EverythingAI API

Działanie

To API może wykrywać deepfake, konwertować mowę na tekst, analizować język migowy ASL itp. bez konieczności trenowania na dowolnym zbiorze danych. Jest to możliwe dzięki Gemini Flash 1.5 i technice „Imposition-Context”.
Ten interfejs API obejmuje obecnie takie zadania AI jak: wykrywanie deepfake, konwersja mowy na tekst w wielu językach z wynikami przekraczającymi wyniki whisper-large-v3 w przypadku wielojęzycznych plików audio, szczegółowa i precyzyjna analiza oraz interpretacja języka migowego w filmach, klasyfikacja do 80 stanów emocjonalnych tekstu w zaledwie 2 sekundy oraz OCR z wykrywaniem znaków i z dokładnością porównywaną z dotychczasowymi dużymi systemami OCR. Nadal pracuję nad integracją kolejnych zadań AI.
Jeśli po prostu prześlemy film do Gemini Flash 1.5, nie będzie on w stanie wykryć deepfake. Jak widać, Gemini Flash 1.5 ma problem z rozpoznaniem deepfake. Dlatego opracowałem technikę promptowania „Imposing-context”.
W odróżnieniu od tradycyjnego podejścia, w którym użytkownik uruchamia model i czeka, aż sam zinterpretuje kontekst, technika „Imposing-context” bezpośrednio określa historię danych wyjściowych modelu. Model sam nie pisze odpowiedzi, robię to ja.
Jednak gdy sprawdza historię czatu, błędnie uważa, że to on wygenerował te odpowiedzi. Wymusza to zrozumienie intencji użytkownika. Jak widać, takie podejście przynosi niesamowite efekty. Gemini Flash 1.5 nie tylko analizuje deepfake’i, ale też osiąga niesamowitą dokładność.