AIAutoResearcher

Ý nghĩa

Ứng dụng này kiểm tra nghiên cứu mới nhất về AI trên Arxiv và phân tích nghiên cứu đó bằng Gemini AI API. Công cụ này tạo ra tập lệnh YouTube chứa phần giới thiệu, phân tích, phần kết và một số siêu dữ liệu hữu ích (như nội dung mô tả video, thẻ, tiêu đề, v.v.). Sau đó, ứng dụng sẽ sử dụng TortoiseTTS cục bộ để tạo âm thanh. Sau đó, ứng dụng sẽ sử dụng ComfyUI cục bộ để tạo hình đại diện khớp môi. Sau đó, các cấu phần phần mềm đã tạo sẽ được kết hợp thành một video tương thích với YouTube và tự động tải lên YouTube bằng YouTube API. Siêu dữ liệu (như tiêu đề, nội dung mô tả, thẻ, v.v.) cũng được điền tự động.
Để làm cho ứng dụng này trở nên mạnh mẽ, tôi quyết định sử dụng một chuỗi lời nhắc cho Gemini LLM. Phương pháp này giúp kiểm soát nội dung tốt hơn, đồng thời giúp các câu trả lời trở nên hấp dẫn và dễ theo dõi hơn. Tôi quyết định sử dụng định dạng JSON (và xác thực các trường bắt buộc) cho tất cả các yêu cầu để đảm bảo rằng mô hình diễn giải đúng các yêu cầu và phản hồi bằng định dạng thích hợp.
Việc thay thế quá trình cài đặt TortoiseTTS cục bộ và nguồn mở bằng API TTS có tính phí của Google sẽ giúp chất lượng âm thanh cao hơn và thời gian xử lý nhanh hơn.