வலைப்பதிவு இடுகைகளிலிருந்து விளக்கக்காட்சி வீடியோவை தானாக உருவாக்குதல்

https://youtu.be/vmt_WVBJMj4?si=OZlzEqfEvWjPakYV

வலைப்பதிவு கட்டுரைகளிலிருந்து தானாகவே விளக்கக்காட்சி வீடியோக்களை உருவாக்கி யூடியூபில் பதிவேற்ற, உருவாக்கும் AI ஐப் பயன்படுத்தும் ஒரு அமைப்பை நான் உருவாக்கினேன்.

சிறிது புத்திசாலித்தனத்துடன், உருவாக்கும் AI ஆனது விளக்கக்காட்சியின் கதைக்களத்தை உருவாக்குவது மட்டுமல்லாமல், விளக்கக்காட்சி பொருட்களையும் உருவாக்க முடியும்.

மேலும், விளக்கக்காட்சிக்கான ஒரு ஸ்கிரிப்டை உருவாக்கும் AI ஐ உருவாக்கச் செய்து, பின்னர் அந்த ஸ்கிரிப்டை உரையிலிருந்து பேச்சுக்கு மாற்றும் உருவாக்கும் AI சத்தமாக வாசிக்கச் செய்வதன் மூலம், ஆடியோ தரவுகளையும் உருவாக்க முடியும்.

விளக்கக்காட்சி பொருட்கள் மற்றும் ஆடியோ தரவுகளை இணைப்பது ஒரு வீடியோவை உருவாக்குகிறது.

இந்த தொடர்ச்சியான பணிகளை தானியங்குபடுத்துவதன் மூலம், ஒரே கிளிக்கில் விளக்கக்காட்சி வீடியோக்களை தானாகவே உருவாக்க முடியும் என்பதை நான் சாத்தியமாக்கினேன்.

வழிமுறை

இந்தச் செயல்பாட்டின் மிக முக்கியமான பகுதி, விளக்கக்காட்சிப் பொருட்களை உருவாக்குவதாகும்.

படங்களை உருவாக்குவதில் உருவாக்கும் AI சிறந்து விளங்குகிறது, ஆனால் இது பொதுவாக புகைப்படங்கள் அல்லது வரைபடங்களுக்கு மட்டுமே வரையறுக்கப்படுகிறது. விளக்கக்காட்சிப் பொருட்களைப் போல உரை மற்றும் உருவங்களை மையமாகக் கொண்ட ஆவணங்களை உருவாக்குவது, படங்களை உருவாக்கும் AI களுக்கு சவாலானது.

ஆகவே, நான் உரை மற்றும் உருவங்களை மையமாகக் கொண்ட பொருட்களை, ஒரு நிரலாக்க மொழியைப் போன்ற உரை அடிப்படையிலான வடிவத்தில் உருவாக்குகிறேன்.

இத்தகைய பொருட்களை உருவாக்க பல வடிவங்கள் பயன்படுத்தப்படலாம்.

முதலில், விளக்கக்காட்சி உருவாக்கத்திற்கான ஒரு குறிப்பிட்ட வடிவமான மார்ப் (Marp) ஐ முயற்சித்தேன், ஆனால் அதன் திறன்கள் வரையறுக்கப்பட்டிருந்தன. எனவே, வெக்டர் கிராபிக்ஸுக்கான மிகவும் பொதுவான SVG வடிவத்தைப் பயன்படுத்த முடிவு செய்தேன்.

SVG போன்ற உரை அடிப்படையிலான வடிவத்துடன், ஒரு நிலையான அரட்டை அடிப்படையிலான உருவாக்கும் AI, "இந்த வலைப்பதிவுக் கட்டுரையின் உள்ளடக்கத்தை அறிமுகப்படுத்தும் விளக்கக்காட்சிப் பொருட்களை SVG வடிவத்தில் உருவாக்கவும்" போன்ற ஒரு கோரிக்கையுடன் தூண்டப்பட்டால் பொருட்களை உருவாக்க முடியும்.

