Vlog
Lav din egen Tone of Voice i OpenAI 📣
1. oktober 2025 · 15:01 · 99 visninger
Resumé
Denne video forklarer en metode til at skabe en personlig tone of voice ved brug af OpenAI. Processen involverer scraping af indhold fra LinkedIn, efterfulgt af "reverse engineering" for at skabe prompts, der efterligner den oprindelige stil. Dette dataformateres derefter til JSONL, som anvendes til at fine-tune en OpenAI-model.
Metoden til fine-tuning er inspireret af eksisterende praktiske guides og adskiller sig fra brugen af Custom GPTs, da den resulterer i en model, der kan integreres i automatiseringsværktøjer som N8N. Der lægges vægt på kvaliteten af inputdata (prompt og indhold) for at sikre et godt output fra den fine-tunede model.
Det tager du med
- Skab en unik tone of voice ved at fine-tune en OpenAI-model med egne LinkedIn-opslag.
- Metoden involverer scraping, reverse engineering af indhold til prompts, og datakonvertering til JSONL-format for OpenAI.
- Fine-tuned modeller er separate værktøjer, der kan integreres i automatiserings-workflows via API og værktøjer som N8N.
- Kvaliteten af de scrapede data og de genererede prompts er afgørende for succesen med fine-tuning.
Om denne video
I denne episode dykker jeg ned i, hvordan man kan skabe sin egen tone of voice ved hjælp af OpenAI. Jeg præsenterer en metode til fine-tuning af modeller, der gør det muligt at generere indhold, der er skræddersyet til ens personlige stil. Jeg forklarer processen med at scrape indhold fra LinkedIn, reverse engineer det til JSONL-format og derefter oprette en fine-tuned model i OpenAI. Undervejs deler jeg også nogle af de udfordringer, der kan opstå, og hvordan man kan integrere den fine-tunede model i automatiseringsværktøjer. Jeg runder episoden af med refleksioner over, hvor effektiv metoden er, og en opfordring til dig som lytter om at engagere dig.
Sign op til Manus 👉 https://manus.im/
Prompt 👇
Scrape de sidste 10 opslag på linkedin fra disse 3 profiler, så 30 stk i alt.
https://www.linkedin.com/in/PROFIL1/recent-activity/all/
https://www.linkedin.com/in/PROFIL2/recent-activity/all/
https://www.linkedin.com/in/PROFIL3/recent-activity/all/
Når du har scrapet alle 30, så skal du 'reverse engineer' alle 30 post med "hvis jeg skulle skrive en prompt til en AI for at lave dette indlæg til et SoMe post, hvordan vil den prompt så se ud"
Når du har lavet dette, sæt det op en struktureret orden med prompt først og indlæg bagefter og lav det om til en JSONL format som jeg kan indsætte OpenAI's playground for at fine tune en OpenAI model
___________
Takeaways
📣 Lars introducerer emnet for episoden: tone of voice via OpenAI.
📣 Metoden til fine-tuning er inspireret af Simon Højberg.
📣 Det er vigtigt at forstå forskellen mellem fine-tuning og Custom GPT.
📣 Scraping af LinkedIn-indhold er en central del af metoden.
📣 JSONL-format er nødvendigt for at oprette fine-tuned modeller.
📣 Der er en downside ved fine-tuned modeller: de er ikke tilgængelige i ChatGPT.
📣 Crap in, Crap out er en vigtig overvejelse i AI.
📣 Automatiseringsværktøjer som N8N er nødvendige for at bruge fine-tuned modeller.
📣 Lars deler sin erfaring med at generere indhold uden at rette det.
📣 Episoden opfordrer lytterne til at eksperimentere med fine-tuning.
Kapitler
00:00 Introduktion til Tone of Voice via OpenAI
02:50 Metoden til Fine-Tuning af Tone of Voice
05:55 Scraping og Reverse Engineering af Indhold
08:47 Oprettelse af Fine-Tuned Model i OpenAI
12:06 Brug af Fine-Tuned Model i Automatisering
14:47 Afslutning og Refleksioner
Klar til at gå fra idé til drift?
30 minutter, konkret gennemgang, ingen salgstale. I får et bud på, hvor AI kan flytte mest for jer.
Svar inden for én arbejdsdag · Ingen salgstale, bare en konkret gennemgang