Transcription
所以，抖音刚刚发布了一个谷歌的竞争对手。如果你还没听说，Bite Dance 公司，也就是拥有抖音的公司，刚刚发布了 Cance 1.0，它能从零开始创作视频，对吧？你只需要给它一个提示，它就开始创作这样的内容了。太不可思议了，对吧？在排行榜上，它实际上击败了谷歌。那么，这些排行榜是什么呢？它叫做视频生成竞技场。你可能听说过聊天机器人竞技场，基本上就是我们在这里点击它。视频竞技场。你会得到两个视频，对吧？像这样，你必须决定哪个你认为更好。所以，如果你看这两个，我会说这个看起来更好。在这里，你会看到那是 Halu Bet Sora，这实际上很有趣。从那个排行榜上，你可以看到 Bite Dance 的 Sea Dance 实际上是第一名。现在，VO，如果你不知道，V3 是谷歌几周前刚刚发布的。基本上，它是市场上最好的视频生成器。最酷的是它能同步生成视频和声音，这太棒了。所以，我之前做过一个关于它的视频，但今天我们将向你展示如何使用 NE，一个 AI 自动化平台，自动创建 seed dance 视频。之所以这么酷，是因为对于 VO，人们用它来获得数百万的观看量，就像你在这里看到的，对吧？对于像 Bigfoot、Vlog Life 等等。但现在人们也使用 Seance，它的价格便宜 25 倍，人们正在创作这样的视频。为什么？因为它不能自动同步音频。所以，最好做那些不需要真正同步音频的事情，对吧？比如 ASMR。正如你在这里看到的，人们获得了数百万的观看量，对吧？那么，它要多少钱，等等。让我们快速看一下。V3，对吧？如果我们看这里，一个带音频的 5 秒视频，3.75 美元，这相当贵。但请记住，这一切都是因为它是自动化的。这不是免费的东西。这就像在想办法让你不必去做工作。而你的成本可能很高，与这个相比。然后在这里，wave speedi 是我们将要使用 bite dances seance 的地方。在这里，你有四种不同的选项。你看，你有 480p 的选项，这很酷，然后是 720p 的选项，如果你真的想利用它来在社交媒体上爆红，这通常是你想要的。但即使是这样，每段视频也要 30 美分。而一段视频可以长达 5 秒。所以，你可以看到，这比其他选项贵 10 倍，或者说是 12 倍。但对于这个，它确实有音频。所以你可能会想，好吧，用 wave speed，我没有音频。是的，但当我运行这个的时候，对吧？完成整个过程的成本不到 3 美分用于音频和视频的组合。所以整个东西大约是 93 美分，对吧？总价是 720p 选项的三分之一。所以仍然非常便宜。现在，如果你想要模板，你不想费力地让我告诉你如何做，你可以去 AI Automation Hub，这是我的免费 AI 社区。在这里，我们总是有模板之类的东西。进入教室，任何模板，然后它们都会在这里。例如，我们有 Google V3 的。你可以像这样进去，然后点击这里，或者你也可以去顶部搜索。现在，我也有一个付费社区，叫做 AI Automation Pro。加入这里后，我会给你一个初步的咨询表，让你快速上手 AI。我会告诉你该怎么做。我甚至会为你制定一个蓝图。然后如果你需要任何帮助，我们提供帮助。我们还有很多课程。然后我们社区里有活跃的人，他们总是在寻求提升，你也能获得最新的新闻等等。你甚至可以通过发帖、评论和点赞别人的东西来赚钱。所以，让我们开始这个教程。现在，这是来自 RoboNuggets 的，他最先分享的，对吧？所以，非常感谢他，但我认为这值得分享，谈论它的优点，谈论它的缺点，但也谈论如何改进它，对吧？首先，我将谈论总体架构。然后我们将逐个节点进行。所以，你有了想法。你如何获得它？嗯，计划，你知道，每隔一段时间，每天。然后你有一个想法代理，它会产生想法。然后它会被记录在 Google 表格中。然后从那个 Google 表格中，一个提示代理会获取它并将其转化为提示，因为有一个想法是一回事。获得这些真实的提示是另一回事，然后你可以去生成剪辑。之后，你在这里使用 HTTP 请求生成剪辑。基本上是在互联网上发送消息给 wave speed，告诉它为我创建这些。它会创建它们，然后你可以下载它们。然后你想生成声音，我们将使用 file AI。所以，file AI 和 wave speed 基本上它们只是这些大型语言模型的 API 提供商。所以，如果我们去这里，比如 V3，这是 V3 和 FI，这是因为你无法从谷歌获得谷歌 V3。你必须通过 FI 和 wave speed 来获得。