Ëndrra: Përrallat e AI

Çfarë bën

Unë kam krijuar një sistem që përdor modelin më të fundit të AI të Google, Gemini, për të gjeneruar video përralla për fëmijë. Modeli i AI krijon kërkesat e historisë dhe imazhit, të cilat më pas kalohen te Mini DALL-E, i mundësuar nga Google TPU Research Cloud on Hugging Face. Backend është ndërtuar me Python 3, FastAPI dhe Uvicorn. Pasi të krijohen imazhet, teksti i përrallës përpunohet nga /coqui-ai/TTS, i instaluar në një makinë të organizuar nga Contabo, për të gjeneruar një skedar WAV/MP3 që përputhet me gjatësinë e videos. Të gjithë elementët kombinohen duke përdorur MoviePy dhe kthehen te përdoruesi. Përdoruesit ndërveprojnë nëpërmjet një pike fundore POST që pranon kërkesa për një ose shumë karaktere dhe kthen videot e krijuara, të cilat ruhen si skedarë statikë. Një punë në sfond hap hapësirën në rast dështimesh ose nëse videot janë më të vjetra se 30 ditë. Pjesa e përparme, e ndërtuar me React Native, përmban një ndërfaqe të thjeshtë me një luajtës video, një buton gjenerimi të rastësishëm në faqen kryesore dhe një opsion gjenerimi të personalizuar në faqen e krijimit, që mbështet deri në dy karaktere ose një të parazgjedhur nga një listë. Aplikacioni, i krijuar për t'u përdorur nga fëmijët ose mbikëqyrësit, është aktualisht në testim dhe pritet të jetë në prodhim së shpejti në Play Store.