AI වීඩියෝ උපකරණවල තාක්ෂණය ඉක්මනින් වෙනස් වන අතර, එක මොඩලයකට හොඳින් වැඩ කරන ප්රොම්ප්ට් එකක් වෙනත් මොඩලයකට අසමත් විය හැකිය. ඒ නිසා, නිර්මාණකරුගේ සෘජු අදහස පළමුව සටහන් කර, පසුදා ඒ අදහස තෝරාගත් ජෙනරේටරයට අනුකූලව පරිවර්තනය කිරීම වඩාත් තිරසාර වේ.
මෙම ලිපියෙහි පවසන්නේ, වීඩියෝ ශොට් එකක් දිගු ස්වභාවික වාක්යයක් ලෙස නොදෙමින්, structured fields ලෙස සකස් කිරීමයි. උදාහරණයක් ලෙස, කාලය, අනුපාතය, විෂය, පරිසරය, කම්පෝසීෂන්, කැමරාව, ක්රියා, ආලෝකය, අවසාන තත්ත්වය යනාදිය වැනි තොරතුරු JSON වර්ගයකින් සටහන් කරයි. මෙය ප්රොම්ප්ට් නොව intermediate representation එකක් වන අතර, එයින් ලැබෙන ප්රයෝජන වන්නේ අස්ථිරතා හඳුනා ගැනීමට, විවිධ මොඩල වලට එකම විස්තරයක් යොදා ගැනීමට, සහ සංශෝධන කාර්යය සරල කර ගැනීමටය.
දත්ත සෙට් එකේ Invariants (අවශ්ය අංග) සහ Preferences (ආකර්ෂණීය අංග) ලෙස වර්ගීකරණය කරයි. Invariants අතර විෂය, ක්රියා අනුක්රම, කැමරා දිශාව, කාලය, අවසාන තත්ත්වය යනාදිය ඇතුළත් වේ. Preferences වලට වර්ණ මෝඩ, ෆිල්ම් ග්රේන්, ඛණ්ඩාංකික පසුබැසි වස්තු වැනි අංග අයත් වේ. නිර්මාණය අසාර්ථක වුනොත්, invariants පළමුව රැකගත යුතුය.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තාක්ෂණික සිසුන්, සංවර්ධකයින්, හා ව්යාපාරිකයන්ට මෙම මොඩල-අග්නෝස්ටික් ප්රොම්ප්ට් සැලසුම විශාල වාසියක් ගෙන එයි. පළමුව නිර්මාණ අදහස පැහැදිලිව ලියීමෙන්, කේත ලේඛනයේ වැරදි අඩු කර ගත හැකිය. දෙවනුව, එකම විස්තරය භාවිතා කර විවිධ AI මොඩල වලට පරිවර්තනය කළ හැකි නිසා, පිරිවැය හා කාලය ඉතිරි වේ. තවද, සත්ය පරීක්ෂණය (validation) පියවර එකතු කිරීමෙන්, අසාර්ථක රන්ඩරින් වලින් වැළැක්වීමට සහ නිමාවට ගොස් පළ කරන අන්තර්ගතයේ ගුණාත්මකභාවය තහවුරු කිරීමට හැකි වේ.
දෙවනුව, ශ්රී ලංකාවේ ස්ථානීය සමාජ මාධ්ය, විද්යාල, සහ තාක්ෂණික පුහුණු මධ්යස්ථානවලට AI වීඩියෝ නිර්මාණය පහසු කර, අන්තර්ජාල අන්තර්ගතයේ ගුණාත්මකතාවය වැඩි කර, නව නිර්මාණශීලී ව්යාපාර ආරම්භ කිරීමට පදනමක් සපයයි.
සාරාංශයෙන්, මෙම නව පදනම AI වීඩියෝ නිර්මාණයේ ස්ථාවරත්වය, පිරිවැය පාලනය, සහ නිර්මාණකරුගේ අදහස නිරවද්යව ප්රකාශ කිරීමේ හැකියාව වැඩි කරයි. එම නිසා, ලංකාවේ තාක්ෂණික ක්ෂේත්රය ඉදිරියට ගමන් කරන විට මෙය අත්යවශ්ය මෙවලමක් බවට පත්වේ.
