Minh Huynh
Sử dụng các dịch vụ ML của AWS xây dựng giải pháp genAI trong lĩnh vực tạo quảng cáo
Moodboard Generator là bảng tổng hợp tất cả ý tưởng, chủ đề, màu sắc, vật liệu, và hình ảnh trong một dự án, giúp thể hiện phong cách, cảm xúc, và hướng đi chung của dự án một cách trực quan và sinh động.
Moodboard được các nhóm sáng tạo tại các agency quảng cáo sử dụng để thể hiện trực quan phong cách và cảm nhận của một chiến dịch quảng cáo. Moodboard, giống như công cụ hình ảnh trên Pinterest, Canvas...
Với AWS Generative AI moodboard, bên dưới là luồng được triển khai trong giải pháp:
1. Người dùng nhập thông tin: Người dùng sử dụng công cụ để tạo nội dung quảng cáo. Cung cấp các thông tin đầu vào như:
2. AppSync nhận thông tin: Dữ liệu người dùng được gửi tới AWS AppSync (dịch vụ GraphQL API), đóng vai trò trung tâm quản lý các yêu cầu và gửi phản hồi qua WebSocket.
3. Xử lý dữ liệu đầu vào: AWS Lambda thực hiện 2 nhiệm vụ:
4. Amazon Bedrock: Xử lý hai loại yêu cầu:
5. Lưu trữ nội dung:
6. Trả kết quả qua WebSocket:
Ad Copy Generator là công cụ sao chép quảng cáo AI hàng đầu để tăng cường chiến dịch tiếp thị của doanh nghiệp. Công cụ này giúp rút ngắn thời gian cho bước này và tạo ra văn bản bằng hai thành phần chính:
Step 1 - Tải và giải nén source code ở máy local: source-code
Step 2 - Upload source code lên S3 bucket
Step 3 - Deploy your stack
In my example above, my value for MyAssetsBucketName would be
mybucket-generative-ai-ads-2025, my value for MyAssetsBucketPrefix would beassets/, and my value for GraphQLSchemaLocation would bes3://mybucket-generative-ai-ads-2025/assets/schema.graphql
Step 4 - Enable model access
Để sử dụng các mô hình nền tảng (FMs) cần thiết cho bài thực hành này, bạn sẽ phải yêu cầu truy cập model từ Amazon Bedrock.
Step 5 - Test output values from your CloudFormation stack
Trong task1 này, bạn sẽ học cách kỹ thuật xây dựng prompt bằng cách chỉnh sửa mã của moodboard generator để thêm nhiều yếu tố vào kết quả đầu ra. Moodboard sẽ được tạo ra với các yếu tố mà nó yêu cầu rõ ràng, theo một định dạng cố định mà mô hình ngôn ngữ lớn yêu cầu. Nếu yêu cầu rõ ràng (clean prompt) thì sẽ cho ra kết quả chính xác.
Your moodboard elements currently only include:
You're going to change the prompt to, additionally, ask for:
Step 1 - Locate the prompt code
Navigate to the Lambda function with the same name as the value for GenerateMoodboardFunction from your notes. If you see an error message, make sure you're in the right region.
We will now replace a part of code that runs on this Lambda function. Scroll down. In the Code view, locate the area of the code that resembles the below:
prompt += (". Include a description for the feature image, a list of 4 colors, a list of 8 imagery descriptions, "
"a list of 6 adjectives, and a list of 6 Google display fonts. "
Step 2 - Update the prompt code
Once you have identified the area of the lambda function code, replace and a list of 6 Google display fonts with a list of 6 Google display fonts, a list of 6 sounds, an elevator pitch, and a list of 4 taglines Your resulting lines of code should look like this:
prompt += (". Include a description for the feature image, a list of 4 colors, a list of 8 imagery descriptions, "
"a list of 6 adjectives, a list of 6 Google display fonts, a list of 6 sounds, an elevator pitch, and a list of 4 taglines. "
Inside the curly braces after "fonts": "array", add: ,"sounds": "array","pitch": "string","taglines": "array" to add the additional fields to the JSON schema. Your resulting code should look like this:
'<schema>{"feature_image": "string", "colors": "array","imagery": "array","adjectives": "array",'
'"fonts": "array","sounds": "array","pitch": "string","taglines": "array"}</schema>\n'
Step 3 - Deploy Lambda function
Sau khi thay đổi code trong Lambda function, nhấn nút Deploy để triển khai các thay đổi.
