หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

ผู้ประกาศข่าว Generative-AI

นำเสนอให้คุณ Keezum AI Newsreader !

ยินดีต้อนรับสู่ที่เก็บข่าว AI Newsreader! โครงการนี้เป็นการสาธิตวิธีการใช้เครื่องมือ AI ที่สามารถใช้ร่วมกันได้อย่างไรเพื่อสร้างอวตารที่มีความซับซ้อนและมีชีวิตชีวา

ข้อจำกัดความรับผิดชอบ: ล้อเล่นอย่าลังเลที่จะใช้ตามความสะดวกสบายของคุณ


เยี่ยมชมลิงค์นี้เพื่อดูวิดีโอสาธิตเพื่อดู Macy ในการดำเนินการซึ่งเธอพูดสั้น ๆ เกี่ยวกับยาสองชนิดที่ระบุโดยทั่วไป

ผลลัพธ์นั้นค่อนข้างน่าประทับใจและจะดีขึ้นเมื่อเวลาผ่านไปเนื่องจากความเร็วที่ AI Generative กำลังดีขึ้น ในการสร้างตัวอย่างนี้ฉันใช้เวลา 0 ดอลลาร์และเพียง 25 นาที

นี่คือเครื่องมือที่ฉันใช้:

  1. Midjourney เพื่อสร้างภาพของเภสัชกรหญิง
  2. chatgpt ของ Openai เพื่อสร้างสคริปต์สำหรับ Newsheadlines
  3. AI วิดีโอสำคัญของ Elevenlabs เพื่อสร้างเสียงจากสคริปต์ chatgpt
  4. Creative Reality Studio ของ D-ID เพื่อสร้างวิดีโอ Avatar ภาพเคลื่อนไหวที่เป็นจริงที่ซิงค์ด้วยเสียง (ทดลองใช้ฟรี)

คู่มือแบบทีละขั้นตอน

(1) Midjourney - การสร้างภาพ

  • เราต้องการใบหน้าเพื่อเป็นตัวแทนของอวตารของเราและเราสามารถใช้เครื่องมือสร้างภาพเช่น Midjourney เพื่อทำเช่นนั้น
  • Midjourney เป็นบริการ AI ฟรีโดย Openai ที่สร้างภาพจากคำอธิบายข้อความ
  • การตั้งค่า:
    1. Midjourney ทำงานอย่างสมบูรณ์ใน Discord ดังนั้นให้แน่ใจว่าคุณสมัครใช้งานบัญชี Discord (ซึ่งฟรี)
    2. เยี่ยมชมลิงค์ไซต์ Midjourney นี้ซึ่งจะนำคุณไปสู่การเชิญ Discord โดยอัตโนมัติ
    3. ยอมรับคำเชิญ Discord ถึง Midjourney เลือกที่จะยังคงไม่ลงรอยกัน
    4. คลิกที่ปุ่ม Midjourney (พร้อมไอคอนเรือ) และเลือกห้องใหม่ใด ๆ เช่น newbies-24
    5. ในบรรทัดแชทพิมพ์ /imagine ตามด้วยพรอมต์คำอธิบายของคุณ ตัวอย่างเช่นพรอมต์ที่ฉันใช้คือ "ภาพถ่ายมืออาชีพด้านบนที่มีคุณภาพสูงของนักข่าวสื่อหญิงในเสื้อโค้ทสีแดงที่มีพื้นหลังห้องข่าว" กด Enter หลังจากพิมพ์และให้ Midjourney สักครู่เพื่อสร้างภาพ
    6. เมื่อเสร็จแล้วคุณจะเห็นผลลัพธ์ของสี่ภาพ ด้านล่างชุดภาพคุณจะเห็นชุดปุ่ม U1-U4 และ V1-V4
    7. ภาพทั้งสี่จะถูกกำหนดหมายเลขตามเข็มนาฬิกาจากซ้ายบน หากต้องการรับรูปแบบใหม่ในสิ่งที่คุณชอบเลือก "v1" (หรือ v2, v3 หรือ v4) และเพื่อรับสำเนาความละเอียดสูงเลือก "u1" (หรือ u2, u3 หรือ u4)
    8. เมื่อคุณได้รับตัวแปรความละเอียดสูงที่เลือกโดยเลือกปุ่ม U หนึ่งปุ่มให้คลิกที่ภาพและเลือก 'เปิดในเบราว์เซอร์' จากนั้นคุณสามารถบันทึกภาพความละเอียดสูงบนเครื่องในพื้นที่ของคุณ

(2) Playground Chatgpt - การสร้างข้อความ

  • เนื่องจากทุกคนที่ใช้ CHATGPT ดังนั้นวันนี้จะช้าลงเล็กน้อยและไม่ใช่ทุกคนที่สนใจจ่ายเงินเพื่อให้เราสามารถใช้ ChatgptPlayground เพื่อทำงานของเราได้อย่างรวดเร็วเราต้องมีสคริปต์ข่าวข่าวที่สามารถให้ข่าวได้ ในการทำเช่นนั้นเราสามารถใช้ chatgptplayground
  • Chatgpt เป็นแชทบ็อตที่พัฒนาโดย OpenAI และเปิดตัวในเดือนพฤศจิกายน 2565 มันถูกสร้างขึ้นบนรุ่น GPT-3 ของ OpenAI ของโมเดลภาษาขนาดใหญ่ของ OpenAI
  • การตั้งค่า:
    1. เยี่ยมชมลิงค์นี้ไปยัง Access ChatGPT (คุณจะต้องเข้าสู่ระบบตามลำดับ)
    2. ในส่วนพรอมต์ให้ป้อนคำอธิบายที่เกี่ยวข้องสำหรับสคริปต์การให้คำปรึกษา ตัวอย่างเช่นพรอมต์ที่ฉันใช้มีดังนี้: "สร้างสคริปต์ที่แนะนำตัวเองเป็นคนแรกในฐานะผู้ประกาศข่าวชื่อ Keezum จากนั้นพูดถึงหัวข้อข่าวของข่าวที่มีคะแนนเริ่มต้นและให้ข้อมูลข่าวบางอย่างโดยมีขีด จำกัด สูงสุดสองถึงสามบรรทัด"
    3. จากเอาต์พุตบนหน้าจอ Chatgpt คัดลอกและบันทึกข้อความที่สร้างขึ้นในไฟล์ข้อความบนเครื่องท้องถิ่นของคุณ

