Heutzutage wird die Leistung in- und ausländischer Big Models wie DeepSeek immer leistungsfähiger, und die Branche geht allgemein davon aus, dass KI-Anwendungen im Jahr 2025 ein explosives Wachstum verzeichnen werden. Doch selbst mit leistungsstarken Big Models stehen die Unternehmen immer noch vor dem Problem unklarer Anwendungsszenarien und unsicherer Anwendungsformen. Die Frage, wie die Big-Model-Technologie praktisch in Industrieanwendungen umgesetzt und wirklich wertvolle KI-Produkte entwickelt werden können, stand im vergangenen Jahr im Mittelpunkt des Interesses der Branche und ist auch ein Problem, mit dem sich viele Unternehmen weiterhin beschäftigen.

Aufgrund unserer langjährigen Erfahrung mit dem Sitzsack-Modellierungsdienst stellen wir fest, dassvulkanische ArcheKürzlich hat Volcano Ark das "Big Model Application Lab" ins Leben gerufen, dessen Hauptmerkmale "einfach zu integrieren, einfach zu landen, offener" sind. Einfach ausgedrückt, bietet Volcano Ark eine Reihe ausgewählter Anwendungsszenarien für Unternehmen und entwickelt hochwertige KI-Anwendungen als Branchenvorlagen, die in Form von Open Source für Unternehmen bei Bedarf zur Verfügung gestellt werden.

Interaktiver zweisprachiger Videogenerator: ein neues Paradigma für KI-gestützte Bildungsanimation

Als Agentenentwickler wurde unser Team auf eine Anwendung namens "Interactive Bilingual Video Generator" in Volcano Ark aufmerksam und beschloss, sie einzusetzen und zu testen. Wir hoffen, dass wir diese Gelegenheit nutzen können, um das Potenzial der KI-Animation im Bildungsbereich zu erkunden.

Leitfaden für den schnellen Einsatz

Die wichtigsten Schritte werden im Folgenden ausführlich erläutert, um das Verständnis und die Bedienung zu erleichtern.

Zunächst muss das spezifische Code-Repository geklont werden:

# 仓库下载
git clone https://github.com/volcengine/ai-app-lab.git
# 进入对应具体目录
cd demohouse/chat2cartoon

Als nächstes öffnen Sie die .env Datei, um Umgebungsvariablen zu konfigurieren. Sie müssen die Parameter konfigurieren, die sich auf die Modelle für textgenerierte Graphen, Sprachsynthese, Videogenerierung und Videoverständnis beziehen.

# 大模型接入点ID，用于脚本创作、分镜、角色  https://console.volcengine.com/ark/region:ark+cn-beijing/openManagement?LLM=%7B%7D&OpenTokenDrawer=false
LLM_ENDPOINT_ID='ep-xxx'
# 视觉理解大模型接入点ID，用于最终视频影片交互
VLM_ENDPOINT_ID='ep-2025xxx'
# 火山引擎TOS储存桶名，用于存储模型产物 https://console.volcengine.com/tos/bucket/
TOS_BUCKET='chat2'
# 语音技术API Access Key https://console.volcengine.com/speech/service/
TTS_ACCESS_KEY='7naxxx'
# 语音技术API Resource ID https://console.volcengine.com/speech/service/
TTS_API_RESOURCE_ID='volc.service_type.10029'
# 语音技术App Key https://console.volcengine.com/speech/service/
TTS_APP_KEY='113xxx'
# 生视频大模型接入点ID（暂时只支持Doubao-视频生成模型）
CGT_ENDPOINT_ID='ep-20250306153842-pg2b4'
# 火山方舟API Key，用于方舟模型接入点推理时做鉴权 https://console.volcengine.com/ark/region:ark+cn-beijing/apiKey
ARK_API_KEY='99831b24-55xxxx'
# 火山引擎账号Access Key，用于访问TOS API，上传模型产物  https://console.volcengine.com/iam/keymanage/
VOLC_ACCESSKEY='AKLTYxxxx'
# 火山引擎账号Secret Key，用于访问TOS API，上传模型产物 https://console.volcengine.com/iam/keymanage/
VOLC_SECRETKEY='Tmprexxxx'

Öffnung und Konfiguration des Volcano Ark-Dienstes

Zunächst müssen Sie die entsprechenden Dienste von Volcano Ark öffnen (alle Arten von KI-Modellen werden auf dieser Plattform angeboten). Nachdem Sie sich bei Volcano Ark angemeldet haben, klicken Sie auf "Open Management" in der unteren linken Ecke der Seite und öffnen Sie den Dienst für das große Sprachmodell bzw. das visuelle große Modell.

