Kujenga Mfumo wa Video wa Wenyeahudumia Wawili kwa Kutumia AI
Nilitaka kuvuka mipaka ya video fupi za wima.
Maudhui marefu yanahitaji muundo bora zaidi. Sauti moja ya roboti inayosoma orodha inachosha. Watu huacha kutazama.
Nimejenga mfumo wa kutengeneza video za dakika 10 zenye wenyeahudumia wawili. Wanazungumza, wanapingana, na wanahamisha mada kwa njia ya asili. Mdundo huu huwafanya watu waendelee kutazama.
Nimeujenga huu kuanzia mwanzo ili ufanye kazi ndani ya GitHub Actions. Lazima uendeshe wenyewe kila wakati ninapofanya mabadiliko kwenye faili.
Hivi ndivyo mfumo unavyofanya kazi:
• Kila kitu kinaanza na faili moja la JSON. • Faili hili lina script, wasemaji, na data za slaidi. • Ninatumia edge-tts kwa ajili ya sauti. Ni bure na haihitaji API keys. • Ninatumia Pillow kubadilisha data za JSON kuwa picha za slaidi. • Ninatumia ffmpeg kuunganisha sauti na picha kuwa video.
Chaguzi muhimu za kiufundi:
- Sauti Mbili: Ninapanga Speaker A kwenye sauti moja na Speaker B kwenye nyingine. Ninayafanya sentensi ziwe chini ya maneno 25. Hii inafanya AI isikike kama binadamu zaidi.
- Bila Kivinjari: Situmii Playwright au Chrome kutengeneza slaidi. Hiyo inachukua muda mrefu sana kwenye CI pipeline. Pillow ni haraka zaidi kwa ajili ya kutengeneza picha.
- Makosa ya Akili: Ninakagua ukubwa wa faili la kila kipande cha sauti. Wakati mwingine API hurudisha faili tupu. Script yangu inagundua hili kabla ya video kushindwa.
- Uundaji wa Haraka: Video ya dakika 10 inachukua takriban dakika 5 kuundwa (render) kwenye GitHub Actions. Sehemu kubwa ya muda huo hutumika kusubiri API ya sauti.
Mtiririko wa kazi ni rahisi:
- Ninatuma (push) faili la JSON kwenye folda maalum.
- GitHub Actions huamsha uundaji (render).
- Mfumo hupakia video kwenye YouTube kupitia API.
- Faili huhamishwa kwenda kwenye folda ya faili zilizopakiwa.
Mpangilio huu unaniruhusu kuzalisha maudhui ya kielimu marefu bila kuhitaji uhariri wa mikono. Unageuza script kuwa video iliyokamilika kiotomatiki.
Jumuiya ya kujifunza ya hiari: https://t.me/GyaanSetuAi