ما هو D-ID؟
D-ID عبارة عن نظام أساسي للفيديو الرمزي والوكيل المرئي متاح من خلال استوديو المتصفح وتطبيقات الهاتف المحمول وعمليات التكامل وواجهات برمجة التطبيقات ومجموعات تطوير البرامج (SDK). يمكنه تحريك صورة من نص أو صوت، وإنشاء فيديو باستخدام مخزون أو مقدمين شخصيين، وترجمة اللقطات الموجودة باستخدام مزامنة الشفاه واستنساخ الصوت، وإنشاء صور رمزية تفاعلية مدعومة بماجستير في القانون وقاعدة معرفية.
يتضمن نطاقها الفني الحالي الصور الرمزية للصور V2، ومخزون V3 والصور الرمزية للفيديو الفوري، والصور الرمزية التعبيرية V4، وأكثر من 30 لغة إخراج ترجمة، وأصوات من العديد من مقدمي الخدمة، وتكاملات Canva وPowerPoint، والتضمينات الأمامية. يمكن للوكيل المباشر الاستماع من خلال الميكروفون، واسترجاع المعرفة التنظيمية، والتحدث مع الصورة الرمزية عبر WebRTC أو LiveKit، وتصدير المحادثات للتحليل.
تحتوي هذه الأسطح على تدفقات بيانات مختلفة. يجب ألا يشترك مقطع الفيديو التدريبي أحادي الاتجاه، والصورة الرمزية الشخصية المستمرة، والصوت المستنسخ، والمقابلة المترجمة، والوكيل الذي يتعامل دائمًا مع العملاء في موافقة عامة واحدة.
جودة الصورة الرمزية والترجمة وسلامة الوكيل
تعتمد جودة الصورة الرمزية الناطقة على الوجه المصدر، والدقة، والوضعية، والاقتصاص، والحركة، والصوت، والنطق، واللغة، وأسلوب الهدف. يمكن أن تبدو مزامنة الشفاه والتعبير مقنعة بينما لا تزال تشعر بأنها غير طبيعية. تحقق من تحف الوجه وحركة العين والفم واليدين وعلامات العلامة التجارية والتوقيت والنطق ودقة الترجمة وما إذا كان الأداء يغير العاطفة المقصودة للمتحدث.
تتقاضى خدمة ترجمة الفيديو رسومًا لكل لغة إخراج ويمكنها استنساخ الصوت المصدر. تدقيق الأسماء والأرقام والادعاءات والمصطلحات المنظمة والتكريمات والعبارات الثقافية قبل الأجيال. تحدد المقارنة الحالية مقاطع الفيديو المترجمة للخدمة الذاتية بخمس دقائق خارج النسخة التجريبية، بينما يدعم Enterprise ما يصل إلى 30 دقيقة. تدرج Enterprise فقط التدقيق اللغوي كميزة مجمعة، لذلك يحتاج المشترون الآخرون إلى ضمان الجودة اللغوي الخاص بهم.
يضيف الوكلاء المرئيون مخاطر أكبر. قد يجمع النظام بين إدخال الميكروفون، وتحويل الكلام إلى نص، واستدلال LLM، ومستندات RAG، وTTS، وعرض الصورة الرمزية؛ يقوم تكامل ElevenLabs الاختياري بتفويض مسار المحادثة إلى موفر آخر. تقييد مصادر المعرفة، وإزالة الأسرار ومحتوى الإدخال الفوري، وتحديد حالات الرفض، واختبار الأسئلة غير المدعومة، وتحديد الأدوات والإجراءات، وتصنيف الوكيل على أنه الذكاء الاصطناعي، والحصول على موافقة الميكروفون، وكشف عملية التسليم البشرية، ومراجعة النصوص المصدرة.
أسعار الاستوديو الحالية والأرصدة
تعرض الصفحة السنوية الإصدار التجريبي بسعر 0 دولارًا أمريكيًا لمدة 14 يومًا وثلاث دقائق، وسعر Lite بسعر 56 دولارًا أمريكيًا في السنة (ما يعادل 4.70 دولارًا أمريكيًا) لمدة عشر دقائق شهرية، وسعر Pro بسعر 191 دولارًا أمريكيًا في السنة (ما يعادل 16 دولارًا أمريكيًا) لمدة 15 دقيقة، ومتقدم بسعر 1,293 دولارًا أمريكيًا في السنة (ما يعادل 108 دولارًا أمريكيًا) مقابل 100 دولار. يتم دفع الخطط السنوية مسبقًا ولكن الأرصدة تصل شهريًا وليس كمجموعة سنوية واحدة.
تحمل Trial وLite تراخيص الاستخدام الشخصي. يضيف Pro استخدامًا تجاريًا وأصواتًا متميزة واستنساخًا صوتيًا وترجمات وعلامة مائية تعمل بالذكاء الاصطناعي. يضيف Advanced المزيد من الصور الرمزية والاستنساخات الشخصية ويسمح بشعار مخصص. تقول المساعدة أن Enterprise فقط يمكنه إزالة العلامة المائية بالكامل؛ تأكيد التمييز بين الشعار المخصص والإزالة. يستخدم الإصدار التجريبي علامة مائية بملء الشاشة، وLite علامة D-ID، وPro علامة AI عامة.
