10 месяцев с подкастом на искусственном интеллекте: итоги и впечатления

Привет, друзья! Не верится, что уже прошло 10 месяцев с момента запуска моего подкаста, который создается с помощью искусственного интеллекта и нейросетей. За это время мы успели выпустить 90 эпизодов, используя различные инструменты текст-ту-спич и реал-войс-клонинг для озвучки ведущих. Сегодня я хотел бы подвести итоги этого увлекательного путешествия и поделиться с вами своими размышлениями.

С момента запуска подкаста я перепробовал множество различных нейросетей, как платных, так и бесплатных, и так называемых больших языковых моделей. Каждые 10-20 новых выпусков были очередной итерацией, результатом экспериментов и техники проб и ошибок. Недавно, 30 октября, подкаст получил обновление — это уже третья или даже четвертая его итерация.

В первую очередь хочу выразить благодарность всем нашим слушателям. Ваше терпение и интерес к такому формату вдохновляют меня продолжать и совершенствоваться. Я знаю, что среди вас были и скептики, но то, что вы продолжаете слушать, показывает — мы на правильном пути.

Как программист и перфекционист, я, конечно, выступаю своим самым жестким критиком. Этот проект стал для меня возможностью глубже познакомиться с миром искусственного интеллекта и проверить его возможности. Поиск ответа на вопрос "может ли ИИ заменить людей?" был очень увлекательным. Подкаст оказался отличной базой для этих исследований.

Хотя я не тщательно отслеживаю статистику, знаю, что у нас есть слушатели на различных платформах, включая Telegram, Apple Podcasts, YouTube, ВКонтакте и Яндекс.Музыку. Моя цель — сделать подкаст доступным на всех популярных площадках, чтобы каждый мог выбрать удобный способ прослушивания.

Расскажу о том, как изменился мой подкаст и какие технологии стоят за его созданием. Если ранее я использовал готовые решения, то теперь подкаст полностью создается с помощью моего собственного движка, написанного на Python. Это позволяет мне контролировать весь процесс от начала до конца. Давайте разберемся, как это работает.

Итак, основой моего подкаста теперь служит самодельный движок. Вместо готовых решений я пишу и настраиваю все сам, используя Python. Этот подход дает мне полную гибкость в управлении всем процессом.

Для обработки данных я использую Whisper, который развернут у меня локально. Whisper помогает мне эффективно справляться с задачей обработки аудио, не прибегая к сторонним платным сервисам.

В начале года я писал статью о том, как я использовал Reddit для создания датасета. Однако, со временем я пришел к выводу, что работа с YouTube стала более удобной и актуальной. Крупные каналы, посвященные искусственному интеллекту, предоставляют более структурированную и актуальную информацию.

К началу года мой основной интерес был сосредоточен на Reddit, этой "золотой шахте" для сбора больших данных. Однако информация с Reddit требует тщательной проверки и анализа, что требует много времени.

Теперь я сосредоточен на YouTube. Мониторю около ста каналов, которые привлекают мое внимание и соответствуют моим интересам в области искусственного интеллекта и не только. Это оптимизирует мой процесс, избавляя от необходимости более тщательной фильтрации.

Для меня YouTube каналы стали отличным источником контента. Я доверяю определённым авторам и мониторю их деятельность, удаляя тех, кто перестает быть интересным или полезным. Этот процесс напоминает естественный отбор, ориентированный лишь на качество и актуальность.

Я стараюсь минимизировать использование сторонних платных сервисов, предпочитая локальные решения. Это помогает мне экономить ресурсы и поддерживать контроль над процессом. Подробно о моем подходе можно узнать из видео, которое я выкладывал на YouTube. Хоть оно уже немного устарело, там есть полезная информация о предыдущих этапах развития подкаста.

https://youtu.be/FoIiQjOUaQE

На первом этапе я прогоняю загруженные ролики через Whisper для создания первоначального датасета. Это позволяет мне извлечь текстовую информацию, которую затем можно обработать различными инструментами. До 90-го выпуска я пользовался различными открытыми большими языковыми моделями как платными так и бесплатными. Однако с недавнего времени я изменил подход: теперь начальная обработка выполняется одной из открытых языковых моделей, а затем подключается GPT-4O mini от OpenAI для перевода текстов с английского на русский.