Nachdem Sie den Modelldienst geöffnet haben, müssen Sie den Zugangspunkt erstellen, der das eigentliche Modell darstellt, das verwendet werden soll. Klicken Sie auf der linken Seite auf "Online Reasoning" und dann auf "Custom Reasoning Access Point", um einen Inferenzzugriffspunkt zu erstellen.

Füllen Sie die Informationen entsprechend den Aufforderungen auf der Seite aus, fügen Sie das gewünschte Modell hinzu und bestätigen Sie den Zugriff.

Nach erfolgreicher Erstellung kopieren Sie die Zugangspunkt-ID.

Die Auswahl der einzelnen Modelle kann je nach den tatsächlichen Bedürfnissen und Vorlieben angepasst werden. In diesem Test haben wir die folgenden Modelle ausgewählt:

1. LLM_ENDPOINT_ID Option Doubao-1.5-pro-32k
2. VLM_ENDPOINT_ID Option Doubao-vision-pro-32k
3. CGT_ENDPOINT_ID Option Doubao-视频生成-Seaweed

Um den API-Schlüssel für diese Modelle zu erhalten (d. h. ARK_API_KEYWenn Sie einen neuen API-Schlüssel erstellen möchten, können Sie ihn in der linken unteren Ecke der Seite verwalten. Wenn Sie einen neuen API-Schlüssel erstellen müssen, können Sie ihn in der linken unteren Ecke der Seite verwalten.

TOS Storage Bucket Konfiguration

Klicken Sie in den erstellten TOS-Storage-Bucket, um den domänenübergreifenden Zugriff zu konfigurieren.

Bitte passen Sie die spezifischen Parameter entsprechend den tatsächlichen Anwendungsszenarien an. Die in diesem Artikel angegebenen Parameterkonfigurationen sind nur Beispiele (bitte seien Sie vorsichtig, wenn Sie die Produktionsumgebung konfigurieren).

Volcano Engine Zugriffskontrolle

Gehen Sie als Nächstes zur Seite Zugriffskontrolle der Vulkan-Engine:

https://console.volcengine.com/iam/keymanage/

Ruft den Zugangsschlüssel und den geheimen Schlüssel der Vulkan-Engine für den Zugriff auf die TOS-API ab.

entsprechend .env in der Datei VOLC_ACCESSKEY im Gesang antworten VOLC_SECRETKEY Parameter.

Objektspeicher-Konfiguration

Die TOS-API wird zum Hochladen von modellgenerierten Dateien verwendet. Gehen Sie zur Seite Objektspeicher:

https://console.volcengine.com/tos

Klicken Sie auf "Bucket List", dann auf "Create Bucket" und geben Sie die entsprechenden Informationen ein, um einen Speicherbereich zu erstellen. In diesem Beispiel lautet der Name des erstellten Buckets chat2Daher ist die .env Papiere TOS_BUCKET Der Parameter sollte eingestellt werden auf chat2.

Konfiguration der Sprachtechnologie

Schließlich wird der Bereich der Sprachtechnologie konfiguriert. Besuchen Sie die Sprachtechnologie-Plattform Volcano Engine:

https://console.volcengine.com/speech/app

Erstellen Sie eine Anwendung und wählen Sie die Dienste "Large Model Speech Synthesis" und "Streaming Speech Recognition Large Model".

Nach der Erstellung klicken Sie auf ein beliebiges Menü auf der linken Seite, um die APP-ID und das Zugriffstoken unten zu finden.

Laut der offiziellen Dokumentation der Volcano Engine.

TTS_ACCESS_KEY die dem Access Token entspricht.

TTS_APP_KEY Entspricht der APP-ID.

https://www.volcengine.com/docs/6561/1329505

Bis jetzt..env Die Konfiguration der Dateien ist nun abgeschlossen. Als nächstes müssen Sie die Projektabhängigkeiten installieren und das Programm ausführen.

Backend-Betrieb

# 进入后端
cd backend
# 安装 poetry
pip install poetry==1.6.1
# 用 poetry 安装依赖库
poetry install
# 后端启动！
poetry run python index.py

Wenn der Lauf erfolgreich ist, zeigt das Terminal eine Ausgabe ähnlich der folgenden Meldung an.

Frontend-Betrieb

# 进入前端
cd frontend
# 安装 pnpm
npm install -g pnpm@8
# 利用 pnpm 安装依赖包
pnpm install
# 复制环境变量 .env 文件
cp ../.env ./
# 前端启动！
pnpm dev

Wenn der Lauf erfolgreich ist, zeigt das Terminal eine Ausgabe ähnlich der folgenden Meldung an.

