Osobisty Avatar AI No-code: Rozmowa Głosowa

0:00W tej lekcji zajmiemy się przygotowaniem jeszcze jednego skrótu, który będzie

0:03służył nam do tego, aby faktycznie rozmawiać z naszym avatarem.

0:07Czyli mówimy tutaj o interakcji głosowej.

0:10Usuniemy tutaj tylko akcję dotyczącą tego

0:13warunku i zamiast akcji ask for input, wykorzystamy akcję do dyktowania tekstu.

0:19Tutaj w ustawieniach możemy zdecydować, o jaki język nam chodzi.

0:23I choć język polski działa całkiem dobrze,

0:25nasz avatar będzie odpowiadał nam w języku angielskim.

0:28Wynika to z faktu, że głos naszego avatara

0:31będzie generowany w locie z pomocą usługi Eleven Labs.

0:34Dostęp do tej usługi jest płatny i wymagana jest aktywna subskrypcja.

0:38No chyba, że wystarczy nam generowanie do

0:4110 tysięcy znaków i brak wykorzystania komercyjnego.

0:45Po założeniu konta wystarczy przejść do

0:47zakładki Voice Lab i Voice Cloning, a następnie dodać tutaj kilkuminutowy plik audio.

0:53Taki plik teoretycznie może zostać nagrany

0:55w języku polskim, natomiast według mnie wyniki są lepsze w momencie, gdy

0:59wykorzystamy tutaj próbkę z językiem angielskim.

1:03W momencie, gdy nasz głos zostanie

1:04skolonowany, a trwa to dosłownie kilka minut, wystarczy wpisać tutaj dowolny

1:09tekst po angielsku, a następnie upewnić się, że mamy tutaj wybrany poprawny głos.

1:14How bizarre I cent recall when I told you that, but you're good!

1:17Jak widzisz, niemal natychmiast tekst został przeczytany moim głosem.

1:22W tym miejscu możemy pobrać wygenerowany

1:24plik, natomiast nas najbardziej będzie interesował dostęp przez API.

1:28Tutaj mamy kilka poleceń, które mogą nas

1:30interesować i w naszym przypadku będzie to konkretnie ten endpoint.

1:34Jedyne co będzie nam tutaj potrzebne to identyfikator głosu.

1:38Niestety tutaj bezpośrednio w interfejsie

1:41nie mogłem znaleźć identyfikatora, który jest potrzebny do wykorzystania w API.

1:45W związku z tym stosuję następującą technikę.

1:48Klikam prawym przyciskiem myszy w dowolne

1:50miejsce na stronie, a następnie wybieram inspect bądź też zbadaj element.

1:55Następnie przechodzę do zakładki Network i

1:58następnie uruchamiam ponownie Generowanie głosu.

2:01Zostaną wykonane tutaj następujące akcje.

2:03W jednej z nich, jak widać mamy tutaj

2:05adres URL, który dokładnie musimy użyć w naszej automatyzacji.

2:10Wróćmy więc do naszego skrótu.

2:12Pomimo tego, że wewnątrz dokładnie tego

2:14skrótu będziemy kontaktować się głosowo z naszym avatarem, ja jednak chciałbym

2:19utworzyć jeszcze jeden skrót, który będzie służył bezpośrednio do czytania tekstu.

2:24W związku z tym tworzę teraz nowe makro, a następnie wykorzystamy sobię tutaj funkcję get

2:28contents off URL i przekażę adres który skopiowałem przed chwilą.

2:33Następnie musimy tutaj dodać nagłówek do autoryzacji połączenia i podać tutaj

2:38bezpośrednio swój klucz API, który możemy pobrać w ustawieniach naszego konta.

2:43Dokładnie w tym miejscu. Mój klucz w tym momencie został dodany

2:47i ostatnim krokiem w kontekście samego

2:49połączenia będzie przekazanie parametru text, który ustawimy na wartość shortcut input.

2:55W ten sposób wszystko co zostanie

2:57przekazane do tego skrótu zostanie przeczytane.

3:00W tym jednak przypadku odpowiedź, którą tutaj otrzymamy, będziemy mogli

3:04natychmiast przeczytać lub też będąc bardziej precyzyjnym natychmiast odtworzyć.

3:10W tym momencie tak przygotowane makro

3:12możemy wykorzystać w makrze Hej avatars poprzez uruchomienie akcji run shortcut

3:17tutaj w dodatkowych ustawieniach upewniam się, że wartość, którą przekazujemy do

3:22tego skryptu to tekst, który otrzymaliśmy z naszego scenariusza.

3:26Od tego momentu, w momencie gdy uruchomię

3:28to makro, zostanę poproszony o dyktowanie tego makro.

3:32Niestety jednak nie mogę pokazać tego jak działa dyktowanie ze względu na to, że w

3:36tym momencie wykorzystuję swój mikrofon do nagrywania tego filmu.

3:40Zatem w zamian skorzystam z akcji Ask for Input.

3:43Natomiast pamiętaj proszę, że w Twoim

3:45przypadku możesz korzystać z akcji umożliwiającej dyktowanie.

3:49No i teraz mogę zadać pytanie, które zostanie przesłane do naszego scenariusza.

3:54Nasz avatar odpowie na nie, a następnie

3:57zwrócony tekst zostanie przeczytany moim głosem.

4:00Rzeczywiście, w moich słuchawkach ten tekst został przeczytany, aczkolwiek nawet

4:04nie będę go teraz pokazywał ze względu na to, że konieczne byłoby sprawienie, aby

4:09nasz avatar odpowiadał w języku angielskim.

4:11Dopiero w takiej sytuacji wykorzystanie Eleven Labs ma sens.

4:15Jednak istnieje alternatywny sposób, które możemy wykorzystać dla języka polskiego.

4:20Pod kątem jakości jest on zdecydowanie

4:22gorszy, ale jak najbardziej wspiera język polski.

4:26Mowa tutaj o akcji, którą właśnie dodałem

4:28o nazwie Speak Text, wewnątrz której możemy ustawić język polski.

4:33Następnie tutaj usunę tą akcję i uruchomię ten skrót ponownie.

4:37W tym momencie głos, który tutaj wybraliśmy został ustawiony na Zosie bądź

4:41Ewę i dzięki temu zostanie poprawnie przeczytany w języku polskim.

4:46Aczkolwiek tak jak wspomniałem ogólna

4:48jakość tego dźwięku jest zdecydowanie gorsza.

4:50Jeżeli jednak zdecydujesz się na wykorzystanie wyłącznie języka

4:54angielskiego, to warto dodać, że możesz wykorzystać także Siri po to, aby uruchomić

4:59skrót umożliwiający Ci interakcję z Twoim

5:02avatarem i dzięki temu możesz wykonać go bez jakichkolwiek skrótów klawiszowych.

5:07Ja np.

5:07mam podłączony dokładnie ten skrót do mojego smartwatch'a.

5:11Dzięki temu mam np.

5:12możliwość szybkiego głosowego dodawania

5:14zadań bez wykorzystania komputera czy nawet telefonu.

5:18Zatem podsumowując tą lekcję.

5:20To co tutaj zrobiliśmy polegało na wykorzystaniu zewnętrznej usługi do

5:24generowania głosu i dodatkowo skorzystaliśmy z dość ciekawej techniki

5:29polegającej na przygotowaniu takiego generycznego makra, do którego możemy

5:33przekazać dowolny tekst, a on sam zostanie zamieniony na audio.

5:37Dodatkowo przygotowaliśmy jeszcze jedną akcję, którą w tym momencie zmodyfikowałem

5:42na swoje potrzeby, aczkolwiek przywrócę te zmiany.

5:45I tą akcję możesz wykorzystać zarówno na

5:47komputerze, telefonie, jak i też wywoływać z pomocą Siri.

5:51Pamiętaj jednak proszę, że czas odpowiedzi

5:53będzie nieco wydłużony ze względu na to, że nie tylko avatar musi odpowiedzieć, ale

5:58także musi zostać wygenerowany tutaj głos przez usługę i Eleven Labs.

6:03Jeżeli chodzi o tą lekcję, to by było na tyle.

6:05Dzięki za uwagę i do usłyszenia za moment.