Проработка TTS (text-to-speech) движков привела меня к использованию Edge TTS, которого можно найти на GitHub. Этот инструмент стал моим выбором после Coqui XTTS-v2. Подкастовый движок сейчас поддерживает интеграцию с 11 Labs, Google Cloud Voice и другими сервисами, но мой выбор пал на решение с минимальными затратами Edge TTS.

Для конечной части процесса я использую Real Voice Cloning (RVC-Project), чтобы создать более персонализированную речь. Мои модели обучены на двух голосах: моем собственном и моей жены. Это позволяет добавить индивидуальности к голосам ведущих — Думфэйс и Шахерезада.

Кроме того, вот моя статья о том, как это можно реализовать лично:

https://d00m4ace.com/posts/besplatnoe-lokalnoe-klonirovanie-ljubyh-golosov-ii-s-rvc-projectdot/

Существует один значительный вызов: отсутствие качественных русскоязычных моделей, которые могли бы конкурировать с английскими аналогами. 11 Labs предлагает удивительное качество речи, но их услуги стоят около ~$200 в месяц по моим расчетам для моего подкаста 12 выпусков, каждый более 1 часа, что для меня является неприемлемым.

Есть F5-TTS сказочный TTS, подделывающий беглую и правдивую речь с помощью сопоставления потоков:

https://github.com/SWivid/F5-TTS

И хотя F5 TTS обещает многое, пока что ее поддержка живой русской речи отсутствует. Я жду момента, когда кто-то создаст доступную модель для русского языка с живым звучанием.

В будущем я надеюсь на доступность бесплатных или малозатратных решений для создания подкастов с живыми русскими голосами. Это станет огромным шагом вперед и придаст подкасту качество, которое будет сложно отличить от живого общения. Если вы знаете о таких разработки или работаете над чем-то подобным, дайте знать!

Вы можете послушать подкаст лично в одном из ваших любимых мест:

Telegram: https://t.me/d00m4ace_blog

YouTube: https://www.youtube.com/c/@d00m4ace

Soundcloud: https://soundcloud.com/d00m4ace

Apple Podcast: https://podcasts.apple.com/podcast/id1723142484

Яндекс Музыка: https://music.yandex.ru/album/28798077

VK Podcast: https://vk.com/podcasts-224167280

Amazon Music: https://music.amazon.com/podcasts/40c36f38-114a-4a79-8d0c-baf970f331b3/

Spotify: https://open.spotify.com/show/4RsttStN9RejAOEbLUG8IS

Дзен: https://dzen.ru/d00m4ace

Rutube: https://rutube.ru/channel/33955589/

RSS1 feed: https://podster.fm/rss.xml?pid=89212

RSS2 feed: https://media.rss.com/d00m4ace/feed.xml

В данный момент я посвящаю все свое время разработке своих ИИ-ботов в Telegram.

В условиях множества блокировок доступ к современным технологиям и информации становится все сложнее, особенно для обычных пользователей, не связанных с IT. Далее в этой статье я расскажу о своей работе над созданием Telegram ботов с искусственным интеллектом, чтобы помочь обойти эти ограничения и дать людям доступ к передовым возможностям.

К сожалению, в последние годы блокировки становятся все более серьезной проблемой как внутри Российской Федерации, так и в отношениях с зарубежными партнерами. Это ограничивает доступ простых пользователей к информации и новейшим достижениям в области технологий. Особенно печально осознавать, что многие люди, включая ваших близких, возможно, даже не знают о существовании таких мощных инструментов, как ChatGPT.

