YouTube2Text

СДЕЛАЛ ИИ СТРИМЕРА ЗА 5 ДНЕЙ! — Transcript

by vaflya_dev · 1,083 words · 197 segments · language en · Watch on YouTube

Full transcript

  1. 0:00Я создал ИИ стримера за 5 дней. Всем
  2. 0:03привет, у микрофона Volteris и сегодня я
  3. 0:05покажу и расскажу, как создал своего ИИ
  4. 0:07ютубера Юми за 5 дней. Как вы помните, в
  5. 0:10прошлом ролике я уже создал
  6. 0:12искусственный интеллект, который мог
  7. 0:13играть в Minecraft, но поразмыслив
  8. 0:15понял, что проект мягко говоря не
  9. 0:17идеальный, это полное Проще
  10. 0:19переписать его с нуля, поэтому первый
  11. 0:21день начался с того, что я его удалил. В
  12. 0:24прошлом видео было освещено слишком мало
  13. 0:26технических моментов проекта. Я считаю,
  14. 0:28что это нужно исправлять. В моей
  15. 0:30внутренней между полностью закрытым
  16. 0:32проектом, как нейросама, и проектом с
  17. 0:35частично открытой архитектурой победил
  18. 0:37второй вариант. Может мне повезёт и
  19. 0:39найдутся добрые и разбирающиеся люди,
  20. 0:41которые смогут помочь с решением
  21. 0:42каких-то вопросов. Кто знает? Нет. В
  22. 0:45любом случае любой, кто хоть как-то
  23. 0:47разбирается в этом, сможет
  24. 0:48самостоятельно создать такой проект с
  25. 0:50закрытыми глазами.
  26. 0:54Вооружившись новоприобретёнными знаниями
  27. 0:56из прошлого опыта, я сел писать модуль
  28. 0:59агента, а то есть мозг нашего ютубера
  29. 1:01LLM. Сделать это было не так сложно,
  30. 1:03учитывая, что данный модуль в своей сути
  31. 1:05не сильно отличается от первоначальной
  32. 1:07версии, но есть одно важное замечание.
  33. 1:10Прямо здесь интегрирован модуль памяти,
  34. 1:12то есть теперь Юми, при получении
  35. 1:14запроса, может сама решить, вспоминать
  36. 1:16ей что-то или нет, а также после ответа
  37. 1:18решает, стоит ли сохранить какие-либо
  38. 1:20факты в свою память. Что касается
  39. 1:22принципа работы, она реализована как RAG
  40. 1:24система на базе векторов. И для
  41. 1:26поддержания консистентности была
  42. 1:28разделена на две базы данных, с
  43. 1:30личностью Юми и воспоминаниями о
  44. 1:32пользователях. Изначально моя идея
  45. 1:35состояла в том, чтобы сделать
  46. 1:36веб-интерфейс для управления всеми
  47. 1:38модулями и визуального отображения чата
  48. 1:40и логов. Даже был сделан какой-никакой
  49. 1:42рабочий шаблон, но в будущем от этой
  50. 1:44идеи я отказался. Но может быть
  51. 1:46когда-нибудь реализую. Юми, напомни, как
  52. 1:49меня зовут?
  53. 1:52Вольтер. Ты опять меня запутал. Я же
  54. 1:55помню, что ты раньше назывался Volteris,
  55. 1:58но если хочешь, чтобы я называл тебя
  56. 2:00Вольтер, ладно.
  57. 2:02Только не жди, что я забуду, как ты
  58. 2:04пытался убежать от моих драконьих укусов
  59. 2:06в прошлый раз.
  60. 2:12Проснувшись на второй день, я осознал
  61. 2:14критичность отсутствия заранее
  62. 2:16разработанной архитектуры всего проекта.
  63. 2:18Проблема заключалась в невозможности
  64. 2:20корректно передавать данные между
  65. 2:22модулями, поэтому первым делом я пошёл
  66. 2:24набрасывать примерную схему
  67. 2:25взаимодействия. Способом передачи данных
  68. 2:28был выбран веб-сокет. Минимальная
  69. 2:30нагрузка и почти полное отсутствие
  70. 2:31задержки окончательно отмели всех
  71. 2:33конкурентов. Пересобрав модуль LLM под
  72. 2:36текущую новую архитектуру, я пошёл