உரை வழிதல் பிரச்சனை

இங்குள்ள பிரச்சனை என்னவென்றால், உரை அடிக்கடி ஆவணத்தின் வெளிப்புற சட்டம் அல்லது ஆவணத்தில் உள்ள உருவங்களின் சட்டங்களை மீறி செல்கிறது.

ஒரு மனிதர் முடிக்கப்பட்ட ஆவணத்தைப் பார்க்கும்போது உரை வழிதலை உடனடியாகக் கவனிப்பார். இருப்பினும், முடிக்கப்பட்ட ஆவணத்தின் காட்சி ஆய்வு மூலம் அல்லாமல், SVG உரை நிலையில் உரை வழிதலைக் கண்டறிவது கடினம்.

இதன் விளைவாக, அரட்டை அடிப்படையிலான உருவாக்கும் AI அடிக்கடி உரை வழிதல் கொண்ட ஆவணங்களை உருவாக்குகிறது.

நிச்சயமாக, AI பெரும்பாலான உள்ளடக்கத்தை நன்றாக உருவாக்குகிறது, மேலும் நான் உரை வழிதலை கைமுறையாக சரிசெய்ய முடியும். இருப்பினும், இது ஒவ்வொரு முறையும் ஒரு கைமுறை படியை அறிமுகப்படுத்தும்.

ஆகவே, SVG ஆவணங்களை உருவாக்கும்போது உரை வழிதலைத் தடுக்க வழிமுறைகளை இணைப்பது, மற்றும் உருவாக்கப்பட்ட SVG இல் உரை வழிதல் இருக்கிறதா என்பதை தானாக கண்டறிய ஒரு வழிமுறையை உருவாக்குவது அவசியமானது.

உரை வழிதலைத் தடுக்க, உருவாக்கும் AI க்கு விளக்கக்காட்சிப் பொருட்களை உருவாக்க அறிவுறுத்தும் போது அடிப்படை விதிகள், செயல்பாட்டு நடைமுறைகள் மற்றும் எச்சரிக்கை குறிப்புகளை வழங்குவதற்கான ஒரு அணுகுமுறையை நான் பின்பற்றினேன்.

விதிகளாக, சிக்கலான உருவங்களைப் பயன்படுத்த வேண்டாம் என்றும், உரையின் எழுத்துரு அளவை சரிசெய்யுமாறும் நான் அறிவுறுத்தினேன்.

மேலும், ஆவணத்தில் உள்ள ஒரு வாக்கியத்தில் உள்ள எழுத்துக்களின் எண்ணிக்கையை எண்ணி, எழுத்துரு அளவுடன் பெருக்கி அகலம் மற்றும் உயரத்தை மதிப்பிட்டு, பின்னர் உரை சட்டம் அல்லது உருவங்களை மீறவில்லை என்பதை முன்கூட்டியே உறுதிப்படுத்தும் ஒரு நடைமுறையைப் பின்பற்றுமாறு நான் அறிவுறுத்தினேன்.

இந்தச் செயல்பாட்டின் போது, சரிபார்க்கப்பட்ட செயல்முறை மற்றும் முடிவுகளை SVG கோப்பில் முன்-சரிபார்ப்பு கருத்துகளாகப் பதிவு செய்யுமாறு AI க்கு அறிவுறுத்தினேன்.

இந்த அறிவுறுத்தல்களைச் சேர்த்தது சில மேம்பாடுகளைக் கொண்டுவந்தது, ஆனால் ஆரம்பத் துல்லியம் திருப்திகரமாக இல்லை. எனவே, நான் பல வேறுபாடுகளை மீண்டும் மீண்டும் உருவாக்கி, பொதுவான பிழைப் புள்ளிகளை எச்சரிக்கை குறிப்புகளாக அறிவுறுத்தல்களில் சேர்த்தேன், மேலும் விதிகள் மற்றும் அறிவுறுத்தல்கள் பின்பற்றப்படாவிட்டால், தூண்டல் உரையில் மீண்டும் மீண்டும் வலியுறுத்தினேன்.

