Χτίζοντας AI χαρακτήρες : σύγκριση εργαλείων, prompting και αυτοματοποίηση διαδικασίας
Loading...
Date
2026-07-03
Authors
Μαζαράκη, Άννα Τζίλντα
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Η ραγδαία εξέλιξη των εργαλείων παραγωγικής τεχνητής νοημοσύνης έχει δημιουργήσει νέες δυνατότητες για τη δημιουργία ψηφιακών χαρακτήρων, εικονικών προσώπων και πολυτροπικών AI personas. Ωστόσο, η παραγωγή μιας συνεπούς και αναγνωρίσιμης persona σε διαφορετικά μέσα, όπως εικόνα, επεξεργασία εικόνας, φωνή και video, παραμένει μια σύνθετη διαδικασία. Η παρούσα διπλωματική εργασία εξετάζει κατά πόσο σύγχρονα generative AI εργαλεία μπορούν να χρησιμοποιηθούν συνδυαστικά για τη δημιουργία μιας σταθερής AI persona, διατηρώντας την οπτική, φωνητική και πολυτροπική της ταυτότητα.
Στο πλαίσιο της εργασίας πραγματοποιήθηκε πειραματική αξιολόγηση εργαλείων για image generation, image editing, voice generation και image-to-video παραγωγή. Συγκεκριμένα, εξετάστηκαν εργαλεία όπως Affogato, ChatGPT/DALL-E, Photoshop AI, ElevenLabs, Google Gemini/Veo, PixVerse, Pika και άλλα, με στόχο να αξιολογηθεί η απόδοσή τους ως προς τη συνέπεια χαρακτήρα, τον φωτορεαλισμό, την πιστότητα στο prompt, τον βαθμό ελέγχου, τη φυσικότητα φωνής, το lip-sync και τη φυσικότητα κίνησης. Για την αξιολόγηση των αποτελεσμάτων χρησιμοποιήθηκε ποιοτική κλίμακα βαθμολόγησης 1–5, βασισμένη σε προκαθορισμένα metrics ανά κατηγορία εργαλείων.
Τα αποτελέσματα έδειξαν ότι κανένα εργαλείο δεν υπερέχει σε όλα τα στάδια της διαδικασίας. Αντίθετα, η πιο αποτελεσματική προσέγγιση προκύπτει από τη συνδυαστική χρήση εργαλείων, ανάλογα με τα πλεονεκτήματα κάθε πλατφόρμας. Με βάση τα πειραματικά ευρήματα, προτείνεται ένα τελικό workflow στο οποίο το Affogato χρησιμοποιείται για τη δημιουργία και σταθεροποίηση του βασικού χαρακτήρα, το ChatGPT/DALL-E για τη βελτίωση της εικόνας και την παραγωγή ρεαλιστικών σεναρίων, το Photoshop AI για local editing και τελικές διορθώσεις, το ElevenLabs για τη φωνητική ταυτότητα και τα Google Gemini/Veo, PixVerse ή Pika για video παραγωγή.
Συμπερασματικά, η εργασία αναδεικνύει ότι η δημιουργία μιας ολοκληρωμένης AI persona απαιτεί όχι μόνο παραγωγή περιεχομένου, αλλά και συστηματικό έλεγχο συνέπειας, ανθρώπινη αξιολόγηση και επαναληπτική βελτίωση. Η προτεινόμενη διαδικασία μπορεί να αποτελέσει πρακτικό οδηγό για τη δημιουργία συνεπών ψηφιακών χαρακτήρων με χρήση σύγχρονων multimodal generative AI εργαλείων.
Description
Keywords
Περσόνα τεχνητής νοημοσύνης, Πολυτροπική τεχνητή νοημοσύνη, Δημιουργία εικόνων, Επεξεργασία εικόνων, Δημιουργία φωνής, Μετατροπή εικόνας σε βίντεο, Συγχρονισμός χειλιών, Συνέπεια χαρακτήρα, Μηχανική προτροπών