同样，你无法从 bite dance 获得 bite dance C dance pro。你也不能从 foul 获得 pro 版本。曾经有一个小插曲，你可以使用 URL，但事实证明那是一个 bug。他们不打算发布它。所以，这是第一个发布的地方，这就是为什么我们使用它们。然后在这里，你只需生成声音。然后之后，我们将其发送到 F，然后它将视频打包在一起。所以，它获取剪辑，获取声音，将它们混合在一起，缝合视频，然后，你的输出。你会在 Google 表格中得到一个 URL。所以，你会得到一个像这样的 Google 表格。这是你的 URL，当你点击它时，它会下载视频，然后你会得到一个像这样的视频，完全由 AI 生成。让我们逐个节点地讲解，这样你就可以实际构建它了。所以，我们这里有一个计划触发器，在午夜和零点之间运行一天。基本上每天午夜运行。直接开始。但你也可以在这里点击执行步骤，它也会运行。现在，想法代理这里我们有一个提示和一个系统提示。所以，系统提示或系统消息是你告诉代理的东西，在这里你给代理一个角色。你给它一些规则。做这个，做那个，不要做那个，不要做那个。然后你还给它一个输出格式，因为代理，它们确实很棒，但你需要给它们非常明确的指令，以尽量减少不确定性。尽量多引入确定性，因为本质上它们就像，它们会做任何它们想做的事情。你想尽量缩小这些限制。这就是为什么我使用系统消息。然后你有提示，这里的提示是给我一个关于……的想法，然后你在这里插入一些东西。所以你可以进来并更改它。我们还给它工具。所以，使用思考工具来审查你的输出，这就是这里，它是一个思考工具，基本上将你的模型变成一个推理模型。之所以酷，是因为推理模型非常昂贵，而 4.1 以其最便宜或 4.1 mini 我认为是最便宜的，但它性价比最高，而推理模型非常昂贵。所以你可以使用思考工具将其变成一个推理模型。然后我们有解析器。所以，这是输出解析器，你会在这里看到一个例子。所以，从 JSON 示例生成模式。模式基本上就是我想要的我的数据看起来的框架，你想要它看起来像这样。所以，标题，等等，想法，等等，环境，等等，声音，然后状态，对吧？而这里，你会注意到我们在输出 pa 中，所以附加在这里，但我们也在代理系统消息中，这里有一个我们想要的输出示例。这是因为你想要……在系统消息中，你就像，听着，我总是想要你输出这个，而输出解析器就像双重检查，这就是输出，因为如果你没有解析器，它可能会输出任何它想要的东西，即使是偶然的。现在，之后它会将其记录到这个 Google 表格中。所以，首先，我想在你需要设置凭据之前，你只需点击笔或铅笔，然后从这里获取 API 密钥，你可以去 platform.openai.com/api openai.com/appi keys。注册，添加你的账单信息，创建一个新的秘密密钥。但如果你担心花太多钱，你可以做的是，如果你去 studio.google.com，然后你可以来这里，虽然它现在看起来有点疯狂，但实际上相当简单。别担心，去获取 API 密钥。从获取 API 密钥，然后你想点击创建，然后你想选择一个项目。然后点击创建，然后你可以复制这个 API 密钥。如果你没有项目，你可以去 console.cloud.google.com，在这里你可以创建一个 Gemini 项目或一个用于你的 Gemini API 密钥的项目。所以，在这里你可以点击新项目，创建一个，然后你可以使用该项目来创建你的 API 密钥。现在，你会注意到这实际上是 Google Gemini。但我们使用 Google Gemini 而不是 ChatGPT 的原因，如果你担心钱的话，是因为在这里，例如，对于这个闪光预览，或者闪光预览灯，无论什么……你可以看到，免费的，我们每天有 500 个，这很酷。所以，你可以每天运行 500 个提示，你可以像这样更改它，而不是 OpenAI，你可以点击加号，然后更改为 Gemini。所以，你可以在这里看到我有 Gemini，然后点击那个，然后就这样做。所以，这就是你可以用更少的钱做到这一点的方法。但请注意，对于代理，因为代理可以运行多次。所以，就像我在这里让它思考一样。所以，基本上这个代理会运行，它会创建这个东西，这可能是一个提示，然后它可以思考，这可能是两个提示，然后它可能有另一个响应，这可能是三个提示。所以，这实际上是你的 500 个中的三个。然后它记录想法。