Você já ficou curioso sobre produtos de IA desenvolvidos de forma independente? Hoje, vamos nos aprofundar nos princípios de implementação por trás do gerador de vídeo Sora AI. Este gerador de IA desenvolvido de forma independente por programadores não é apenas impressionante, mas também revela as infinitas possibilidades da tecnologia de IA.
Primeiro, vamos dar uma olhada na pilha de tecnologia do gerador de vídeo Sora AI. O projeto usa a estrutura front-end React e combina Nest JS e TypeORM para desenvolvimento back-end. Para aqueles que não estão familiarizados com JavaScript e TypeScript, essas duas tecnologias são habilidades quase padrão para começar o desenvolvimento independente. JS pode ser usado diretamente para escrever código front-end e back-end, tornando o desenvolvimento mais flexível e eficiente.
No diretório raiz do projeto, podemos encontrar um arquivo CONFIG chave. Este arquivo revela a estrutura do projeto: o código front-end está localizado na pasta componentes dentro da pasta src/app, enquanto o código back-end está localizado na pasta API. Essa estrutura clara do projeto facilita a compreensão e a manutenção do código pelos desenvolvedores.
Então, como é implementada a página inicial do gerador de vídeo Sora AI? Sabemos que o caminho da página do projeto Nest e o caminho do arquivo de configuração no código são mapeados um para o outro. Através dos conceitos de roteamento dinâmico e grupos de roteamento, podemos encontrar o código correspondente à página atual. Especificamente, o componente hero é responsável pela parte superior da página, o componente tab é responsável pelas três guias do meio e o componente video é responsável por exibir a lista de vídeos.
Porém, durante o processo de desenvolvimento, o autor encontrou um problema: a lista de vídeos não continha dados de vídeo. Para resolver este problema, o autor recorreu à interface da API para encontrar a resposta. Eles descobriram uma interface chamada updateVideo, que obtém todos os dados de vídeo por meio de solicitações POST e os insere no banco de dados. Mas de onde vêm esses dados de vídeo?
Após uma investigação mais aprofundada, descobrimos que os dados de vídeo são lidos de uma variável de ambiente chamada videoDataFile. Esta variável de ambiente aponta para um arquivo JSON contendo dados de vídeo. No entanto, como o autor pode ter esquecido de enviar esse arquivo, os dados de vídeo não são carregados corretamente. Para resolver este problema, podemos criar um novo arquivo data.json de acordo com o nome de conversão do campo de dados e adicionar os dados de vídeo correspondentes. Ao mesmo tempo, também precisamos definir um ID de usuário exclusivo (adminUserId) para marcar qual usuário gerou cada vídeo.
Quando chamamos a interface updateVideo, todos os dados de vídeo serão adicionados ao banco de dados. Para acionar esta interface, podemos encontrar um arquivo .http na pasta de depuração e usar o plug-in cliente Rest para enviar a solicitação. Assim que a solicitação for enviada com sucesso, podemos ver no banco de dados que os dados de vídeo foram adicionados com sucesso.
Porém, quando atualizamos o endereço local do projeto, descobrimos que a lista de vídeos ainda não era exibida. Por que é isso? Acontece que a maneira de obter dados de vídeo no código é ler do 1º ao 50º dado chamando o método getLadiesVideo. Porém, por alguns motivos (talvez as condições de consulta ao banco de dados estejam definidas incorretamente), esses dados não são retornados corretamente. Para resolver este problema, precisamos verificar e modificar as condições de consulta ao banco de dados para garantir que os dados de vídeo necessários possam ser obtidos corretamente.
Além disso, o gerador de vídeo Sora AI também usa tecnologias avançadas, como renderização do lado do servidor (SSR) e componentes headless (Headless UI). A renderização do lado do servidor torna possível concluir operações como consultas de banco de dados no lado do servidor, melhorando assim a velocidade e o desempenho do carregamento da página. Os componentes headless permitem que os desenvolvedores baixem e usem componentes específicos conforme necessário, reduzindo bastante o tamanho do pacote do projeto.
Por fim, vale ressaltar que o gerador de vídeo Sora AI também implementa funções de internacionalização. Ao ouvir todas as solicitações e usar o método getLocale para obter as informações de idioma no cabeçalho da solicitação, o projeto consegue combinar o idioma que melhor se adapta ao usuário e retornar o conteúdo correspondente. Este design internacional permite que o projeto atenda melhor às necessidades dos usuários em diferentes países e regiões.
Resumindo, o princípio de implementação por trás do gerador de vídeo Sora AI envolve conhecimento e tecnologia em vários campos. Através de uma análise aprofundada deste projecto, podemos não só aprender muitas competências e lições práticas de desenvolvimento, mas também obter uma compreensão e expectativas mais profundas para o desenvolvimento futuro da tecnologia de IA. Se você está interessado em desenvolvimento independente e tecnologia de IA, é melhor tentar este projeto!
Compartilhar no Twitter Compartilhar no Facebook
Indie123
Comentários
Atualmente não há comentários