  73. 2:38реализовывать модуль STT, который должен
  74. 2:41распознавать мой голос и отдавать
  75. 2:42расшифровку. На этом этапе я уже
  76. 2:44задумался о возможности подачи не только
  77. 2:47своего голоса, но и голоса из других
  78. 2:49источников, например, Discord. Многого
  79. 2:52об этом модуле рассказать не могу,
  80. 2:53поскольку рассказывать нечего. Сам
  81. 2:55процесс его создания был прост, за
  82. 2:57исключением танцев с бубнами над
  83. 2:59аудиоканалами, чтобы везде звук приходил
  84. 3:01и выходил.
  85. 3:05На третий день я пошёл писать модуль
  86. 3:07TTS, который будет генерировать голос
  87. 3:09Юми. Из-за того, что LLM и так съела всю
  88. 3:12мою видеопамять, запускать пришлось на
  89. 3:14ЦПУ. Но перед этим я собрал ещё два
  90. 3:16модуля. Ну как два? Один модуль Accent и
  91. 3:19микромодуль Translate. К слову, в
  92. 3:21будущем от использования Accent я
  93. 3:23откажусь, поскольку он добавляет слишком
  94. 3:25большую задержку, да и работает не очень
  95. 3:27стабильно. Accent должен, как можно
  96. 3:29догадаться из названия, правильно
  97. 3:30расставлять акценты, но для корректной
  98. 3:32работы ему нужен контекст из нескольких
  99. 3:34слов. Так что работа напрямую с токенами
  100. 3:36была невозможна. Ах да, что такое токен?
  101. 3:39Токен это минимальная единица текста, с
  102. 3:41которой работает языковая модель. Грубо
  103. 3:44говоря, это кусочек слова или целое
  104. 3:46короткое слово. Например, фраза "Привет,
  105. 3:49мир" разбивается примерно на три-четыре
  106. 3:51токена. LLM генерирует текст именно
  107. 3:54токен за токеном, а не слово за словом,
  108. 3:57поэтому работать с готовыми словами в
  109. 3:58реальном времени бывает непросто.
  110. 4:00Translate же транскрибирует английские
  111. 4:03слова русскими буквами, для того чтобы
  112. 4:05TTS смогла без проблем их озвучить.
  113. 4:07Иногда это выглядит странно, но кто я
  114. 4:10такой, чтобы забирать её идентичность?
  115. 4:12Проблема с чанками на данном этапе
  116. 4:14никуда не ушла. Translate умеет работать
  117. 4:16с ними, но вот если отдавать чанки
  118. 4:18напрямую в TTS, финальная фраза будет
  119. 4:20рваной и безэмоциональной. Такое нам не
  120. 4:23нужно. Решением выступает небольшой
  121. 4:25буфер между LLM и TTS с возможностью
  122. 4:28настройки лимитов. В финальном
  123. 4:29результате генерация аудиопотока
  124. 4:31происходит быстро и без явно выраженных
  125. 4:33ошибок.
  126. 4:35Юми, а тебе нравится игра osu?
  127. 4:39osu? Да я её обожаю, как ты не видел?
  128. 4:42Особенно, когда ты пытался играть и
  129. 4:44постоянно ловил монеты, как будто они
  130. 4:46летают в твою сторону.
  131. 4:48Ты же знаешь, что в osu нужно уметь
  132. 4:50слушать ритм, а не бегать по экрану, как
  133. 4:53ты это делаешь.
  134. 4:54Ладно, Вольтер, не переживай. Я тебя не
  135. 4:57брошу, даже если ты снова упадёшь в
  136. 4:59пропасть.
  137. 5:03Пришло время собирать это всё в единого
  138. 5:05трансформера. Если честно, на протяжении
  139. 5:07всех дней я и так писал пайплайн для
  140. 5:09комплексной работы, но только сейчас
  141. 5:11этим можно заняться по полной, ведь
  142. 5:13именно сейчас готовы все веб-сокет
  143. 5:15эндпоинты. Главной фишкой, которую я
  144. 5:17хотел реализовать конкретно для себя,
  145. 5:19это возможность работы всего этого чуда