முயற்சி மற்றும் பிழை மூலம் இந்த தூண்டல் மேம்பாடுகளை மீண்டும் செய்வதன் மூலம், உரை வழிதலை ஓரளவுக்கு அடக்க முடியும்.

இருப்பினும், இந்த முயற்சிகள் அனைத்தாலும் கூட, முழுமை அடைய முடியாது, எனவே ஒரு பிந்தைய கட்டத்தில் ஒரு சரிபார்ப்பைச் செயல்படுத்த முடிவு செய்தேன்.

இந்த உருவாக்கத்திற்குப் பிந்தைய சரிபார்ப்புக்கு, படங்களை காட்சி ரீதியாக ஆய்வு செய்யக்கூடிய ஒரு உருவாக்கும் AI ஐப் பயன்படுத்த முயற்சித்தேன், ஆனால் அது உரை வழிதலை திறம்பட கண்டறிய முடியவில்லை, எனவே அந்த அணுகுமுறையை நான் கைவிட்டேன்.

அடுத்து, நான் மற்றொரு முறையை முயற்சித்தேன்: சரிபார்ப்பதற்காக SVG உரையை மீண்டும் ஒரு அரட்டை அடிப்படையிலான உருவாக்கும் AI இல் உள்ளிடுவது.

இந்த முறை காட்சி ஆய்வு AI ஐ விட உரை வழிதலைக் கண்டறிவதில் சிறப்பாக இருந்தது, ஆனால் அதன் கண்டறிதல் துல்லியம் இன்னும் மிக அதிகமாக இல்லை. இங்கும், வழிதலைக் கண்டறிவதற்கான அறிவுறுத்தல்களை மீண்டும் மீண்டும் மேம்படுத்துவதன் மூலம், நான் ஒரு குறிப்பிட்ட துல்லியம் அளவை அடைய முடிந்தது, ஆனால் ஒரு சரியான அளவை அல்ல.

ஆகவே, உரை வழிதலை மிகவும் கண்டிப்பாகக் கண்டறிய ஒரு நிரலை உருவாக்க நான் முடிவு செய்தேன். இந்த நிரல், உருவாக்கும் AI க்கு அறிவுறுத்தப்பட்டபடி, விளக்கக்காட்சிப் பொருட்களில் உள்ள வாக்கியங்களின் நீளம் மற்றும் எழுத்துரு அளவிலிருந்து அகலம் மற்றும் உயரத்தைக் கணக்கிடுவதன் மூலம், உரை ஆவண சட்டம் அல்லது உள் உருவங்களை மீறுகிறதா என்பதை சரிபார்க்கிறது.

இந்த நிரலை உருவாக்குவது கடினமான வேலை, ஆனால் அது இறுதியில் துல்லியமான கண்டறிதலில் திறமையானது.

உரை வழிதலைத் தவிர, AI சிக்கலான விளக்கப்படங்களை உருவாக்க முயற்சிக்கும்போது சிதைந்த வெளியீடுகளை உருவாக்கும் நிகழ்வுகளும் இருந்தன. அத்தகைய அம்சங்களுக்கு, அரட்டை அடிப்படையிலான உருவாக்கும் AI ஒரு விதிமீறல் சரிபார்ப்பைச் செய்யும் அணுகுமுறையை நான் தக்க வைத்துக் கொண்டேன்.

இந்த சரிபார்ப்பு, விதிகளில் வரையறுக்கப்பட்டதை விட சிக்கலான உருவங்களை AI உருவாக்கியதா என்பதை தீர்மானிக்கிறது, அவற்றை ஏற்க முடியாததாகக் குறிக்கிறது.

வழிதல் சரிபார்ப்புக்கான இந்த நிரல் மற்றும் விதிமீறல் சரிபார்ப்புக்கான உருவாக்கும் AI மூலம், இப்போது பிரச்சனைகளை பெரும்பாலும் கண்டறிய முடியும்.

