پیکستال

کاری که انجام می دهد

Pixtale یک برنامه مبتنی بر هوش مصنوعی است که عکس‌ها و ویدیوهای سفر شما را به داستان‌های ویدیویی روایت‌شده تبدیل می‌کند. در اینجا نحوه کار آن آمده است:
1. آپلود: کاربران یک فایل فشرده را با رسانه سفر آپلود می کنند یا یک آلبوم Google Photos را انتخاب می کنند.
2. استخراج فراداده: برنامه تاریخ، زمان و داده های GPS را از رسانه استخراج می کند.
3. AI Description Generation: اینجاست که Gemini API می درخشد:
- Gemini Flash توضیحاتی را برای عکس ها و فیلم های فردی ایجاد می کند.
- Gemini 1.5 Pro این توضیحات را به عنوان ورودی می گیرد و یک فیلمنامه روایتی منسجم را صحنه به صحنه می سازد.
4. روایت صوتی: Google's Text-to-Speech API اسکریپت را به صدا تبدیل می کند.
5. ایجاد ویدیو: FFmpeg روایت را با رسانه اصلی ترکیب می کند تا ویدیوی نهایی را ایجاد کند.
6. محتوای رسانه های اجتماعی: Pixtale با تولید موارد زیر جلوتر می رود:
- زیرنویس ها و هشتگ ها برای به اشتراک گذاری
- یک پست وبلاگ کوچک که خلاصه سفر را ارائه می دهد (همچنین با استفاده از Gemini 1.5 Pro)
7. سفارشی سازی کاربر: کاربران می توانند جزئیات مکان را برای هر صحنه با استفاده از Google Maps API ویرایش کنند.
Pixtale از توانایی Gemini برای تفسیر داده‌های بصری، درک زمینه، تولید محتوای منسجم و جذاب و ساختن روایت‌هایی که احساس شخصی و معتبر می‌کند، استفاده می‌کند. این رویکرد مبتنی بر هوش مصنوعی امکان ایجاد سریع داستان‌های سفری غنی و چندرسانه‌ای را فراهم می‌کند که تولید دستی آن زمان‌بر است.