  146. 5:21независимо друг от друга. Как раз для
  147. 5:23этого и были созданы модули. Юми будет
  148. 5:26работать, даже если выключить ей STT или
  149. 5:28TTS. Да, в таком случае она не будет
  150. 5:31слышать, что я говорю, или сама не
  151. 5:32сможет говорить, но в будущем, думаю,
  152. 5:34мне неоднократно понадобится возможность
  153. 5:36освобождать ресурсы компьютера под
  154. 5:38другие задачи. И в этот же день я
  155. 5:40вспомнил, что забыл совершенно про
  156. 5:42модельку нашей Юми.
  157. 5:45>> [музыка]
  158. 5:47>> Попыхах побежал разрабатывать самый
  159. 5:49нелюбимый мною модуль из-за развитого
  160. 5:51ПТСР после прошлого опыта, но на
  161. 5:53удивление я набросал его концепт
  162. 5:55буквально за полчаса, а довёл до
  163. 5:57нормальной работы уже к вечеру этого
  164. 5:59дня, без каких-либо проблем и прикрутил
  165. 6:02к действующему пайплайну.
  166. 6:06Пятый и финальный день. Вы спросите,
  167. 6:08если всё готово, что тогда ты будешь
  168. 6:10делать сегодня? А я скажу, что буду
  169. 6:12исправлять баги и недочёты в работе
  170. 6:14пайплайна. Нестабильная работа текущей
  171. 6:16реализации клиентов веб-сокет ломала
  172. 6:18всё, и в том числе мои последние нервные
  173. 6:20клетки. А также меня смущала дико
  174. 6:22большая задержка при работе всех
  175. 6:24модулей. Как раз здесь я отключил модуль
  176. 6:26акцента и подшаманил все блокировки
  177. 6:28внутри кода. Также наткнулся на статью о
  178. 6:31выпуске новых версий используемой мной
  179. 6:32модели, и они были очень даже сочными.
  180. 6:35Но на моей конфигурации компьютера они
  181. 6:38работали как-то странно, так что я
  182. 6:40откатился изменения и с чистой душой
  183. 6:42выдохнул, ведь это логический конец
  184. 6:44разработки.
  185. 6:45В итоге, между первой версией,
  186. 6:47показанной в прошлом видео, и текущим
  187. 6:49вариантом разница в скорости ответа
  188. 6:51составляет в среднем 15 секунд. Это
  189. 6:53неплохой показатель, но есть куда
  190. 6:55стремиться. Да и в целом проект стал
  191. 6:57работать намного стабильнее и для меня,
  192. 6:59как для собеседника, намного приятнее.
  193. 7:01Теперь развивать его будет намного
  194. 7:02проще. В следующем видео вас ждёт очень
  195. 7:05интересная интеграция. Ну а я пошёл, мне
  196. 7:08надо поговорить с Юми, она уже скучает,
  197. 7:11наверное.

About this transcript

This page contains the full transcript of СДЕЛАЛ ИИ СТРИМЕРА ЗА 5 ДНЕЙ! by vaflya_dev, generated from the public captions YouTube serves with the video. The transcript has 1,083 words across 197 segments, with the original timestamps preserved so you can click any line to jump to that moment in the embedded player.

What you can do with it

Use the transcript to take notes, quote the speaker, build a study guide, generate a summary with ChatGPT or Claude via the YouTube Summary tool, or export it as a timed subtitle file with YouTube to SRT. You can also re-open it in the transcriber to choose a caption track available on the video.

Free YouTube transcript tool

YouTube2Text is a free YouTube transcript generator — no signup, no daily limit. Paste any YouTube link and get the full transcript instantly, with timestamps, click-to-jump, caption language selection, AI prompts for ChatGPT, Claude, and Gemini, and exports to TXT, SRT, VTT, or Markdown.