المسار الأول أكثر أمانًا للطائر الصغير للذهاب حيث أنه يتجنب القط. يؤدي المسار الثاني مباشرة إلى القط، مما قد يكون خطيرًا على الطائر. لذلك، يجب على الطائر أن يأخذ المسار الأول لتجنب التهديد المحتمل للقط.

الشكل التالي في التسلسل يجب أن يكون سداسيًا.

إذا كنت ترغب في التعرف على الذكاء الاصطناعي، فإن كتاب "الموجة القادمة" لـ Mustafa Suleyman سيكون الخيار الأكثر ملاءمة. يبدو أنه يركز على مستقبل الذكاء الاصطناعي وتداعياته، وهو ما سيكون ذا صلة باهتماماتك في الذكاء الاصطناعي.

لإعادة بناء عرض Gemini باستخدام GPT-4V و Whisper وطرق تحويل النص إلى كلام، سنتبع هذه الخطوات:

1. إعداد مشروع Next.js: سنقوم بإنشاء مشروع Next.js جديد مع TypeScript والتبعيات الضرورية، بما في ذلك Vercel AI SDK و OpenAI SDK وأدوات المرافق المختلفة.

2. تنفيذ تسجيل الفيديو والصوت: سنقوم بإعداد وظيفة تسجيل الفيديو والصوت باستخدام واجهة برمجة التطبيقات MediaRecorder ومكتبة CUSilenceAwareRecorder لاكتشاف توقف المستخدم عن التحدث.

3. إنشاء شبكة الصور: سنقوم بالتقاط لقطات شاشة من تغذية الفيديو في فواصل زمنية منتظمة وتجميعها في شبكة صور باستخدام مكتبة merge-images. سنقوم أيضًا بتحميل شبكة الصور إلى خدمة استضافة صور مجانية مثل Temp.files.

4. نسخ الصوت باستخدام Whisper: عندما يتوقف المستخدم عن التحدث، سنقوم بإرسال الصوت المسجل إلى واجهة برمجة تطبيقات Whisper للحصول على نص محرر.

5. التكامل مع GPT-4V: سنقوم بإنشاء معالج طلب في مجلد API Next.js لمعالجة الطلبات من العميل. سيقوم هذا المعالج بإرسال شبكة الصور والنص المحرر إلى نموذج GPT-4V وبث الاستجابة مرة أخرى إلى العميل.

6. تنفيذ تحويل النص إلى كلام: سنقوم بإنشاء معالج طلب آخر لإرسال الاستجابة المولدة من GPT-4V إلى نموذج تحويل النص إلى كلام من OpenAI وتشغيل الصوت للمستخدم.

7. تحسين تجربة المستخدم: سنقوم بإضافة عناصر واجهة المستخدم للسماح للمستخدم بإدخال مفتاح واجهة برمجة التطبيقات OpenAI وتحديد اللغة، بالإضافة إلى عرض الاستجابة المولدة وتشغيل الصوت.

من خلال اتباع هذه الخطوات، ستتمكن من إعادة إنشاء عرض شبيه بـ Gemini باستخدام أحدث نماذج اللغة الكبيرة وتقنيات الذكاء الاصطناعي الأخرى. ستسمح التطبيق الناتج للمستخدمين بالتفاعل مع مساعد ذكاء اصطناعي باستخدام كل من المدخلات المرئية والصوتية، والحصول على استجابات في شكل نص وصوت.