经常在 DLsite 上贩售商品的同学都知道，上架商品是一件相当繁琐的工作。 具体的工作如下： * 打包商品本体 * 准备复数枚 2MB 以内的商品介绍图，以及解析度 1000x1000 以内的 chobit 作品缩图 * 商品登记 * 准备样品、体验版 这些工作虽然每项都不复杂，但做起来却特别繁琐，特别是对於没有日常整理资料习惯的 人而言更是如此。本人就是一个很好的例子，我某个作品的工作目录： https://i.meee.com.tw/LcSTPYy.png 有时就连我自己都会忘记资料放在哪里。 此外，DLsite 必须要对作品中的香肠进行打码： https://i.meee.com.tw/LaQgfs4.png 各位平常购买的作品，其实我们社团都有无码版本的，我们其实比任何人都懒得打码，无 奈日本法规就是这麽规定的。 那麽，是否有办法透过 AI 大幅使流程自动化呢？有的，有的。 【准备影像素材】 DLsite 由於对云端容量锱铢必较，商品有着严格的尺寸与大小限制，同时针对 DLsite 与 Chobit 两个虽然联动但不同的服务，也有不同的标准。 这个步骤实际上是最适合透过程式自动处理的流程，因为它的逻辑很简单：「将用户指定 的图档缩小到指定尺寸。」但为了保留弹性，例如有时我们可能需要在其他平台宣传，或 者我们希望先释出模糊的图片增加神秘感，又或者隐藏特典时，我们就需要不同的参数。 我们只要告诉 AI：「请你帮我写一个 Python 脚本，能够接收输入图档、输出路径以及 config 档案作为参数，并会依照 config 参数输出指定尺寸的 JPG 影像。」这类工作 AI 往往能一步到位，因为是常见的场景。 除了影像尺寸，DLsite 还有对香肠的严格限制。显然我们不能够透过 AI 生成打码图， AI 生成像素的机制反而可能触发 AI 侦测，引来客户的质疑。打码这件事，其实也是能 够透过演算法固定流程的。 我们需要将流程区分为两个步骤： 1. 哪些范围的像素属於需要打码的 2. 针对指定范围的像素进行打码 困难点明显是步骤 1，所幸现在已经有许多优秀的模型，能够自动对影像进行分割。由於 一般商品的影像大小都是高解析度，高解析度会浪费记忆体与处理时间，并不会对分割产 生多大助益。我们可以提示 AI，在将影像喂入模型前先将影像缩小，再将范围透过线性 转换对应回原图。如此一来，我们就能够找到图中的鲍鱼跟香肠进行打码。 【打包商品本体】 首先，我们必须要先准备一个商品目录作为样品，告诉 AI：「请你参考这个目录的结构 ，以後作品就按照这样的目录结构安排。」 这个在提示词工程中我们称为 one-shot，也就是单一样本。但我们的目标不是每次都指 定一个样本请 AI 照做，而是「让 AI 从这个样本自己通灵规则，并让它自己撰写 Agent 与 Skill」。 同时，我们必须告诉 AI 我们的需求与可能的状况，例如： * 必须采用复制而非移动的方式准备目录（保留母带） * 部分作品可能有其他格式的档案，需一并考虑 * 尽可能探索工作目录，并区别成品与编辑中的过渡品 * 正式打包商品前，必须列出路径对照清单供用户确认後才执行 当商品成功打包後，我们上个步骤中准备的影像处理器就派上用场。我们只要告诉 AI 将 商品目录中的影像作为输入，就能取得登录商品用的影像。 【准备样品、体验版】 同人音声必须提供剪辑後的版本作为样品，提供客户参考。这也是工作量较大的一块。从 创作者的角度，会怎麽挑选样品片段呢？ 1. 能够让听众迅速掌握故事大纲 2. 听起来让人特别硬的片段 3. 避免暴雷，将最高潮作为悬念排除 为此，我们需要做的事是让 AI 知道有哪些台词，以及这些台词分别位於音档中的哪个时 间区段。 这件事情其实中国的盗版者特别擅长。中国的盗版者能够透过 AI 自动产生有字幕翻译 的 MP4，靠的其实就是 AI 自动上字幕的能力。但 AI 往往会听错，尤其是 R18 作品（ 虽然有特别为了 ACG 训练出的模型，但仍不能十全十美）。 我们作为社团的优势是有原始台本，因此，我们可以先让 AI 用 Whisper 进行逐句的字 幕与时间段标注。这时就算 Whisper 得出的句子是错的，也无所谓。 第二步是让 AI 以台本为 golden standard，对 Whisper 抄写出的句子进行纠正，同时 AI 也能够根据用户的准则与要求，挑选出特别有吸引力的片段。 我们的 Skill 指定 AI 以 structured output（结构化输出）为产物。当 AI 整理出需 要裁切的片段，我们就能够透过 Python 脚本产生出 WAV 档与 MP4。 当 Skill 与 Agent 模板完成後，我们只要告诉 AI：「我需要你从该目录中的各个 track 各自挑选五个片段，组成五分钟的 sample。」AI 就能够自动完成所有的工作。 【商品登记】 大家平常在网路最懒得做的事情，估计就是填表格了。DLsite 要登录商品时，也有许多 表格需要填，这些资料都服务於後台，以确保作品正确的分流与上架时间。 那麽，有什麽方法可以最大限度地自动完成这个步骤呢？ 我们同样要先区分登记商品的步骤： 1. 准备各栏位的资料 2. 进行资料填写 我们不可能每次都让 AI 透过 CDP 去操作 Chrome 进行资料填写，又一边查阅作品的资 讯。这当中，最能够程式自动化的是步骤 2，也就是资料填写。 我们只需要开发一个 Chrome Extension，只要接收到用户上传的表格资料，Extension 就能够为我们操作网页，自动将资料填入。我们选择 JSON 作为格式。 首先，我们先让 AI 以 CDP 操作 Chrome，实际地去操作 DLsite 的作品登录页面，让它 检查哪些栏位是必要的、哪些栏位提供哪些选项。选择 JSON 的其中一个优点是，我们可 以定义 JSON Schema，确保 Extension 能够对 JSON 进行验证，AI 也知道该如何填写 JSON。genres 就是一个很好的例子。 https://i.meee.com.tw/a4AFyYf.png 当我们开发完 Extension 以及定义完 Schema 後，步骤 1 的难题也攻克了。我们只要告 诉 AI 去阅读 JSON Schema 以及调查商品目录，AI 就能够根据商品内容挑选出合适的 genres，以及填写作品各 track 的时长与统计。我们最後只要将 AI 生成的 JSON 丢到 Extension 上，就能够自动填写 87% 的栏位。 总结 多模态大模型与相应的 AI 软体能够理解、操作电脑中的文件，只要透过制定流程与标准 ，就能够大幅度简化手动操作。我们唯一的风险其实是模型厂商的伦理限制，例如：JK、 酪梨等内容。 AI 落地，不光是工程师写写程式码，也能应用到日常的文书，甚至是多媒体工作。当然 ，拥有工程师背景，能够知道 AI 的长短处以及具体的技术细节，都能够大幅提升自动化 流程的表现。 从上述的例子，我们可以将 AI 工作流的制定总结为一句话：「判断哪些程序适合 LLM 裁决、哪些程序适合标准化的程式 IO。」 换言之，AI 工作流并非将所有的工作都丢给大模型。我们可以利用 AI 为那些固定、标 准化的流程撰写脚本；而那些难以标准化、过去需要人为判断且具有模糊空间的任务，则 可以交给 AI。 在此抛砖引玉，希望能给各位日常生活、工作流程带来一点启发。 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 36.230.23.222 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/C_Chat/M.1788319714.A.254.html ※ FAtelier:转录至看板 AI 09/02 11:29 ※ FAtelier:转录至看板 AI_Art 09/02 11:31