AIAutoResearcher

作用

该应用会在 Arxiv 上查看有关 AI 的最新研究，并使用 Gemini AI API 对其进行分析。它会生成包含开场白、分析、结尾和一些实用元数据（例如视频说明、标签、标题等）的 YouTube 脚本。然后，它使用本地 TortoiseTTS 生成音频。然后，它使用本地 ComfyUI 创建口型同步的头像。之后，系统会将创建的工件合并为与 YouTube 兼容的视频，并使用 YouTube API 自动上传到 YouTube。系统还会自动填充元数据（例如标题、说明、标签等）。
为了使其更为稳健，我决定向 Gemini LLM 使用一系列提示。这种方法让他们能够更好地控制内容，并使回答更具吸引力且更易于理解。我决定为所有请求使用 JSON 格式（并对必填字段进行验证），以确保模型正确解读要求并以适当的格式做出响应。
将本地和开源 TortoiseTTS 安装替换为付费 Google TTS API 后，音频质量会更高，处理时间也会更短。