Sobald Sie die oben genannten Schritte ausgeführt haben, können Sie in Ihrem Browser folgende Seite aufrufen http://localhost:8080/ Starten Sie mit dem interaktiven zweisprachigen Videogenerator.

Projektarchitektur und Testergebnisse

Die allgemeine Prozessarchitektur des Projekts ist unten dargestellt:

Die Testergebnisse zeigen, dass der "Interaktive zweisprachige Video-Generator" die Benutzer dabei unterstützt, minutenlange Videos mit einem Klick zu generieren, was extrem einfach und effizient zu bedienen ist. Die Benutzer müssen keine komplizierten Parametereinstellungen vornehmen, sondern nur die Anforderungen an das Video eingeben und können schnell lange Videos erstellen, die den Anforderungen entsprechen, was die Effizienz der Erstellung erheblich verbessert.

Die generierten Videos sind von hoher Qualität, mit klaren und flüssigen Grafiken und einer kohärenten und natürlichen Handlung. Darüber hinaus unterstützt die App interaktive Fragen und Antworten mit den Nutzern zu den Videoinhalten.

Anwendung von Open Source: ein wichtiger Schritt, um große Modelle auf den Weg zu bringen

durch (eine Lücke) Coze Die Anwendung der Plattform als Vorlage für den Start des Volcano Ark AI Application Open Source Lab stellt nicht nur die Erweiterung der Lösung von Low-Code zu High-Code dar, sondern markiert auch die Entwicklung des Anwendungsszenarios von der Allgemeinheit zur tiefgreifenden Anpassung.

In der Welle der Anwendung großer Modelltechnologien geht die strategische Bedeutung der Open-Source-Anwendung sogar über das Open-Source-Modell selbst hinaus. Es stimmt, dass ein leistungsfähiges Modell der Motor der KI-Anwendung ist, aber wie man die Modellfähigkeit effizient in tatsächliche Geschäftsszenarien integriert, ist der Schlüssel zur Förderung der Landung der KI-Anwendung und letztlich zur Verbesserung der Geschäftsfähigkeit.

Das Volcano Engine Open Source AI Lab bietet quelloffene High-Code-SDKs und Prototyp-KI-Anwendungen, die genau den "letzten Kilometer" für die Landung von KI-Anwendungen ausfüllen. Open-Source-KI-Anwendungen bieten eine schnelle Start-up-Lösung für Unternehmen.

Obwohl viele Unternehmen das enorme Potenzial von Big Models erkannt haben und wissen, wie sie diese theoretisch auf ihre Geschäftsszenarien anwenden können, stoßen sie in der Praxis immer noch auf viele Hindernisse. Das Aufkommen von Open-Source-KI-Prototypanwendungen ermöglicht es Unternehmensentwicklern, schnell zu lernen und KI-Anwendungen zu erstellen und zu erweitern, die ihren geschäftlichen Anforderungen entsprechen, ohne bei Null anfangen zu müssen, um den komplexen Prozess des Andockens von Modellen und der Anwendungsentwicklung zu verstehen, wodurch sich die Kosten für Versuch und Irrtum, Zeit und Personal erheblich verringern.

Für die Mehrheit der KI-Technologie-Enthusiasten und Entwickler, wenn sie zum ersten Mal auf dem Gebiet der KI-Anwendungsentwicklung beteiligt sind, kommen sie oft in Kontakt mit hoch gekapselten Frameworks mit einem hohen Grad an Abstraktion, wie LangChain. LangChain-Framework kann bei geschickter Beherrschung zwar die Entwicklungseffizienz deutlich verbessern, aber seine große Anzahl an syntaktischem Zucker und abstrakten Konzepten bringt auch für den Anfänger eine höhere Lernschwelle mit sich. Im Gegensatz dazu ist Arkitect, das Python-SDK von Volcano Engine, leichter zu erlernen, und seine Werkzeugkette und der Entwicklungsprozess sind intuitiver. Darüber hinaus bietet die offizielle Demo auch ein detailliertes technisches Architekturdiagramm und Implementierungsdetails, was für Entwickler ein tiefes Verständnis erleichtert.

Die Einführung des Volcano Ark AI Application Lab bietet Unternehmen und Entwicklern zweifellos eine leistungsstarke Plattform zur Entwicklung von KI-Anwendungen. Besonders lobenswert ist, dass die Open-Source-Strategie von Volcano Ark die Schwelle für die Entwicklung von KI-Anwendungen gesenkt und die Einführung der Big-Model-Technologie in verschiedenen Branchen beschleunigt hat. Mit dem Aufkommen von mehr Open-Source-Anwendungen haben wir Grund zu der Annahme, dass die KI-Technologie wirklich in Tausende von Branchen integriert werden und ein größeres Potenzial freisetzen wird.