Step 4 - Go back to the UI and test your updates
Quay lại giao diện Moodboard. Nhập thông tin để kiểm tra:
Thông tin ví dụ:
luxury cat foodenvironmentally-conscious pet ownersdigital-art
sneakerspeople who love discoenhance
Trong bài tập này, sẽ cập nhật logic của ứng dụng Ad Copy Generator. Đầu tiên, code có 3 hình ảnh được gán cứng để người dùng lựa chọn. Trong triển khai thực tế, hình ảnh sẽ được load từ kho dữ liệu. Đối với bài tập này, hình ảnh sẽ được lưu trữ trong S3.
Step 0 - Test the ad copy generator (if you haven't already)
URL that you copied during the setup steps, copy the URL into your browser.cocktails, then indoor plants for small spaces.
Step 1 - Go to the Get Image Library code
Chọn lambda fuction tên GetImageLibraryFunction. Bạn sẽ thấy 3 hình ảnh được gán cứng. Bây giờ, chúng ta sẽ thay đổi code để cho Lambda load hình ảnh từ S3 buckets.
Step 2 - Update the code
Thay thế toàn bộ code hiện tại bằng đoạn code dưới đây. Đoạn code này sẽ truy cập vào thư viện hình ảnh trong S3 bucket, xử lý thu nhỏ hình ảnh và load lên giao diện.
import { getSignedUrl } from "@aws-sdk/s3-request-presigner";
import {
S3Client,
GetObjectCommand,
ListObjectsCommand,
} from "@aws-sdk/client-s3";
export const handler = async (event, context) => {
let assets = [];
/**The bucket where the images are stored**/
const assetsBucket = process.env.AssetsBucket;
/**Get bucket objects**/
const s3Client = new S3Client();
const getAssetsCommand = new ListObjectsCommand({
Bucket: assetsBucket,
Prefix: "originals/",
});
try {
const assetsResult = await s3Client.send(getAssetsCommand);
if (assetsResult.$metadata.httpStatusCode == 200) {
/**Generate a presigned URL for each image and their thumbnail**/
for (let i = 0; i < assetsResult.Contents.length; i++) {
let object = assetsResult.Contents[i];
const signCommandOriginal = new GetObjectCommand({
Bucket: assetsBucket,
Key: object.Key,
});
const signCommandThumbnail = new GetObjectCommand({
Bucket: assetsBucket,
Key: object.Key.replace("originals/", "thumbs/"),
});
let preSignedUrlOriginal = await getSignedUrl(
s3Client,
signCommandOriginal,
{
expiresIn: 3600,
}
);
let preSignedUrlThumbnail = await getSignedUrl(
s3Client,
signCommandThumbnail,
{
expiresIn: 3600,
}
);
/**Add result to assets array**/
assets.push({
original: preSignedUrlOriginal,
thumbnail: preSignedUrlThumbnail,
s3ObjectBucket: assetsBucket,
s3ObjectKey: object.Key.replace("originals/", "thumbs/")
});
}
return {
success: true,
message: "Retrieved assets from bucket with name " + assetsBucket,
result: assets,
};
} else {
return {
success: false,
message: "Failed to retrieve asset library",
result: assetsResult,
};
}
} catch (ex) {
return {
success: false,
message: "Error occurred while retrieving assets",
result: ex.message,
};
}
};
Step 3 - Deploy Lambda function
Sau khi thay đổi code trong Lambda function, nhấn nút Deploy để triển khai các thay đổi.
Step 4 - Go back to the UI and test your updates
Quay lại giao diện Ad Copy Generator, ta thấy các hình ảnh đã được load hết từ S3.
Hãy thử nghiệm với Ad Copy Generator bằng cách chọn bất kỳ hình ảnh và nhập tên sản phẩm hoặc dịch vụ, hoặc nhấp vào một trong các ví dụ ở phía dưới.
Thử thay đổi màu nền của văn bản nữa. Nhấn vào hình ảnh trong kết quả để xem toàn bộ prompt đã được gửi qua Amazon Bedrock.
For example:
the mountainscapehiking boots
the plate of sushigourmet cat food
Một trong những ưu điểm của Amazon Bedrock là khả năng thay đổi các mô hình ngôn ngữ lớn (LLMs) và thử nghiệm xem kết quả thay đổi như thế nào tùy thuộc vào sự lựa chọn mô hình. Một trong những tính năng nổi bật của Amazon Bedrock là Converse API, cung cấp giao diện để tương tác với các mô hình ngôn ngữ lớn (LLMs) từ các nhà cung cấp mô hình khác nhau. Với Converse API, bạn có thể gửi và nhận thông tin từ các LLMs, giúp bạn xây dựng các ứng dụng trò chuyện như chatbot hoặc trợ lý ảo.
Bây giờ, chỉ cần cung cấp tên hoặc ID của mô hình thì sẽ chuyển sang mô hình đó một cách mượt mà, chứng minh sự linh hoạt và tính nhất quán của Converse API trong các LLMs khác nhau có sẵn trên Amazon Bedrock. Trong bài tập này, bạn sẽ thử nghiệm bằng cách thay thế mô hình nền tảng đang được gọi trong Moodboard Generator từ Claude 3.5 Sonnet của Anthropic sang Mixtral 8x7B Instruct của AI21 Labs.
Step 1 - Experiment in playground
Example prompts:
In JSON format, please create a moodboard for an advertising campaign for an exclusive seafood restaurant in Majorca for German tourists. Include a description for the feature image, a list of 4 colors, a list of 8 imagery descriptions, a list of 6 adjectives, a list of 6 Google display fonts, a list of 6 sounds, an elevator pitch, and a list of 4 taglines. Your response should be a parseable JSON object following this schema:
<schema>
{"feature_image": "string", "colors": "array","imagery": "array","adjectives": "array","fonts": "array","sounds": "array","pitch": "string","taglines": "array"}
</schema>
For each color, provide the websafe value. Do not include Roboto, Open Sans, Lato, Montserrat, or Raleway in your font suggestions. Do not use any form of the word 'child' in your imagery suggestions. Do not include any text in the response outside of the JSON object. Use double quotes for property names. Your response should consist of only the JSON data and not additional commentary as it will be used in downstream systems.
On the right, set the Max Completion Length to 4096, the Top P to 1, and the Temperature to 1. Now run the prompt to test the response. You should see a well-formed JSON object in the response
Step 2 - Change the input values and model
model_id = "anthropic.claude-3-5-sonnet-20240620-v1:0",
inference_config = {
"maxTokens": 2048,
"temperature": 1,
"topP": 1
}
Your replaced code should look like this:
model_id = "mistral.mixtral-8x7b-instruct-v0:1"
inference_config = {
"maxTokens": 4096,
"temperature": 1,
"topP": 1
}
Sau khi thay đổi code trong Lambda function, nhấn nút Deploy để triển khai các thay đổi.
Step 3 - Go back to the UI and test your updates
Hãy thử lại một prompt mà bạn đã thử trước đó. Chú ý sự khác biệt giữa phong cách của Claude 3.5 Sonnet và Mixtral 8x7B Instruct trong các gợi ý về các yếu tố như màu sắc, lời chào, mô tả hình ảnh, khẩu hiệu và phông chữ.
Mỗi mô hình được huấn luyện theo cách khác nhau, vì vậy mỗi mô hình sẽ mang đến một "hương vị" khác nhau. Tạo một vài moodboard và bạn có thể nhận thấy rằng, vì giá trị temperature được thiết lập là 1 và maxTokens đã được tăng lên, kết quả có thể không luôn luôn hoàn toàn theo đúng những gì bạn yêu cầu.
Tham số temperature:
Controls sampling randomness. Increasing the temperature tends to result in more varied and creative completions, whereas decreasing it produces more stable and repetitive completions.
permanently delete in the textbox, and click on Delete objects