(3) Elevenlabs-การสร้างข้อความเป็นคำพูด

  • ต่อไปเราต้องการแปลงข้อความสคริปต์ CHATGPT เป็นคลิปเสียงที่เป็นธรรมชาติ เราสามารถทำได้ด้วยเครื่องมือฟรีเช่น Prime Voice AI (โดย Elevenlabs)
  • Prime Voice AI เป็นซอฟต์แวร์คำพูด AI ที่สมจริงและหลากหลายซึ่งนำเสียงที่น่าสนใจที่สุดร่ำรวยและมีชีวิตชีวาให้กับผู้สร้างและผู้จัดพิมพ์ที่กำลังมองหาเครื่องมือที่ดีที่สุดสำหรับการเล่าเรื่อง
  • การตั้งค่า:
    1. เยี่ยมชมหน้า Elevenlabs และสร้างบัญชีฟรี
    2. ในหน้าการสังเคราะห์คำพูดเลือกเสียงเฉพาะในการตั้งค่าวางสคริปต์ข้อความลงในส่วนข้อความและคลิกสร้าง เสียงที่ฉันเลือกคือ premade/Domi เพราะฉันพบว่ามันมีชีวิตชีวาและเป็นธรรมชาติมากที่สุด การตั้งค่ายังสามารถปรับได้ตามความมั่นคงและความชัดเจน
    3. ฉันทำให้สคริปต์สั้นลงเล็กน้อยโดยการลบส่วนของยาแอมโลดิพีนยาเสพติดเพราะฉันไม่ต้องการให้การสาธิตยาวเกินไป
    4. มีวงเงินเครดิตสำหรับบัญชีฟรีดังนั้นให้แน่ใจว่าคุณใช้อย่างชาญฉลาดสำหรับเสียงที่คุณต้องการสร้าง
    5. ดาวน์โหลดและบันทึกไฟล์. mp3 (ชื่อ 'synthesized_audio.mp3') ไฟล์บนเครื่องท้องถิ่นของคุณ

(4) D -ID - Avatar Talking Avatar (และ Audio Sync) รุ่น

  • สุดท้ายก็ถึงเวลาที่จะนำภาพเภสัชกรและเสียงให้คำปรึกษาเข้าด้วยกันเป็นวิดีโอที่มีแสง ในการทำเช่นนั้นเราสามารถใช้เครื่องมือเช่น D-ID
  • เทคโนโลยี AI ที่สร้างสรรค์ของ D-ID ถ่ายภาพใบหน้าและเปลี่ยนเป็นวิดีโอคุณภาพสูง เมื่อคลิกเพียงปุ่มเดียวมันสามารถรวมรูปภาพเข้ากับเสียงหรือข้อความเพื่อให้นิพจน์และคำพูด
  • การตั้งค่า:
    1. เยี่ยมชมเว็บไซต์ D-ID และสร้างบัญชีทดลองใช้ฟรี
    2. เลือกปุ่มสร้างวิดีโอเพื่อเริ่มสร้างวิดีโอใหม่
    3. เพิ่มภาพเภสัชกร Midjourney ของคุณเป็นภาพผู้นำเสนอ
    4. อัปโหลดเสียง CHATGPT Scripted ของเราในการ Upload your own voice ทางด้านขวา
    5. คลิกปุ่ม Generate Video ที่ด้านบนขวาและรอผลงานชิ้นเอกของคุณพร้อมสำหรับการดาวน์โหลด!

การพึ่งพาอาศัยกัน

โครงการนี้ต้องใช้การพึ่งพาต่อไปนี้: 

 Python 3.6 or higher
Midjourney
OpenAI's GPT-3 API
ElevenLabs' Prime Video AI
D-ID's Creative Reality Studio

งานในอนาคต

เราวางแผนที่จะปรับแต่งและปรับปรุงโครงการนี้อย่างต่อเนื่องโดยการรวมเครื่องมือ AI ที่เกิดขึ้นได้มากขึ้นและขยายการทำงานของ Avatar ผู้ประกาศข่าว นอกจากนี้เรายังยินดีต้อนรับการมีส่วนร่วมหรือข้อเสนอแนะจากชุมชน กิตติกรรมประกาศ

เราขอขอบคุณนักพัฒนาและนักวิจัยที่ Midjourney, Openai, Elevenlabs และ D-ID สำหรับเครื่องมือ AI ที่ยอดเยี่ยมของพวกเขาซึ่งทำให้โครงการนี้เป็นไปได้

ใบอนุญาต

โครงการนี้ได้รับใบอนุญาตภายใต้ใบอนุญาต MIT - ดูไฟล์ใบอนุญาตสำหรับรายละเอียด

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด