مرحباً بالجميع، أنا غاري كاوغان، صانع محتوى مبتدئ أستكشف مجال الفيديو بالذكاء الاصطناعي وعولمة المحتوى منذ عامين.
في مساء يوم 15 أكتوبر، تعثرتُ في غرفة بث مباشر تُسمى "Tiangong Kaizhen" (المؤلف: Tiangong Kaizhen، GitHub: https://github.com/beiyege-01، X: @yijt1339303). كان المؤلف يبثّ لفترة من الوقت، والآن في كل مرة يفتح فيها البث المباشر، يتواجد الآلاف عبر الإنترنت. كما ظهرت العديد من المشاركات والتعليقات حول غرفة البث هذه على منصة X.
غالباً ما تتسم عمليات البث المباشر النموذجية بالبشر الرقميين بحركات وأصوات جامدة، مع نصوص مكتوبة مسبقاً. وللحصول على نتائج أفضل، تحتاج عادةً إلى شخص حقيقي يقود العملية في الخلفية. ولكن لماذا حققت غرفة البث هذه هذا الانتشار الواسع؟ لأن النتيجة كانت بالفعل متفوقة بكثير على عمليات البث السابقة للبشر الرقميين. لا يوجد شخص حقيقي يقودها خلف الكواليس؛ فالتفاعلات تحدث في الوقت الفعلي. عندما يرسل المشاهدون رسالة، ترد عليهم. الحركات، والتعبيرات، والتفاعلات كلها تُولّد على الفور. كان رد فعلي الأول هو أن الإمكانات التخيلية لهذا الحل هائلة:
بث الألعاب، والبث للتجارة الإلكترونية، وبث الترفيه، وبث الرفقة — يمكن دمج جميع السيناريوهات تقريباً بعمق مع هذا الحل. ومن هنا يبرز السؤال: كيف قام بتنفيذه؟ وهل يمكنني بناء غرفة بث مماثلة بنفسي؟
بعد أربعة أيام من البحث والصقل، بدأت شخصيتي الرقمية "وان وان" البث رسمياً بالفعل على حسابي في Douyin. أعدنا تشغيل الخدمة مرتين بشكل موجز أثناء البث، بإجمالي تجاوز 70 دقيقة. برأيك، ما الدرجة التي يستحقها هذا الأداء؟
بعض تسجيلات الشاشة:
https://ncnmu5q1eqm9.feishu.cn/file/Z5Spb8GIlog8qlxaWWKcGB7Xnbg
حسناً، سيشارك هذا المقال كيف قمت ببناء وضبط المذيعة الافتراضية للبث المباشر بالذكاء الاصطناعي "وان وان" من الصفر وحتى الاكتمال خلال هذه الأيام القليلة، بما في ذلك كيف قمت بتفكيك الحل، وكيف نفذته، وما هي العقبات التي واجهتها، وكيف تغلبت عليها.
وفي الوقت نفسه، تم إتاحة الإطار الكامل لأداة البث المباشر بالذكاء الاصطناعي في الوقت الفعلي كمصدر مفتوح بموجب ترخيص MIT. الرابط: https://github.com/garycaogan/ai-live-avatar.
لقد أكملت هذا المقال باستخدام منصة العمل الخاصة بالمحتوى التي أتحتها كمصدر مفتوح سابقاً، و Claude.
1. تفكيك غرفة البث المباشر للمؤلف الأصلي
هذه هي غرفة البث المباشر للمؤلفة الأصلية شياويا.
لنفككها إلى طبقتين: داخلية وخارجية.
الطبقة الداخلية هي المذيعة نفسها. الحركات، والتعبيرات، والكلام كلها تُولّد في الوقت الفعلي. يوجد ملصق Vidu S معلق أعلى الشاشة، مما يجعل من السهل فهم أن النموذج المستخدم هو Vidu S2، أحدث نموذج بشري رقمي من Vidu. وهذا يستبعد بشكل أساسي مختلف التكهنات حول النشر المحلي للنماذج مفتوحة المصدر.
الطبقة الخارجية هي الدائرة المحيطة بالمذيعة. تقول بطاقة التعليمات "استمرار اختبار أوامر التعليقات المنبثقة اليوم"، وفي الأسفل يوجد عمود للغناء، والرقص، وبيع المنتجات، وتصفية التفاعل، بعضها محدد وبعضها فارغ. هذا يعني أنه بعد ورود التعليقات المنبثقة، يوجد برنامج في المنتصف يقوم بتصفيتها، وتحويلها إلى أوامر، ثم تسليمها للبشر الرقميين لتنفيذها. هذه الطبقة هي أداة صنعها المؤلف بنفسه.
بالنسبة للطبقة الداخلية، يمتلك حل البشر الرقميين من Vidu ثلاثة مسارات: الأول هو الإنسان الرقمي في الوقت الفعلي، حيث يُسلم إليه الوجه والصوت والاستجابات؛ والثاني هو تجهيز الصوت وإدخاله، وتركه يتولى فقط مزامنة الشفاه، والذي يمكنه حتى الغناء؛ والثالث هو استخدام فيديو لشخص حقيقي لقيادة الإنسان الرقمي، واستبدال الشخص الموجود بداخله.
الكلام رخيص. الإفراط في التفكير في هذه التقييمات التقنية بلا معنى، لذا شرعت في العمل فوراً وقمت بتشغيل نسخة تجريبية بسرعة. وبناءً على إلمامي بـ YouTube، قمت أولاً بربط دورة البث المباشر على YouTube وقراءة التعليقات المنبثقة.
يمكن للمهتمين مشاهدة إعادة البث: https://www.youtube.com/live/fG84tzLOxLc
لكن نتيجة البث المباشر الأول كانت سيئة للغاية. لم يكن أدائي مختلفاً كثيراً عن تقنية البشر الرقميين التقليدية؛ كانت الحركات آلية، والردود آلية، والصوت آلياً. إذا حصل تسجيل شياويا على درجة 9، فإن تقييم محاولاتي المبكرة عبر المسارات الثلاثة أسفر عن درجات رسوب.
بمقارنة المسارات الثلاثة، يمتلك مسار الاستبدال أكثر الحركات طبيعية ولكنه لا يمكنه قبول التعليقات المنبثقة في الوقت الفعلي. أما مسار إدخال الصوت فيتطلب بناء مجموعة أخرى من الاستجابات والدبلجة. وبالجمع بين ملصق Vidu S على الشاشة وسرعتها في الرد على التعليقات المنبثقة، استنتجت أن شياويا اتخذت مسار الوقت الفعلي. لذا فإن الفجوة ليست في المسار، بل في الصورة الأساسية، والصوت، والشخصية.
ما يجعل شياويا تبدو كشخص حي، في رأيي، هو النقاط التالية بشكل رئيسي:
أولاً، الحركات. تقضي معظم وقتها وهي تنظر إلى الأسفل، وكأنها تقرأ التعليقات المنبثقة على هاتفها، وتبتسم عندما ترى شيئاً مثيراً للاهتمام، وتُظهر أسنانها. تستريح يداها أحياناً على ذقنها، وأحياناً تمتدان لتناول الوجبات الخفيفة. تبدو تماماً كفتاة عادية تعود من العمل لتبدأ بثاً مباشراً، بدلاً من "إنسان رقمي" يقف منتصباً يقرأ نصاً.
ثانياً، العناصر المرئية. اشتبهت في البداية بأن الشاشة بأكملها قد خضعت لتعديل بالفوتوشوب مع مرشح ضبابي. لاحقاً، كشف تكبير لقطات الشاشة أن حواف النص المتراكب في الإطار كانت حادة، وأن النافذة الصغيرة للمذيعة كانت واضحة. وجهها فقط كان ناعماً. لذا فإن هذه الضبابية ليست مرشحاً لما بعد الإنتاج بل متأصلة في شاشة الإنسان الرقمي: ضوء ناعم يضرب الوجه فقط، والمناطق المحيطة معتمة، والبشرة تبدو بيضاء ووردية ومسطحة مثل البث المباشر عبر الهاتف المحمول مع مرشحات التجميل. وعند وضعها في الإطار الأفقي الصغير على الهاتف، تتقلص التفاصيل، مما يخفي عيوب الذكاء الاصطناعي. يشبه هذا التأثير إضاءة مذيع حقيقي.
ثالثاً، الإيقاع. تظهر الترجمات مضغوطة في أسفل الإطار، مع الرد على تعليق منبثق تقريباً كل 20 ثانية. يبدو الأمر بطيئاً، لكن هذا البطء يغطي بالضبط الثواني القليلة التي يستغرقها الذكاء الاصطناعي للتفاعل. فالمذيعون الحقيقيون لا يردون فوراً أيضاً، أليس كذلك؟
رابعاً، نافذة الشخص الحقيقي. يوجد شخص حي في الزاوية. غرفة البث المباشر بأكملها لا تبدو كآلة معلّقة. عند الدردشة معها، يعرف المشاهدون أن هناك شخصاً يراقب خلف الكواليس.
بعد هذا التفكيك، أصبح مسار التحسين واضحاً. استخدم حل Vidu الحالي لطبقة المذيعة. ما عليّ فعله هو الطبقة الخارجية: الوضع الأفقي، بطاقات التعليمات، نافذة الشخص الحقيقي، إلخ، مستلهماً من إعدادات شياويا.
2. Vidu يتولى أمر المذيعة، وأنا أبني طبقة إدارة البث
لتوضيح الأمر بمثال بسيط: في غرفة البث المباشر الحقيقية، بجانب المذيعة يوجد عادة مساعد لإدارة البث يراقب التعليقات المنبثقة، ويطرد المعلنين، وينقل أسئلة المشاهدين إلى المذيعة، ويذكرها بتغيير ملابسها، ويقترح مواضيع عندما يهدأ الجو.
في غرفة البث المباشر الخاصة بـ "وان وان"، ينتمي دور المذيعة إلى Vidu. شكل وان وان، وكيفية تحريكها لفمها، وما تقوله، كلها تُولّد في الوقت الفعلي بواسطة Vidu.
لذا فإن مفتاح مشروع البث المباشر في الوقت الفعلي هذا هو طبقة إدارة البث، والتي تتضمن تحديداً هذه المهام:
- التصفية: التعليقات المنبثقة المبتذلة أو الإعلانية ببساطة لا تُقرأ بصوت عالٍ.
- الترتيب في الطابور: تأتي التعليقات المنبثقة واحداً تلو الآخر. وإذا لزم الأمر، يمكن إضافة منطق يسمح لمقدمي الهدايا بتجاوز الطابور.
- فهم النية: التمييز بين ما إذا كان التعليق دردشة، أو طلب تغيير الملابس، أو طلب عنصر معين، أو تغيير الخلفية، أو طلب إشارة القلب أو التلويح.
- الإعداد المسبق: على سبيل المثال، منطق خزانة الملابس. كل زي هو صورة كاملة. تغيير الملابس يعني التبديل إلى صورة جديدة وإعادة تشغيل الجلسة.
- أوامر الخمول: يدعم Vidu صوت الخمول. لمنع المذيعة من التحديق بفراغ عندما لا توجد تعليقات، يمكن تعيين مواضيع لأوقات الخمول.
- بطاقات التعليمات والملصقات: تعلمتها من غرفة شياويا. اكتب على الشاشة ما يمكن فعله، وما لا يمكن، وكيفية إرسال التعليقات.
- منصة عمل محلية: تغيير الشخصيات، وإدارة خزائن الملابس، وتبديل الأصوات، وضبط الإجراءات — كل ذلك عبر نقرات الويب.
- تهيئة البث المباشر: استخدمت OBS لدمج شاشة الإنسان الرقمي، وبطاقات التعليمات، ولقطات الكاميرا الخاصة بي، ثم دفعتها أفقياً عبر Douyin Live Companion. توضع كاميرتي في الزاوية اليسرى السفلية.
تم إنشاء كل هذه المنطق عبر جولات من الاختبار والمناقشة والتحسين مع Claude. هو يتولى الجانب التقني والمنتج؛ وأنا أقدم الآراء والمتطلبات.
يمكن للذكاء الاصطناعي بناء الإصدار الأول في ليلة واحدة، وتشغيل تغيير الملابس، والترتيب في الطابور، ودفع البث. لكنه لا يستطيع سماع النبرة الآلية في الصوت، ولا يعرف مدى الإحراج الناتج عن تكرار تلك الجمل الثلاث أو الأربع أثناء الصمت. لن تشعر بهذا إلا بمشاهدة الشخصية فعلياً وهي تتفاعل معك في البث المباشر.
أما بالنسبة للتكاليف، فهي تتركز بشكل رئيسي على Vidu؛ والباقي لا يكاد يُذكر.
يتم فرض رسوم على الإنسان الرقمي في الوقت الفعلي من Vidu لكل ثانية، 1.5 رصيد لكل ثانية، أي ما يعادل حوالي 169 يوان صيني في الساعة. استمر بث الليلة لمدة ساعة و7 دقائق، بتكلفة إجمالية بلغت 191.47 يوان صيني، بما في ذلك الإحماء قبل البث، والجلسات التي أُعيد تشغيلها لتغيير الملابس، وعمليات إعادة التشغيل أثناء البث. بالنسبة لي، تكلفة 100-200 يوان صيني في الساعة مقبولة أثناء الاختبار، لكن التكلفة موجودة. إذا كنت ترغب في تحقيق الدخل من هذا الحل، فاحسب عائد استثمارك بدقة.
3. العقبات التي واجهتها خلال هذه الأيام
المظهر (الصورة الأساسية بشكل أساسي)
كان أول تشغيل ناجح هو النسخة الرسومية (CG) لشخصية تاشا. تاشا هي شخصية من لعبة Ace Combat 8. من لا يحب الشعر الوردي؟ لكن الإنسان الرقمي بدا ثقيلاً في البث لأن الصورة كانت بأسلوب CG، بعيدة عن الواقعية.
ثم جاءت نسخة الشخص الحقيقي من تاشا، والتي رسمها نموذج توليد الصور لتصبح صورة واقعية. كان ذلك أفضل. قمت أيضاً بإنشاء تكوين أفقي لها يحاكي إعدادات شياويا، جالسة على مكتب تسند ذقنها، مع مصباح قريب. لكنها كانت تفتقر إلى شيء ما، حيث بدت بوضوح كوجه مولّد بالذكاء الاصطناعي.
عند الانتقال إلى الشخصيات الأصلية، أردت أدواراً أكثر واقعية وعادية. صنعت أربع فتيات بلهجات: شياومان من شمال شرق الصين، وتشنغتسي من تشانغشا، وآوين من ميننان، وآنان بلهجة تايوانية.
كانت المشاكل مع هؤلاء تتعلق بشكل رئيسي بالجماليات والصور الأساسية. بمقارنة الصورة الأساسية لتشنغتسي مع شاشة شياويا، كانت درجة لون البشرة صفراء ومشبعة جداً، والملمس مفصلاً أكثر من اللازم، وزاوية الكاميرا أمامية بمستوى العين، والذراعان مفرودتان كصورة بطاقة هوية. ظهرت أيضاً مشاكل في الشخصية: كتبت عبارات نموذجية في وصف الشخصية، فقرأتها حرفياً.
أخيراً، وبدافع الإحباط، بحثت عن الإلهام في منشورات المدونة Doumiao على X (@nima2qisi2)، واستخدمت الأوامر لتوليد نسخة مشابهة، والتي أصبحت "وان وان".
الشخصية هي فتاة تبلغ من العمر 24 عاماً تعمل في التصميم الجرافيكي في شركة صغيرة في هانغتشو. تعود إلى المنزل بعد العاشرة مساءً، وتبدأ بثاً مباشراً للدردشة، ولديها قطة سوداء تُدعى Meiqiu (غير ظاهرة، لكنها تشتكي من مشاكساتها). شخصيتها بطيئة التفاعل، وتمتلك فكاهة جافة قليلاً. وعندما تُسأل عما إذا كانت حقيقية، تقول مباشرة إنها مذيعة ذكاء اصطناعي.
تغيير الملابس
في البداية، حاولت السماح للذكاء الاصطناعي بتعديل الملابس على جسدها مباشرة. نجح الأمر مرة واحدة، ولكن بعد مرتين، بدأ الوجه بالتشوه. لاحقاً، انتقلت إلى إعداد صورة كاملة لكل زي مسبقاً، بما في ذلك الشخص والملابس والغرفة. تغيير الملابس يعني إعادة تشغيل الجلسة من تلك الصورة، وهو ما كان أسرع وأكثر استقراراً. تحتوي خزانة الملابس الآن على 7 أزياء؛ الياقة المدورة السوداء هي الافتراضية. يستغرق التغيير الواحد حوالي 5 ثوانٍ.
يمكن لهذا المنطق أيضاً تبديل المشاهد والإجراءات، بشرط توفير عدد كافٍ من الصور الأساسية المعدة مسبقاً.
نبرة الصوت
في البداية، صنعت عدة شخصيات بلهجات (شمال شرق الصين، تشانغشا، ميننان، تايوانية) لأنني وجدت أن اللهجات تخفي طابع الذكاء الاصطناعي. الفتاة التي تتحدث بلهجة تبدو لا شعورياً كشخص حي. حدث موقف صغير: استمع ذكاء اصطناعي إلى صوت مرتين دون معرفة مصدره وقال إنه لغة ماندرين قياسية، لكنني سمعت لكنة الشمال الشرقي على الفور. منذ ذلك الحين، اخترت الأصوات بنفسي.
لاحقاً، اكتشفت مشكلة حرجة: العديد من الأصوات تبدو كأشخاص حقيقيين عند سماعها منفردة، لكنها تفقد سحرها في البث المباشر في الوقت الفعلي.
صوت وان وان النهائي هو صوت صممته على Volcano Engine، حيث وفرت مادة صوتية خام لاستنساخها على Vidu.
صوت الخمول المتكرر
بعد أول بث تجريبي مدته 6 دقائق، كان أكبر درس تعلمته هو أنه عندما لم يعلق أحد، كانت تكرر نفس عبارات الإحماء الثلاث أو الأربع. كان الأمر محرجاً حتى بالنسبة لي. قبل البث الثاني، أعددت بسرعة 100 موضوع للبدء البارد بناءً على شخصيتها. لا يحدث التكرار إلا بعد استنفادها جميعاً.
تغيير الخلفية أزال الملابس
غيّرت الخلفية 9 مرات الليلة. المرات الثماني الأولى كانت جيدة. في النهاية، بينما كانت ترتدي قميصاً أسود بدون حمالات، أدى التغيير من الغرفة إلى كوخ ثلجي إلى الاحتفاظ بالملابس (انظر الصورة أدناه). لكن التغيير التاسع، من الكوخ الثلجي إلى منظر المدينة الليلي، أدى إلى اختفاء الحمالات والجزء العلوي، لتبدو عارية. أنهيت البث على الفور.
عند التحقيق في السبب: تغييرات الملابس مستقرة لأن كل زي هو صورة كاملة معدة مسبقاً، تعيد تشغيل الجلسة. أما تغييرات الخلفية والعناصر فتسلك مساراً آخر: تسليم صورة مرجعية إلى Vidu أثناء البث لإعادة رسم المشهد. لكن زيها الحالي لم يكن مدرجاً في المرجع، ولم نطلب منه الحفاظ على الملابس. كان بإمكان Vidu إعادة رسم جسدها. في المرات الثماني الأولى رسمه بشكل صحيح؛ وفي المرة التاسعة مسح الملابس. الجزء الأكثر إثارة للرعب هو عدم الاتساق. الاختبار عدة مرات دون مشاكل لا يعني الأمان. هذه ثغرة مؤكدة. سواء كانت السبب الوحيد أم لا فهو غير مؤكد، لكن يجب سد هذه الثغرة. اكتشفنا سابقاً أن تعديل الصور المرجعية أثناء البث يسبب انحرافاً وعدم قابلية للعكس، لكننا لم نتوقع حدوث ذلك في بث عام.
الآن، تغييرات الخلفية وعناصر الأكل والشرب معطلة افتراضياً. تنقل بطاقات التعليمات هذه الخيارات إلى قسم "لا يمكن القيام به بعد" حتى ننتقل إلى "إعادة التشغيل من صورة كاملة" أو نضيف فحوصات بصرية.
انقطاع اتصال Vidu، والشخص الحقيقي يتولى الأمر
انقطع اتصال Vidu مرة واحدة لمدة 3 دقائق تقريباً. خلال ذلك الوقت، اختفت وان وان من الشاشة، ولم يبقَ سواي في النافذة اليسرى السفلية. امتلأت التعليقات بعبارات مثل "لماذا انتهى؟" و"غاري اختفى". هذا يوضح أن نافذة الشخص الحقيقي ليست فقط لإثبات الحضور؛ فعندما تتعطل الأمور، يجب أن يكون هناك شخص يتولى السيطرة.
التعامل مع التعليقات المنبثقة والهدايا
تستخدم التعليقات المنبثقة حالياً طريقة مؤقتة لقراءة تعليقات صفحة الويب.
في البداية، كان للهدايا منطق لتجاوز الطابور، لكنني أزلته لأن Douyin يعتبره تحريضاً على تقديم الإكراميات. من الناحية التقنية، تجاوز الطابور بناءً على الهدايا ممكن.
مشكلات لم تُحل بعد
- مزامنة الشفاه مع الغناء والحركات الكبيرة مستحيلة مؤقتاً.
- حتى مع الإعدادات المسبقة للشخصية والموضوعات، تحتفظ الاستجابات أحياناً بطابع الذكاء الاصطناعي.
- يستغرق الأمر من 10 إلى 20 ثانية من تعليق المشاهد حتى تتحدث هي.
- الجمل الطويلة تتم مقاطعتها بواسطة حوار جديد أو أوامر حركة، رغم إمكانية تحسين ذلك برمجياً.
- الذاكرة قصيرة. بعد إعادة الاتصال، وعندما سُئلت عن سبب التوقف، أجابت: "لم يتوقف، ألسنا لا نزال ندردش؟"
4. ما هي الإمكانات التطويرية لأسلوب اللعب هذا؟
سأذكر الاتجاهات التي أمتلك خبرة بها ويمكنني تصورها بوضوح. لن يتم مناقشة الأمور الواضحة مثل مقدمي التجارة الإلكترونية. قد تتبع الاستكشافات المستقبلية هذه المسارات؛ وسيتم مشاركة النتائج. يمكن للقراء التحقق من نقاط التقاطع مع خبراتهم:
1. بث الألعاب. كلاعب بخبرة تزيد عن 20 عاماً، لديّ شغف ببث الألعاب. لقد قمت ببث Honor of Kings و LOL سابقاً. هل شاهدتم سلسلة "Doubao يعلم الألعاب" على Bilibili؟ لعب Delta Force و LOL و Minecraft، وانتشرت الكثير منها بشكل واسع. على سبيل المثال، حقق مقطع Doubao وهو يعلم Minecraft 16 مليون مشاهدة. تخيل لو كان لدى Doubao شخصية تفاعلية في الوقت الفعلي وجذابة. ستكون مقاطع الفيديو والبث أفضل بكثير.
- البث في حلقة لا نهائية. قامت MiniMax سابقاً بعمل بث لشاشة مُولّدة في الوقت الفعلي، مما أعطى إحساساً بالحلقات اللانهائية. لكن نظراً لافتقارها إلى موضوع محدد، لم تعمل ضمن إطار عمل. ربط حل Vidu بغلاف خارجي، وتوليد صور المشاهد والحوار في الوقت الفعلي بناءً على التعليقات، من المحتمل أن يتيح بثاً تفاعلياً للأحداث. لن يجرؤ المذيعون الحقيقيون على تخيل ذلك. تخيل بثاً يكون فيه الخط الرئيسي هو إكمال المذيع لرحلة: وسائل النقل، والرفقاء، والمواجهات، والكلمات، والاختيارات — كلها موجهة بواسطة التعليقات. أليس هذا مثيراً للاهتمام؟
3. بث الترفيه. لا حاجة للشرح. حالة شياويا تثبت الإمكانات في تقديم الترفيه. أشك بشدة أنه قريباً، بعد أن تصبح النماذج المماثلة مفتوحة المصدر، ستحتل منصات البالغين بواسطة الذكاء الاصطناعي.
الحدود: يتطلب Douyin تصنيف المحتوى المُولّد بالذكاء الاصطناعي، ويفرض ظهور شخص حقيقي وتفاعله، ويثبط البث غير المأهول/المعلّق. لذا تعرض شاشة وان وان دائماً عبارة "شاشة مُولّدة بالذكاء الاصطناعي في الوقت الفعلي"، وتبقى كاميرتي في الزاوية اليسرى السفلية. انهيار الليلة هو تذكير بذلك. من بين 18 تعليقاً تمت تصفيته، طلب العديد منها ملابس السباحة والبيكيني والفساتين الحريرية، وتم حظرها بواسطة الكلمات المفتاحية (كما أن الكلمات المفتاحية صنفت خطأً عبارة "شخص ما يتراخى" كتلميح جنسي، وتم إصلاح ذلك لاحقاً). ومع ذلك، لم يكن الحادث ناتجاً عن هذه الطلبات، بل عن تغيير خلفية عادي.
يمكن حظر النص بواسطة الكلمات المفتاحية؛ لكن الشاشات لا يمكن حظرها. يمكن للمحتوى المرئي المُولّد بالذكاء الاصطناعي أن ينتج بشكل غير متوقع محتوى محظوراً على المنصة. وبدون إشراف، قد يخلق انتهاكات. وجود شخص حقيقي ليس مجرد مطلب للمنصة؛ بل هو حماية لك.
أولئك الذين يأملون في تحقيق دخل سلبي على مدار 24 ساعة مع البشر الرقميين لا يزال أمامهم طريق طويل.
أيضاً، لا تستخدم المشاهير، أو شخصيات الآخرين، أو وجوههم لصنع بشر رقميين. صنع شخصيتك الخاصة ليس بالأمر الصعب.
6. ملاحظات المصدر المفتوح
إطار أدوات هذا المشروع متاح كمصدر مفتوح بموجب ترخيص MIT: https://github.com/garycaogan/ai-live-avatar.
يشمل تصفية/ترتيب التعليقات المنبثقة، والتعرف على النية، وخزانة الملابس، وبطاقات التعليمات/التراكبات على الشاشة، ومنصة العمل المحلية، والتكامل مع دفع البث الأفقي عبر OBS/Douyin. يمكنك إجراء تشغيل تجريبي دون إنفاق المال لرؤية كيفية تنفيذ التصفية، والترتيب، والتراكبات. تم استبعاد جزء استخراج بيانات صفحات الويب بسبب المخاطر؛ ويجب على المنفذين إضافته بأنفسهم.
الأدوات متاحة للجميع، لكن يجب أن تكون الشخصيات ملكك. استبدلها بوجهك، واكتب شخصيتك، وستعمل.
إذا كنت ترغب في بناء واحدة، خذ الكود، واصنع شخصيتك، ونرحب بتعليقاتك للحصول على المساعدة أو لمشاركة نجاحاتك.
أنا غاري. إذا ساعدك هذا المقال، لا تنسَ النقر ثلاث مرات!
