Žinutės

Ačiū visiems už puikų pasiūlymą dėl kirčiavimo ir speech-to-text įrankių integravimo – šis sprendimas labai padėjo! Tai buvo vienintelė problema automatizuojant animacijos(personažo) kelimą į soc tinklus. Jis veikia kaip antros krypties reklaminis įrankis. Tam pačiam produktui. Būtent audio buvo silpniausia vietą ir be mano įsikišimo "konvejeris" tiesiog neveiktu. Ypač jei 3sec "kablio" intonacija susivelia, visas video eina velniop. Analitika skaudi. Dar daug kur tobulint, bet jau +- galima nebijot, kad audio bus kritinių klaidų. Tačiau dar 10 video leisiu tik po mano "taip" iš crm. LT kalba yra sunku net Native padaryt...palygint kaip su tuo tvarkosi visa "sistema", testavimo "vartai" 4 skirtingu AI nuomonės pagal 10 balų skalę...(kuri 8.2 )tas sweet spot, kai skirtingi modeliai "praleidžia" netobulindami 50 kartų..ir perleidžia galutiniam grieščiausiui 5am vertintojui. Apibendrinat stebiuosi kaip gerai susitvatko. O jei jis "approvina"..keliauja į valdymo skyda ir lieka tik mano "taip". Kol kas...Su EN būtų lengviau. Dabar sukoduotas audio vertinimas atskirai nuo "vartų".Tai vis dar silpniausia grandis. Bet jūsų patarimai padėjo. Nesitikėjau, kad ši grupė tokio aukšto lygio. Sekmės visiems. Atsiprašau už klaidas. Norėjau kelių sakinių gavosi ilgas tekstas. Tikiuos suprasit ką parašiau :)

veiki visi! Gal kas turite minčių ar veikiančių sprendimų, kaip suteikti AI agentui (ar coding assistantams, pvz., Claude Code / kitoms aplinkoms) galimybę išgirsti balso intonaciją?
Esmė: kuriu personažo balsą per ElevenLabs. Noriu, kad AI galėtų realiai išgirsti mano balso pavyzdį (arba kaip aš pakeliu intonaciją, kokį skambesį noriu pasiekti), nes dabar jis „mato“ tik tekstą ir neturi jokio konteksto iš to, kaip tai turėtų skambėti emociškai. Nesuprantu, kaip jis pats iš savęs išvis taip neblogai pagauna lietuvišką intonaciją (būtų apie 8/10), bet noriu pasiekti tobulą rezultatą. Net naudojant ne LT balso biblioteka. (kuri skurdoka)
Ar tam reikia kokio nors MCP (Model Context Protocol) serverio su audio įvestimi, spec. API integracijos, ar egzistuoja kiti workflow būdai, leidžiantys paduoti audio failą / tiesiogiai įtraukti balsą į kontekstą, kad agentas suprastų norimą intonaciją? Būsiu dėkingas už idėjas!