现在，我在这里使用的是 um N cloud，正如你在这里看到的，而不是自托管版本，因为那样的话，连接到你的 Google 帐户非常容易，再次按下笔，然后你只需点击使用 Google 登录，这非常简单，资源，所以它是一个文档中的工作表，我只是创建了这个简单的表，再次，这将在学校社区中，你只需要这些标题，对吧？只是标准的标题，所以从这里，我们有文档，然后列表，然后我选择了这个 C dance，这是这个工作表的名称，或者工作表的名称，他们称之为文档，然后实际的工作表名称是 sheet one，指的是下面的这个，然后如果我们回到这里，手动映射每个列，所以我们正在映射这些列，所以从想法代理，所以输出，你可以看到已经正确解析，然后我们拉过来，标题，在这里拖动，放在那里，然后它就会弹出，对吧？它会像这样出现。这是因为你有这些花括号来表示它是动态的，在这个表达式下。然后我们有它是 JSON。所以，我们去 JSON，因为它实际上看起来就是这样。JSON.output zero。所以，这是如果我们回到模式，你可以看到这是 output zero。所以，它是第一个。它是唯一的，但它是第一个。点标题，这是它的名称。然后你填写所有这些，除了最终输出。很酷。所以，我们把它记录下来了。我们现在有另一个代理，它获取这个并创建视频提示。这样我们就可以有三个视频，这样我们就可以将它们链接在一起。一个视频，两个视频，三个视频。所以，要做到这一点，我们再次有一个系统消息。让我们打开它。再次，你给它一个角色，你给它规则等等。描述应该看起来像这样。这里有一个我想要的语气。这里是长度。嗯，这里是输入。所以，想法，环境，声音，然后格式。这就是你想要的它看起来的样子。所以，从这里，我们有提示，它就是给我三个基于之前想法的提示。也使用思考工具，因为再次，它有这个思考工具。然后这次的解析器看起来像这样。想法，环境，声音，场景一，场景二，场景三。并且作为参考，你也可以在这里删除它，匹配到这里，只使用一个。你的 AI 也是如此。你可以只使用一个。嗯，但我喜欢保留它们。所以，如果我们像这样移动它，它们共享工具，我们共享这个凭据。但我喜欢将它们全部分开，因为我认为这样感觉更干净。嗯，就像它更好一样。所以，我们有这个提示代理，现在我们有这个输入和输出。我实际上还没有谈过。对于任何正在观看的初学者，基本上这里中间的句子是输入，左边是输出，右边是输出。所以，再次，我们在这里看到的是，那里很好，输入记录想法，然后我们有这个作为设置。所以，它通过代理，这是输出想法，环境，声音，场景一，场景二，场景三，就像我们预期的那样，这很完美。很酷。所以，现在进入这个的主要内容。所以，我们现在 OpenAI 在这个实例中已经创建了想法，生成了想法，将其记录在 Google 表格中，然后又生成了视频提示。很酷。那么我们现在做什么呢？嗯，我们这里有一点代码，它只是获取……让我打开它作为一个 JSON。看到这里，基本上是从这里获取三个场景。所以，我们这里有描述，然后描述，然后描述，这就是这三个场景，这样我们就可以把它们放在一起。现在，我们想创建剪辑。所以，从这里，我们使用一个 HTTP 请求节点。这就是这个小地球仪的东西。这是用来创建剪辑的。所以，我们将使用 wavepeed API。所以，让我们去 wavepeed，我将向你展示如何获取你的凭据等。所以，首先，你还会注意到 API wave speed AI bite dance C dance V1 Pro 480p。现在，你可以更改这个部分，因为我之前说过，你可以更改为你实际想使用的任何一个。但基本上，在这里注册，你会得到一美元的免费额度。所以，你实际上可以运行整个东西，花费大约三美分，因为第一次运行，你可以以 720p 的价格获得三个视频，价格为 90 美分。所以，无论如何，来这里，注册。然后你只需去访问密钥，然后从这里，你只需给它一个名字，然后创建密钥，然后你只需复制那个密钥。过来，头部关闭。点击笔。然后我们有授权作为名称，而值在这里。它不会显示给你，但来这里查看 waves 认证文档。看到获取 API 密钥等。一个示例用法。所以，curl，我们将使用它，因为 curl 基本上就像一个 HTTP 请求 POST，你看到它是 authorization: bearer 你的 API 密钥。所以，在这里你会删除所有这些，然后在下面你会有一个 bearer，然后你粘贴你的 API 密钥。所以，就像这样，然后你把它放在里面，然后保存，这样你的 API 密钥就设置好了，这基本上是你的唯一标识符，这样 wave speed 才知道是你，因为每个人都有自己的。