Studio
Maikling mga video at isang 24/7 live channel, scripted at rendered sa sarili mong GPU.
- Linux
- NVIDIA GPU
- Local LLM
- YouTube API
Ano ang ginagawa nito
Ginagawa ng Studio ang isang paksa na tapos na maikling video sa iyong sariling machine: sinusulat ng iyong local model ang mga eksena, ginuguhit ng iyong image model ang isang larawan para sa bawat isa (o naglalagay ang Studio ng malinis na title cards), binabasa ng boses ang mga ito, gumagalaw ang kamera, sumusunod ang mga caption sa boses, at isang ffmpeg pass ang nagre-render ng resulta. Ipinapakete nito ang bawat video sa mga wika na iyong ipinapalathala, ina-upload sa YouTube sa bilis na iyong itinakda, at maaaring panatilihing live ang isang 24/7 channel mula sa mga ginawa nito.
- Isang tsek sa pagitan ng bawat yugto. Ang frame na may nakitang teksto, watermark o deformed na kamay ng iyong vision model ay muling ginuguhit bago ito gumastos ng render time; ang tahimik o hindi makatwirang mabilis na voice take ay ginagawa ulit; ang video na maling haba o loudness ay hindi mararating ang publisher.
- Mga larawan at boses na iyong pinipili. Ang iyong ComfyUI workflow o anumang OpenAI-compatible image server, o title cards na walang image model. Kokoro o Piper sa CPU, o isang speech server.
- Isang render na mukhang ginawa, hindi pinagsama-sama. Eased push-ins, pans at tilts, oversampled para dumulas ang mabagal na galaw, mga caption sa maikling chunks na nakatime sa boses, isang optional music bed na bumababa sa ilalim ng boses, -14 LUFS, NVENC sa GPU o libx264 sa CPU.
- Pagpapackage sa bawat wika. Mga pamagat, paglalarawan at hashtags bawat wika sa loob ng limitasyon ng YouTube, isang linya ng AI disclosure, ang iyong footer, isang thumbnail, isang SRT file at isang handa na caption para sa mga platform na iyong ipinapost nang manu-mano.
- YouTube sa pamamagitan ng opisyal na API. Isang video bawat slot sa mga lokal na oras na iyong pipiliin, isang daily cap, scheduled publishing, mga translation bilang localizations, ang synthetic-content flag ay naka-set, at ang quota ng Google ay binibilang bago ang bawat call.
- Live, araw at gabi. Mga tapos na video sa rotation papunta sa YouTube Live mula sa isang mahabang koneksyon: ang mga bagong video ay sumasali nang walang reconnect, isang watchdog ang muling pinapatakbo ang encoder, at ang stream key ay naka-mask sa bawat log.
Ano ang nasa loob
Ang pipeline
Script, mga larawan, boses, mga caption, render, mga tsek at pagpapackage, ang bawat yugto ay nakatime sa isang job file.
Ang queue
Mga paksa na iyong idinadagdag o inirerekomenda ng iyong model para sa iyong niche; ang mga halos katulad na dating paksa ay tinatanggi.
Ang publisher
Pahintulot ng YouTube, resumable uploads, mga slot, localizations, mga thumbnail at quota.
Ang live channel
Isang 24/7 RTMP stream na may live-ready copies, rotation, isang watchdog at isang standby card.
Mga requirement
- Linux na may systemd, Python 3.10 o mas bago, at ffmpeg; mas mabilis ang rendering gamit ang NVIDIA GPU na may NVENC, ngunit gumagana rin ang CPU.
- Isang OpenAI-compatible model server para sa mga script. Para sa mga larawan, ComfyUI o isang image server, o wala para sa title cards.
- Para sa YouTube, ang iyong sariling Google Cloud project na may Data API na naka-enable.
Mga dapat malaman
- Hindi kasama ang model weights, voices at music; sinasabi ng documentation kung saan kumuha ng bawat isa, sa ilalim ng kanilang sariling licence, at limitahan ng ilang licence ang commercial use.
- Tinatanggal ng mga platform ang mga channel na nagpo-post ng paulit-ulit at mass-produced na content, at galing sa language model ang mga facts. Ang default ay nagpo-publish ng isang video kada araw at tumatanggi sa halos-kopya; ang iyong responsibilidad ang iyong ipopublish.
Mga tanong
Nagpo-post din ba ito sa TikTok at Instagram?
Hindi. Nag-u-upload ang Studio sa YouTube sa pamamagitan ng YouTube Data API. Para sa TikTok, Instagram at iba pa, mayroon ang bawat video folder ng file, thumbnail, at handang caption na may hashtags sa bawat wika, para sa iyo o sa scheduler na ginagamit mo na.
Gaano katagal ang paggawa ng isang video?
Sa aming machine, 3 hanggang 4 minuto para sa vertical video na 20 hanggang 30 segundo na naka-package sa tatlong wika, halos lahat ay ang writer model; ang voice at render ay tumagal ng wala pang 20 segundo bawat isa. Inirerecord ng Studio ang oras ng bawat stage, kaya makikita mo kung saan napupunta ang mga minuto sa iyong hardware.
Kailangan ba nito ng GPU?
Hindi. Ang title cards, Kokoro o Piper voices at libx264 encoding ay tumatakbo sa CPU; pinapabilis ng GPU ang image model at ang encoding. Kung hindi makapagsimula ang NVENC, halimbawa dahil napupuno ang memory ng GPU ng mga model, lumilipat ang Studio sa libx264 nang mag-isa.
Naididisclose ba ang paggamit ng AI?
Oo, by default: may disclosure line sa bawat description sa kanyang wika, at itinatag ng bawat upload ang altered-or-synthetic-content flag ng YouTube.
Na-update: