Avez-vous déjà été curieux de connaître les produits d'IA développés de manière indépendante ? Aujourd'hui, nous allons approfondir les principes de mise en œuvre du générateur vidéo Sora AI. Ce générateur d'IA développé indépendamment par des programmeurs est non seulement impressionnant, mais révèle également les possibilités infinies de la technologie de l'IA.
Tout d’abord, jetons un coup d’œil à la pile technologique du générateur vidéo Sora AI. Le projet utilise le framework front-end React et combine Nest JS et TypeORM pour le développement back-end. Pour ceux qui ne sont pas familiers avec JavaScript et TypeScript, ces deux technologies constituent des compétences presque standards pour se lancer dans le développement indépendant. JS peut être directement utilisé pour écrire du code front-end et back-end, rendant le développement plus flexible et efficace.
Dans le répertoire racine du projet, nous pouvons trouver un fichier de clé CONFIG. Ce fichier révèle la structure du projet : le code front-end se trouve dans le dossier composants au sein du dossier src/app, tandis que le code back-end se trouve dans le dossier API. Cette structure de projet claire permet aux développeurs de comprendre et de maintenir plus facilement le code.
Alors, comment la page d'accueil du générateur vidéo Sora AI est-elle implémentée ? Nous savons que le chemin de la page du projet Nest et le chemin du fichier de configuration dans le code sont mappés l'un à l'autre. A travers les notions de routage dynamique et de groupes de routage, on peut retrouver le code correspondant à la page courante. Plus précisément, le composant héros est responsable de la partie supérieure de la page, le composant onglet est responsable des trois onglets du milieu et le composant vidéo est responsable de l'affichage de la liste des vidéos.
Cependant, au cours du processus de développement, l'auteur a rencontré un problème : la liste de vidéos ne contenait aucune donnée vidéo. Afin de résoudre ce problème, l’auteur s’est tourné vers l’interface API pour trouver la réponse. Ils ont découvert une interface appelée updateVideo, qui obtient toutes les données vidéo via des requêtes POST et les insère dans la base de données. Mais d’où viennent ces données vidéo ?
Après une enquête plus approfondie, nous avons découvert que les données vidéo sont lues à partir d'une variable d'environnement appelée videoDataFile. Cette variable d'environnement pointe vers un fichier JSON contenant des données vidéo. Cependant, comme l'auteur a peut-être négligé de soumettre ce fichier, les données vidéo ne se chargent pas correctement. Afin de résoudre ce problème, nous pouvons créer un nouveau fichier data.json en fonction du nom de conversion du champ de données et ajouter les données vidéo correspondantes. Dans le même temps, nous devons également définir un identifiant utilisateur unique (adminUserId) pour marquer quel utilisateur a généré chaque vidéo.
Lorsque nous appelons l'interface updateVideo, toutes les données vidéo seront ajoutées à la base de données. Afin de déclencher cette interface, nous pouvons trouver un fichier .http dans le dossier debug et utiliser le plug-in client Rest pour envoyer la requête. Une fois la demande envoyée avec succès, nous pouvons voir dans la base de données que les données vidéo ont été ajoutées avec succès.
Cependant, lorsque nous avons actualisé l'adresse locale du projet, nous avons constaté que la liste des vidéos n'était toujours pas affichée. Pourquoi est-ce? Il s'avère que le moyen d'obtenir des données vidéo dans le code consiste à lire la première à la cinquantième donnée en appelant la méthode getLadiesVideo. Cependant, pour certaines raisons (peut-être que les conditions de requête de la base de données sont mal définies), ces données ne sont pas renvoyées correctement. Afin de résoudre ce problème, nous devons vérifier et modifier les conditions de requête de la base de données pour garantir que les données vidéo requises peuvent être obtenues correctement.
De plus, le générateur vidéo Sora AI utilise également des technologies avancées telles que le rendu côté serveur (SSR) et les composants sans tête (Headless UI). Le rendu côté serveur permet d'effectuer des opérations telles que des requêtes de base de données côté serveur, améliorant ainsi la vitesse et les performances de chargement des pages. Les composants sans tête permettent aux développeurs de télécharger et d'utiliser des composants spécifiques selon leurs besoins, réduisant ainsi considérablement la taille du projet.
Enfin, il convient de mentionner que le générateur vidéo Sora AI implémente également des fonctions d'internationalisation. En écoutant toutes les requêtes et en utilisant la méthode getLocale pour obtenir les informations de langue dans l'en-tête de la requête, le projet est capable de faire correspondre la langue qui convient le mieux à l'utilisateur et de renvoyer le contenu correspondant. Cette conception internationale permet au projet de mieux répondre aux besoins des utilisateurs de différents pays et régions.
En bref, le principe de mise en œuvre du générateur vidéo Sora AI implique des connaissances et des technologies dans plusieurs domaines. Grâce à une analyse approfondie de ce projet, nous pouvons non seulement acquérir de nombreuses compétences et leçons pratiques en matière de développement, mais également acquérir une compréhension et des attentes plus approfondies concernant le développement futur de la technologie de l'IA. Si vous êtes intéressé par le développement indépendant et la technologie de l’IA, autant essayer ce projet !
Partager sur Twitter Partager sur Facebook
Indie123
commentaires
Il n'y a actuellement aucun commentaire