Pojďme znovu vynalézt kolo: článek za 30 sekund

Říká se, že nemá smysl znovu vynalézat kolo. Když potřebujete dodat produkt, platí to. Když se chcete něco naučit, vlastní pokus dá víc. V téhle sérii zkouším malé nápady na UI a zapisuju si krátké poznámky: nápad, jak jsem ho postavil a co jsem se naučil. Ukázku si můžete vyzkoušet na konci.

Nápad

• ne každý si najde pět nebo deset minut na celý článek; dvě minuty nebo půl minuty už ano
• co kdybyste si sami vybrali délku shrnutí a rozhodli se, jestli ho chcete číst, nebo poslouchat?
• shrnutí si můžete poslechnout na procházce, při čekání na autobus nebo při vaření
• čas ušetří i autor: nemusí shrnutí sám namlouvat
• za finální podobou shrnutí si musím stát já

Realizace

• AI navrhla shrnutí na 30 sekund a na 2 minuty; obě jsem pak přepisoval, dokud nevystihovala přesně to, co jsem chtěl říct
• skript na mém počítači poslal každé hotové shrnutí do ElevenLabs a uložil nahrávku i časování slov
• při poslechu se nevolá ElevenLabs ani jiná AI služba: stránka přehrává předem připravené zvukové soubory
• slova se zvýrazňují ve chvíli, kdy zazní, takže můžete při poslechu sledovat text a kdykoli na čtení navázat
• ovládání ze zamčené obrazovky i ze sluchátek funguje, telefon tak může zůstat v kapse

Výsledek

• verze na 30 sekund funguje, jen když má článek jednu jasnou myšlenku
• mluvené shrnutí potřebuje krátké věty a příklady s kontextem; odrážky v něm nefungují
• kontrola shrnutí trvala déle než jejich vygenerování a právě v ní je hodnota
• nahraný hlas zní mnohem přirozeněji než vestavěná řeč prohlížeče, každá změna textu ale znamená novou nahrávku
• tento přístup se hodí pro články, které se mění málokdy, ne pro stránky aktualizované každý den
• shrnutí čtenáři ušetří čas, jen když si za ním někdo stojí, a o tom je i článek Vytvářet hodnotu je dnes důležitější než kdy dřív

Použité technologie

• ElevenLabs Text to Speech s časovými značkami vytvoří nahrávku a ke každému znaku vrátí čas, kdy zazní
• CSS Custom Highlight API zvýrazní vyslovená slova bez úprav HTML
• Media Session API přidává ovládání ze zamčené obrazovky a ze sluchátek

Ukázka