AIAutoResearcher

การทำงาน

แอปพลิเคชันจะตรวจสอบงานวิจัยล่าสุดเกี่ยวกับ AI ใน Arxiv และวิเคราะห์โดยใช้ Gemini AI API เครื่องมือนี้จะสร้างสคริปต์ YouTube ที่มีช่วงอินโทร การวิเคราะห์ ช่วงปิด และข้อมูลเมตาที่มีประโยชน์บางอย่าง (เช่น คำอธิบายวิดีโอ แท็ก ชื่อ ฯลฯ) จากนั้นจะใช้ TortoiseTTS ในเครื่องเพื่อสร้างเสียง จากนั้นจะใช้ ComfyUI ในเครื่องเพื่อสร้างรูปโปรไฟล์ที่ซิงค์กับเสียง หลังจากนั้น ระบบจะรวมอาร์ติแฟกต์ที่สร้างขึ้นเป็นวิดีโอที่เข้ากันได้กับ YouTube และอัปโหลดไปยัง YouTube โดยอัตโนมัติโดยใช้ YouTube API ระบบจะกรอกข้อมูลเมตา (เช่น ชื่อ คำอธิบาย แท็ก ฯลฯ) โดยอัตโนมัติด้วย
เราตัดสินใจใช้ชุดพรอมต์กับ LLM ของ Gemini เพื่อให้ระบบทำงานได้อย่างมีประสิทธิภาพ แนวทางนี้ช่วยให้ควบคุมเนื้อหาได้ดียิ่งขึ้น รวมถึงทำให้คำตอบน่าสนใจและติดตามได้ง่ายขึ้นมาก เราตัดสินใจใช้รูปแบบ JSON (และการตรวจสอบช่องที่ต้องกรอก) สำหรับคำขอทั้งหมดเพื่อให้แน่ใจว่าโมเดลจะตีความข้อกำหนดและตอบสนองด้วยรูปแบบที่เหมาะสม
การเปลี่ยนการติดตั้ง TortoiseTTS ในเครื่องและแบบโอเพนซอร์สด้วย Google TTS API แบบชำระเงินจะทำให้เสียงมีคุณภาพสูงขึ้นและเวลาประมวลผลเร็วขึ้น