प्रोजेक्ट का सार

यह ट्यूटोरियल सिखाता है कि बाइटडांस के स्वामित्व वाले Coze (कौज़ी) AI Bot डेवलपमेंट प्लेटफॉर्म का उपयोग करके शून्य से एक AI वर्कफ़्लो कैसे बनाया जाए जो स्वचालित रूप से 'व्यक्ति का स्वचालित कपड़े बदलने वाला कपड़ों का प्रदर्शन वीडियो' उत्पन्न कर सके। उपयोगकर्ता को केवल कपड़ों की तस्वीरें अपलोड करनी होती हैं, और वर्कफ़्लो स्वचालित रूप से कॉपी जनरेशन और वीडियो रेंडरिंग की पूरी प्रक्रिया पूरी करता है, जिससे पूरी तरह से स्वचालित उत्पाद प्रचार वीडियो उत्पादन संभव हो जाता है।

मुख्य विधि और प्रक्रिया

• वर्कफ़्लो का मुख्य तर्क डिज़ाइन:वर्कफ़्लो तीन मुख्य चरणों में विभाजित है: कपड़ों की तस्वीरें और पैरामीटर इनपुट करें → बड़े मॉडल का उपयोग करके वीडियो प्रॉम्प्ट जनरेट करें → वीडियो जनरेशन प्लगइन को कॉल करके वीडियो बनाएं और वापस करें।
• प्रारंभ नोड पैरामीटर सेटिंग:प्रारंभ नोड में चार आवश्यक वेरिएबल बनाएं: कपड़ों की तस्वीरों की सरणी (कई अपलोड का समर्थन करता है), वीडियो की अवधि (4-15 सेकंड), Mihe API Key, मॉडल प्रकार (जैसे एशियाई/यूरोपीय अमेरिकी मॉडल)।
• बड़े मॉडल द्वारा प्रॉम्प्ट जनरेशन:एक बड़ा मॉडल नोड जोड़ें (डौबाओ, झिपू, DeepSeek आदि का समर्थन करता है), प्रारंभ नोड के पैरामीटर का संदर्भ लें, और सावधानीपूर्वक डिज़ाइन किए गए सिस्टम प्रॉम्प्ट के माध्यम से AI को मॉडल, अवधि और कपड़ों की तस्वीरों के आधार पर संरचित वीडियो विवरण प्रॉम्प्ट स्वचालित रूप से उत्पन्न करने दें।
• वीडियो जनरेशन और पोलिंग तर्क:Mihe प्लगइन में 'mvideo' तेज़ संस्करण या धीमे संस्करण को कॉल करके वीडियो जनरेट करें, और लूप नोड और Mihe टाइमर प्लगइन का उपयोग करके स्वचालित पोलिंग लागू करें, जब तक वीडियो जनरेशन पूरा न हो जाए, अंत में कोड प्लगइन के माध्यम से खाली मानों को फ़िल्टर करें और केवल अंतिम वीडियो लिंक आउटपुट करें।

आय मॉडल और उल्लिखित प्रभाव

ट्यूटोरियल का मुख्य मूल्य AI तकनीक के माध्यम से वीडियो निर्माण लागत और समय को बहुत कम करना है। वर्कफ़्लो घरेलू और विदेशी सभी प्लेटफार्मों पर सामान्य रूप से समर्थित है, उत्पन्न उच्च-गुणवत्ता वाले कपड़े बदलने वाले लाइव-स्ट्रीमिंग वीडियो फैशन ब्लॉगर्स और ई-कॉमर्स विक्रेताओं के लिए बहुत उपयुक्त हैं। ट्यूटोरियल स्वयं मीहे AI क्लब के ग्राहक अधिग्रहण का साधन है, इसके समुदाय में 20,000 से अधिक भुगतान सदस्य हैं, छात्र सीखकर मुख्य कौशल में महारत हासिल कर सकते हैं और इसे ई-कॉमर्स लाइव-स्ट्रीमिंग, स्व-मीडिया के व्यावसायिक मुद्रीकरण में लागू कर सकते हैं। वर्कफ़्लो सेटअप के बाद, दोहराए जाने वाले रचनात्मक निर्माण प्रक्रिया को स्वचालित किया जा सकता है, जिससे बैच उत्पादन संभव हो जाता है।

शर्तें और तैयारी

• उपकरण:एक इंटरनेट से जुड़ा कंप्यूटर, Coze की आधिकारिक वेबसाइट करने और वर्कफ़्लो सेटअप करने के लिए।
• कौशल:ट्यूटोरियल के चरणों का पालन करें, नौसिखिए भी सीख सकते हैं। प्रोग्रामिंग का ज्ञान आवश्यक नहीं है, लेकिन बुनियादी तार्किक समझ और कॉपी-पेस्ट करने की क्षमता होनी चाहिए।
• धन:Coze प्लेटफॉर्म स्वयं मुफ्त है। वीडियो जनरेशन Mihe प्लगइन के API पर निर्भर करता है, Mihe API Key प्राप्त करना आवश्यक है (ट्यूटोरियल लेखक प्राप्त करने का तरीका प्रदान करता है), API का उपयोग करने पर कुछ कंप्यूटिंग शक्ति खपत शुल्क लगेगा (तेज़ संस्करण और धीमे संस्करण विकल्प उपलब्ध हैं, जो अलग-अलग खपत के अनुरूप हैं)।
• उपकरण:बाइटडांस Coze प्लेटफॉर्म, Mihe AI प्लगइन (जिसमें वीडियो जनरेशन और सहायक उपकरण शामिल हैं), प्रदर्शित करने के लिए आवश्यक कपड़ों की तस्वीरें तैयार करें।

मुख्य चरणों का सारांश

1. Coze बैकएंड में एक नया वर्कफ़्लो बनाएं, और प्रारंभ नोड में 'कपड़ों की तस्वीरें (सरणी)', 'वीडियो की अवधि (पूर्णांक)', 'Mihe Key', 'मॉडल प्रकार' चार वेरिएबल सेट करें।
2. एक बड़ा मॉडल नोड जोड़ें (जैसे डोबाओ 2.0), सिस्टम प्रॉम्प्ट में मॉडल की उपस्थिति, दृश्य और एक्शन शैली सेट करें, यूज़र प्रॉम्प्ट में स्टार्ट नोड के वेरिएबल का संदर्भ दें, और संरचित वीडियो प्रॉम्प्ट जनरेट करें।
3. Mihe प्लगइन का "mvideo" वीडियो जनरेशन नोड जोड़ें, API Key कॉन्फ़िगर करें, बड़े मॉडल द्वारा जनरेट किए गए प्रॉम्प्ट का संदर्भ दें, स्टार्ट नोड की वीडियो अवधि और कपड़ों की छवि का संदर्भ दें, वीडियो अनुपात (जैसे 9:16) और संदर्भ मोड चुनें।
4. वीडियो जनरेशन की प्रतीक्षा करने के लिए, एक अनंत लूप नोड जोड़ें, लूप बॉडी के अंदर Mihe टास्क क्वेरी प्लगइन के माध्यम से वीडियो स्थिति की जांच करें, यदि पूरा नहीं हुआ है तो टाइमर के माध्यम से 60 सेकंड प्रतीक्षा करें और लूप जारी रखें, यदि पूरा हो गया है तो लूप से बाहर निकलें।
5. लूप समाप्त होने के बाद, Mihe सामान्य कोड प्लगइन जोड़ें, क्वेरी प्रक्रिया में उत्पन्न खाली डेटा को फ़िल्टर करें, और अंत में एकमात्र वीडियो लिंक को अंत नोड पर आउटपुट करें।