عادةً ما يتعامل الاستخدام المنتظم للفيديو والترجمة مع الرصيد الواحد بما يصل إلى 15 ثانية. كل لغة مترجمة هي مخرجات منفصلة. تكلف استجابات الوكيل 0.5 رصيدًا لكل فترة زمنية مدتها 15 ثانية وتتوقف عند انتهاء الرصيد. ولذلك فإن حركة مرور الوكيل تعتمد على الاستخدام؛ قد يتم أيضًا تطبيق رسوم النموذج والكلام والمعرفة والمزود الخارجي. يخضع "الشهر الأول غير المحدود" لقيود الاستخدام المعقول ويجب ألا يؤدي إلى تقديرات الإنتاج.
الموافقة والقياسات الحيوية والتشابه والإفصاح
تنص سياسة القياسات الحيوية الخاصة بـ D-ID على أن إنشاء الصور الرمزية والصور الناطقة واستنساخ الصوت وطلبات الفيديو إلى الفيديو والتحقق من الهوية يمكن أن يستخرج هندسة الوجه والمعالم والبصمات الصوتية والمشية والميزات البيومترية الأخرى. يجوز لها مشاركة المعلومات البيومترية مع موفري التحقق أو الإشراف. تنص السياسة على عدم استخدام هذه المعلومات لتحسين المنتجات أو تدريب نماذج الذكاء الاصطناعي الخاصة بها، ويتم إتلافها في نهاية فترة الاحتفاظ المعمول بها.
احصل على إذن محدد ومستنير وقابل للإلغاء من كل موضوع يمكن تحديده. حدد الوجه والصوت الذي سيتم التقاطه، وما إذا كان سيتم إنشاء نسخة قابلة لإعادة الاستخدام، والأغراض والقنوات المحددة، والإقليم، والاستخدام التجاري، والتحرير، والترجمة، والمدة، والمستلمين، والبائعين، وتأثيرات الاحتفاظ والحذف والسحب. لا تعتبر الصورة العامة أو الموافقة على التسجيل العادي موافقة تلقائية على تركيب كلام جديد.
قم بتسمية مقدمي العروض الاصطناعية في المحتوى والبيانات الوصفية عندما يكون ذلك عمليًا، واتبع قوانين المنصة والإعلان والانتخابات وحماية المستهلك والعمل والدعاية والقياسات الحيوية. لا تجعل شخصًا حقيقيًا يبدو وكأنه يؤيد منتجًا ما، أو يقدم مطالبة، أو يقدم نصيحة، أو يشارك في حدث لم يوافق عليه.
عمليات الاحتفاظ والأمن وواجهة برمجة التطبيقات
تنص سياسة الخصوصية على أن البيانات التطبيقية غير المستمرة لواجهة برمجة التطبيقات (API) يتم مسحها تلقائيًا من خلال إعدادات AWS في غضون 24 ساعة، وبيانات منتج الوكيل في غضون 72 ساعة، وبيانات Insight في غضون 14 يومًا. تحتفظ العلامة "المستمرة" بالبيانات المشفرة حتى يقوم المستخدم بحذفها. يمكن أن تستمر قوالب القياسات الحيوية اللازمة للحفاظ على الصورة الرمزية لفترة أطول، حتى الفترة اللازمة أو المسموح بها قانونًا. هذه ساعات متميزة. وثيقة كل واحد.
احذف مدخلات واجهة برمجة التطبيقات (API) المكتملة بشكل صريح حيثما أمكن ذلك، وتجنب "الاستمرار" افتراضيًا، وقم بإزالة الصور الرمزية والنسخ غير المستخدمة، وقم بتعيين الاحتفاظ بتصدير المحادثة، والتحقق من النسخ الاحتياطية والمعالجات الفرعية. تقول D-ID أن البيانات التطبيقية التي تنتظر المعالجة أو الحذف لا يمكن الوصول إليها للتدريب النموذجي ولا يتم دعمها بطريقة أخرى بما يتجاوز سياستها المعلنة؛ تأكيد التزامات المؤسسة في نموذج الطلب.
تستخدم بيانات اعتماد API زوجًا من اسم المستخدم/كلمة المرور يتم تنفيذه من خلال المصادقة الأساسية. قم بتخزينها فقط على خادم أو مدير سري، وليس في رمز المتصفح أو المستودعات العامة أبدًا. قم بتدوير المفاتيح، وتعيين تنبيهات الإنفاق، وتقييد النطاقات المضمنة، وحماية مفاتيح العميل، وجلسات الحد الأقصى للمعدل، والتحقق من صحة التحميلات وعناوين URL، ومراقبة الإنشاء غير المتوقع، وتوفير مفتاح إيقاف للوكلاء المباشرين.
الحكم
يوفر D-ID مسارًا واسعًا بدءًا من صورة ناطقة واحدة وحتى مكتبات مقدمي العروض المحلية وواجهات الذكاء الاصطناعي في الوقت الفعلي. يمكن الوصول إلى الاستوديو، بينما تجعل واجهات برمجة التطبيقات (API) وحزم تطوير البرامج (SDK) نفس الطبقة المرئية قابلة للبرمجة.
وتعتمد ملاءمتها على الجدة بقدر ما تعتمد على الترخيص والحوكمة. اختر خطة تتمتع بالحقوق التجارية وحقوق العلامة المائية الصحيحة، واختبار اللغة والجودة المرئية، وجعل الهوية الاصطناعية واضحة، والحصول على موافقة دقيقة على الوجه والصوت، وتقليل الثبات، وتأمين كل مفتاح، والإشراف على الإجابات المباشرة. عندما تكون عناصر التحكم هذه مفقودة، تصبح الصورة الرمزية المقنعة عائقًا وليس اختصارًا للإنتاج.
