲ ਹੈ ਕਿ ਖਾਸ ਚਿਹਰੇ ਦੇ ਹਾਵ-ਭਾਵ ਮੇਰੀ ਸੋਚ ਨਾਲੋਂ ਘੱਟ ਮਹੱਤਵਪੂਰਨ ਸਨ।
Lessons for Builders
- ਰੰਗ ਕੱਢਣ ਤੋਂ ਪਹਿਲਾਂ ਵਿਸ਼ੇ (subject) ਨੂੰ ਮਾਸਕ ਕਰੋ।
- ਸਟਾਈਲ ਨੂੰ ਮੈਥ (math) ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ, ਭਾਵਨਾਵਾਂ ਦੀ ਨਹੀਂ।
- ਚਿਹਰਿਆਂ ਅਤੇ ਬੈਕਗ੍ਰਾਊਂਡ ਲਈ ਵੱਖ-ਵੱਖ ਟੂਲਸ ਦੀ ਵਰਤੋਂ ਕਰੋ।
- ਆਪਣੇ ਕੋਡ ਵਿੱਚ ਸ਼ੁਰੂ ਵਿੱਚ ਹੀ retry logic ਬਣਾਓ।
- ਫੌਂਟ ਦੀ ਚੋਣ ਨੂੰ ਟਾਈਪੋਗ੍ਰਾਫੀ (typography) ਟਾਸਕ ਵਜੋਂ ਲਓ, AI ਟਾਸਕ ਵਜੋਂ ਨਹੀਂ।