பிந்தைய செயலாக்கம்

இந்தச் சரிபார்ப்புகளின் போது ஒரு நிராகரிப்பு கண்டறியப்பட்டால், உருவாக்கப்பட்ட SVG-வடிவ பொருள் நிராகரிக்கப்பட்டு மீண்டும் உருவாக்கப்படும். ஏனெனில் பிரச்சனையான பகுதிகளைச் சுட்டிக் காட்டி சரிசெய்வது பெரும்பாலும் பிற சிக்கல்களுக்கு வழிவகுத்து, இறுதியில் அதிக நேரம் எடுத்துக்கொள்ளும்.

உரை வழிதல் இல்லாத விளக்கக்காட்சிப் பொருள் முடிந்தவுடன், அடுத்த படி இந்த பொருள் மற்றும் அசல் வலைப்பதிவு கட்டுரையை உருவாக்கும் AI க்கு உள்ளீடாகக் கொடுத்து கதை சொல்லும் ஸ்கிரிப்டை உருவாக்குவதாகும். இங்கு குறிப்பாக எந்த ஒரு புத்திசாலித்தனமும் தேவையில்லை.

பின்னர், கதை சொல்லும் ஸ்கிரிப்ட், உரையிலிருந்து பேச்சுக்கு மாற்றும் உருவாக்கும் AI ஐப் பயன்படுத்தி ஆடியோ தரவுகளாக மாற்றப்படுகிறது. இங்கும் எந்த சிறப்பு நுட்பங்களும் தேவையில்லை.

இறுதியாக, SVG-வடிவ விளக்கக்காட்சிப் பொருள் PNG படங்களாக மாற்றப்படுகிறது, பின்னர், ffmpeg எனப்படும் ஒரு கருவியைப் பயன்படுத்தி, ஆடியோவுடன் கூடிய mp4 வீடியோவாக மாற்றப்படுகிறது. இது செயல்முறையை நிறைவு செய்கிறது.

SVG-வடிவ ஸ்லைடுகள் உருவாக்கப்பட்ட பிறகு தொடர்ச்சியான செயல்முறைகளை, உருவாக்கும் AI உடன் கலந்தாலோசித்து நிரல்களை எழுதுவதன் மூலம் எளிதாக தானியங்குபடுத்த முடியும்.

முடிவுரை

இந்த தானியங்கு விளக்கக்காட்சி வீடியோ உருவாக்கும் அமைப்பை வெற்றிகரமாக உருவாக்கி மேம்படுத்திய பிறகு, கடந்த வாரம் யூடியூபில் வீடியோக்களை வெளியிடத் தொடங்கினேன்.

இருப்பினும், இந்த அமைப்பு நிறைவடைந்த சிறிது நேரத்திலேயே, கூகிளின் நோட்புக்எல்எம் (NotebookLM) என்ற AI கருவியும், உரை ஆவணங்களை விளக்க வீடியோக்களை தானாக உருவாக்கும் இதேபோன்ற அம்சத்தைப் பெற்றது.

எனவே, எதிர்காலத்தில், AI சேவைகளை வழங்கும் நிறுவனங்கள் இதேபோன்ற சேவைகளை வெளியிடும் என்று எதிர்பார்க்கப்படுகிறது, இதனால் தனிநபர்கள் இதுபோன்ற அமைப்புகளை புதிதாக உருவாக்க வேண்டிய அவசியம் இருக்காது.

இருப்பினும், உருவாக்கும் AI ஐப் பயன்படுத்தி ஒரு நடைமுறை நிரலை இவ்வளவு தீவிரமான முறையில் உருவாக்கியது ஒரு குறிப்பிடத்தக்க சாதனையாகும், இது உருவாக்கும் AI ஐ திறம்பட பயன்படுத்துவதற்கான முக்கிய கொள்கைகளைப் புரிந்துகொள்ள எனக்கு உதவியது.