স্বপ্নময়: এআই ফেয়ারি টেলস

এটা কি করে

আমি একটি সিস্টেম তৈরি করেছি যা শিশুদের জন্য ভিডিও গল্প তৈরি করতে Google-এর সর্বশেষ AI মডেল, Gemini ব্যবহার করে। AI মডেল গল্প এবং ইমেজ প্রম্পট তৈরি করে, যেগুলি পরে মিনি DALL-E-এ পাঠানো হয়, Google TPU রিসার্চ ক্লাউড অন হাগিং ফেস দ্বারা চালিত৷ ব্যাকএন্ডটি পাইথন 3, ফাস্টএপিআই এবং ইউভিকর্ন দিয়ে নির্মিত। ছবিগুলি তৈরি হয়ে গেলে, গল্পের পাঠ্যটি /coqui-ai/TTS দ্বারা প্রক্রিয়া করা হয়, যা ভিডিওর দৈর্ঘ্যের সাথে মেলে এমন একটি WAV/MP3 ফাইল তৈরি করতে Contabo দ্বারা হোস্ট করা একটি মেশিনে ইনস্টল করা হয়। সমস্ত উপাদান মুভিপি ব্যবহার করে একত্রিত হয় এবং ব্যবহারকারীর কাছে ফিরে আসে। ব্যবহারকারীরা একটি POST এন্ডপয়েন্টের মাধ্যমে ইন্টারঅ্যাক্ট করে যা এক বা একাধিক অক্ষরের জন্য প্রম্পট গ্রহণ করে এবং জেনারেট করা ভিডিওগুলি ফিরিয়ে দেয়, যা স্ট্যাটিক ফাইল হিসাবে সংরক্ষণ করা হয়। ব্যাকগ্রাউন্ডের কাজ ব্যর্থ হলে বা ভিডিও 30 দিনের বেশি পুরানো হলে জায়গা খালি করে। রিঅ্যাক্ট নেটিভ দিয়ে নির্মিত ফ্রন্টএন্ডটিতে একটি ভিডিও প্লেয়ার সহ একটি সাধারণ UI, হোম পেজে একটি র্যান্ডম জেনারেশন বোতাম এবং তৈরি পৃষ্ঠায় একটি কাস্টম জেনারেশন বিকল্প রয়েছে, যা দুটি অক্ষর পর্যন্ত সমর্থন করে বা একটি তালিকা থেকে একটি পূর্বনির্বাচিত একটিকে সমর্থন করে৷ অ্যাপটি, বাচ্চাদের বা সুপারভাইজারদের ব্যবহারের জন্য ডিজাইন করা হয়েছে, বর্তমানে পরীক্ষা চলছে এবং শীঘ্রই প্লে স্টোরে উৎপাদন করা হবে বলে আশা করা হচ্ছে।