Для нормального развития общества доступ к информации крайне важен. Правильное информирование граждан способствует экономическому росту и благосостоянию каждой страны. Однако нынешние ограничения значительно препятствуют этому процессу, создавая угрозу технологического отставания.

Для решения этой проблемы я создал Telegram бота, который предоставляет доступ к самым современным инструментам искусственного интеллекта. Особое внимание уделено нейросетям, таким как:

- OpenAI и GPT-4o: последние достижения в области генеративных моделей текста.

- Генерация изображений: работа с моделями DALL-E 3 и Flux, которые предлагают уникальные возможности в создании визуального контента.

Модель Flux, разработанная бывшими сотрудниками Stability AI, которые ранее работали над известной Stable Diffusion, предлагает новые возможности для генерации изображений. Эта команда создала новую компанию Black Forest, и их новая модель уже показывает отличные результаты. Stable Diffusion 3.5, также недавно вышедшая, добавляет еще больше возможностей пользователям, но даже она не потеснила Flux!

ChatGPT d00m4ace bot: https://t.me/d00m4ace_a3f9b7_bot

Мой Telegram ИИ бот позволяет работать как с текстовыми, так и с графическими данными. Благодаря поддержке контекстного окна в 128к токенов, пользователи могут отправлять большие текстовые файлы и работать с ними в интерактивном режиме. Это открывает новые горизонты для использования ИИ, будь то для изучения, творчества или работы.

Практическое применение Telegram ИИ бота:

Важные технические особенности:

Практические советы:

Помните, что технологии ИИ постоянно развиваются, и важно регулярно обновлять свои навыки работы с ними. Бот предоставляет отличную возможность для практики и совершенствования в использовании искусственного интеллекта в повседневной работе и он доступен для оплаты из РФ!

В наше время искусственный интеллект (ИИ) обещает множество возможностей как в профессиональной, так и в личной жизни. Однако, как часто бывает с новыми технологиями, многие из нас просто читают и слушают о них, но никогда не пробуют на практике. Настало время изменить это!

Процесс изучения чего-либо нового требует не только пассивного восприятия информации, но и активного участия. Без практического опыта ИИ может остаться для вас таинственной магией, в то время как ваши коллеги и конкуренты используют его для достижения новых высот.

Рынок труда сегодня насыщен и конкурентен. Те, кто научились эффективно использовать ИИ, получают неоспоримое преимущество. Этот "буст" может существенно повысить вашу ценность как специалиста и обеспечить успех в карьере.

Для тех, кто готов сделать первый шаг, я предлагаю воспользоваться моим Telegram ботом с искусственным интеллектом. Сейчас количество учетных записей, которые могут им пользоваться, ограничено, поскольку он работает на реальном оборудовании, которое я разворачиваю самостоятельно. Именно поэтому я пока не занимаюсь его активным продвижением.

ChatGPT d00m4ace bot: https://t.me/d00m4ace_a3f9b7_bot

Вы можете попробовать бота бесплатно, прежде чем решите купить дополнительные ИИ кредиты или нет. Минимальный платеж составляет 50 рублей за 5 ИИ кредитов. Кроме того в боте есть выбор из нескольких ИИ, создающих картинки! Например, одна ИИ модели flux/schnell обойдется вам не более чем в 4 рубля за одну картинку!

Моя цель — создать возможность разворачивания Telegram бота на локальных устройствах, чтобы каждый мог настраивать его под свои нужды. Вы сможете интегрировать его с вашими языковыми моделями, запущенными на ваших компьютерах, или использовать API от OpenAI, Google AI и Anthropic. Это решение будет доступно на условиях одноразовой оплаты, не требующей подписки. Более подробная информация о локальных решениях будет доступна в моем Telegram-канале блоге: https://t.me/d00m4ace_blog

Не упустите возможность стать частью современного технологического мира. Попробуйте ИИ на практике и почувствуйте преимущества, которые он может принести в вашу жизнь и карьеру. Контактируйте с технологиями, экспериментируйте и растите разом с ними. Спасибо за внимание и до новых встреч!