如果你和别人分享，他们可以使用它，他们可能会用完你的免费积分，然后即使你添加了账单信息，他们也可以使用它，基本上就是用你的钱。所以，注意这一点。然后下面，我们正在发送原始 JSON 作为正文。所以，基本上这是我们正在发送头部。所以，我们正在发送一个 POST 请求。所以，我们将一些东西推送到这个 URL。我们提供我们的认证，告诉它这是我们。然后这是我们想让它做的事情。所以，如果我们在这里打开它，你可以看到我们正在提供宽高比。所以，你可以更改它，但这是短视频内容。时长，然后是提示。所以，我们有视频主题，发生了什么，以及视频拍摄的地点。所以，这就是你要发送给它的所有内容，然后它就会开始创建它。然后我们有一个等待。我只是把它设置为两秒钟，因为我们一次测试一个节点，但它真的应该是 60 秒，甚至更长。甚至几分钟。然后之后，一旦你等待它完成，比如说最多三分钟。之后，我们得到一个 GET 方法的 HTTP 请求，这意味着我们现在正在获取信息。所以，第一次我们发送 POST，说去做。现在，我们正在获取它实际创建的内容。所以，我们去 API blah blah blah 斜杠，它们通常称之为预测，当它们生成某物时。所以，我们有 JSON 数据。ID，而这里，我们来自，如果我去，是这个吗？所以，数据 ID，而你正在传入它，因为这是这个预测，这个生成的 ID。我们传入我们的头部，就这样。然后它会下载这个。正如你从输出中看到的，那里。这就是预测。所以，这是视频输出。所以，现在我们有了这个视频。现在，让我们为视频生成声音。所以，我们要在这里使用 file。现在，file 的设置也非常简单，你只需登录，对吧？添加你的账单信息。对我来说，我认为我添加了，可能是 10 美元，但你可以添加，不多。一定是我添加了 20 美元。但是的，我相信你可以一次添加 5 美元，它不会用太多。正如我之前所说，如果我去看使用情况，我做了 23 秒的视频，花费了 1725。但实际的音频，生成声音只花了 3 美分。而将音频与 Cance 的视频放在一起只花了多少？那是多少？一美分？所以，那是百分之二美分。所以，几乎是免费的。嗯，所以，3 美分。所以，我的意思是，如果允许的话，添加一美元。如果允许的话，添加三美分，它就会起作用。也许四美分。但无论如何，注册，然后要获取你的 API 密钥，只需去 API 密钥，然后添加密钥。给它一个名字。搞定。所以，你复制那个 API 密钥，然后你来到这里，再次头部关闭，头部关闭，文件笔，然后要更改它，你只需在这里更改它，作为参考，授权，但这次你不使用 beer，而是。所以，如果我们去任何模型，比如 v3，去 API，你可以向下滚动到认证。现在，我们可以看到认证，你可以看到提交请求 curl 授权密钥 file key。所以，这次不是 beta，而是 key。这就是你如何在这里放入这个，键空格，然后粘贴你的 API 密钥。就这样。让我们关闭它。而我们再次发送 POST。所以，说去创建这个。而这次是到 Q for file。所以，file.run。嗯，这是 mm audio v2。所以，只是为我们生成一些音频。而我们再次传入一个正文。而这次的提示是 ASMR 舒缓的音效，然后是 prompt AI agent JSON.output.sound。所以，如果我们过来这里，所以这就像再次映射。我们去 prompts AI agent 这个。我们去 item，这将是第一个。json。这是 JSON.output。这是输出。点声音是这个。然后视频 URL。我们将传入 JSON 数据。output zero，如果我们去这里，所以这是上一个。所以，这是 JSON.data。所以，这里，如果不是上一个，如果它是几个节点之前的另一个节点，那么这就是为什么你按名称引用它的原因。但无论如何，所以你可以看到 JSON.data。所以，上一个节点 output zero，就是这个。所以，data output zero，就是这个。所以，我们将其推上去，它就会创建我们的声音。所以，一旦我们完成了，我们又必须等待。所以，这次等待一分钟左右，让它创建它。然后我们只是获取它。基本上是同样的事情。这里我们有这个 Q file run blah blah blah requests，然后我们得到 request ID。所以，就像上次一样。然后传入我们的头部认证，file，就这样。搞定，我们现在有了声音，我们有了视频。现在，我们需要把它放在一起。所以，在这个例子中，对吧？我看到人们在谈论为什么你不应该这样做。相反，应该有一个更简单的方法来组合剪辑。如果你是自托管的，有一个编程方法可以做到，我们可以通过使用 execute code 命令来运行代码，而不是进行 HTTP 请求，你可以基本上将文件放在一起，对吧？我以前在一个项目中做过，用 Python 生成视频中的镜头，对吧？但问题是，我们不能在云端这样做。而且它实际上是资源密集型的。所以，它会消耗你的资源。所以，我们也在外包这个，因为你已经看到了它有多便宜。它就像一小部分。我甚至不需要找到它。但你知道，你以前见过。一小部分美分。2% 的美分左右。所以，我们将缝合视频。所以，我们要做的第一件事是列出元素。所以，我们要将什么添加到一起？所以，我们将要添加的视频 URL。然后对于序列视频，我们再次使用相同的认证，因为对于 file 来说，我们仍然是我们。我们只是这次访问不同的 URL 来进行 POST。我们访问 FFmpeg API compose。现在，ffmpeg 是你可能会遇到的东西，当你改变视频设置或移动将视频片段放在一起时，就像这样。嗯，这是通过使用这个 ffmpeg 进行编程的方法。所以，我们有和往常一样的认证。然后这次在正文中，如果我们打开它，我们有视频类型，ID，基本上是不同的关键帧。所以，我们有第一个视频的 URL，第二个，以及第三个，这三个不同的视频。然后从那里，我们只需等待它完成。再次，一分钟。然后获取最终视频，只是为了获取那个 D FFmpeg API 请求斜杠 request ID，它来自这里，再次传入我们的认证。然后之后，我们将它推送到 Google Sheets。现在，在这里，我们正在连接到 Google Sheets。所有这些东西都一样，C dance 工作表，但这次的操作是更新单行。所以，它必须首先找到我要更新哪一行。所以，你手动映射每一列，我们匹配 ID。所以，匹配 ID 到我们实际给它的 ID。所以，这个 ID，然后我们正在更改最终输出，即 JSON.vide URL。然后它会给你那个 URL。然后，如果我们现在去这里，我们可以点击最终输出，然后它就会自动下载，就像这样。现在，当你打开它时，它在另一个屏幕上，但我会把它移过来。它基本上是相同的。嗯，这就是视频。搞定。所以，设置这些类型的流程就是这么简单直接。所以，我之前谈到的增强功能，我将再次简要介绍一下，是一个配音节点。所以，我认为，例如，那个视频可能会更好，如果有一个小故事时间的东西。所以，就像有人在告诉你有趣的知识或故事，你可以在这里用配音节点做到，而不是生成声音。所以，如果我们进来这里，我们有生成声音。所以，这是提示，对吧？而不是这个提示，你可以更改提示代理和想法代理，最终在这里，从获取剪辑到生成这个音频，然后你可以使用这个而不是这三个来生成故事配音，并将它们添加进去，这可能很酷。另一个是假设循环验证，你可以添加它，基本上我认为可能在想法生成之后，以确保它有效，然后在提示生成之后，甚至在剪辑生成之后。所以，有很多地方可以这样做，但本质上是你想确保它看起来不错。如果你愿意，你知道，浪费一美元来运行整个过程，因为你认为它会没问题，那么你可能把它放在，你知道，在最后，就在你尝试上传它之前，或者之类的。或者你可以，你知道，在这里切断它。所以，这可以是两个不同的。所以，你可以像这样创建想法，然后只有当你喜欢这里的想法时，你才能触发这个。这样的事情可能也很酷。所以，有很多不同的想法，但本质上，下一步是实际上传这个视频。所以，目前在 NA10 上，我正在构建这个终极社交媒体发布器，它基本上获取一个单一的视频 URL，就像上一个视频的结尾一样。爱你。再见。然后它会获取视频，然后它会发布到所有这些平台上，对吧？所以，它是 TikTok，Instagram，所有这些。然后我们有 YouTube，LinkedIn，Twitter，和 Facebook。所以，目前我正在努力确保所有这些都完美运行，对吧？所以，如果它真的不起作用，我不想把它发布出去。嗯，但如果你想在别人之前得到它，来加入 AI Automation Pro，因为我将在这里首先发布它，这样人们就可以尝试一下，看看效果如何。嗯，然后如果你只是想要这个视频的模板，来 AI Automation Hub，并在这里与人们交谈。这也是，你知道，一个大型社区。我们有 700 多名成员，这很酷，因为我只有几周或一个月的时间。嗯，但是的，非常酷。所以，我希望你喜欢。如果你喜欢，请点赞，评论，订阅，我期待在 EI Automation Pro 见到你。