अपनी मेमोरी को चुनौती दें! Emotiv ऐप में नया N-Back गेम खेलें
अपनी मेमोरी को चुनौती दें! Emotiv ऐप में नया N-Back गेम खेलें
पायथन बनाम यूनिटी: डेवलपर्स के लिए सर्वश्रेष्ठ BCI उपकरण का चुनाव
साझा करें:
न्यूरोटेक क्रांति यहाँ है। एक डेवलपर के रूप में, आप अब केवल ऐप्स नहीं बना रहे हैं; आप मानव मस्तिष्क और डिजिटल मशीनों के बीच पुल बना रहे हैं।
हालांकि, बीसीआई विकास में पहला रुकावट मस्तिष्क तरंगों को पढ़ना नहीं है—यह आपके स्टैक का चयन करना है।
क्या आपको EEG के लिए पाइथन के डेटा-क्रंचिंग शक्ति पर भरोसा करना चाहिए? या आपको यूनिटी ब्रेन-कंप्यूटर इंटरफेस की immersive, real-time दुनिया में गोता लगाना चाहिए?
उत्तर पूरी तरह से इस पर निर्भर करता है कि आप क्या बनाने की कोशिश कर रहे हैं। यह गाइड प्रत्येक प्लेटफ़ॉर्म की ताकत को तोड़ता है ताकि आपको निर्णय लेने में मदद मिल सके।
पाइथन: विश्लेषक की शक्ति केंद्र
यदि आपका लक्ष्य डेटा का विश्लेषण करना, मशीन लर्निंग मॉडल को प्रशिक्षित करना या शैक्षणिक शोध करना है, तो पाइथन निर्विवाद रूप से राजा है।
यह डेटा विज्ञान के लिए उद्योग मानक है। इस कारण से, पाइथन में बीसीआई विकास पुस्तकालयों के लिए पारिस्थितिकी तंत्र विशाल और परिपक्व है।
की लाइब्रेरी और उपकरण
MNE-Python: मानव न्यूरोफिजियोलॉजिकल डेटा का पता लगाने, दृश्य बनाने और विश्लेषण करने के लिए स्वर्ण मानक।
BrainFlow: विभिन्न बायोसेंसरों के लिए API को एकीकृत करने के लिए डिज़ाइन की गई एक लाइब्रेरी।
Scikit-learn / TensorFlow: वर्गीकर्ताओं का निर्माण करने के लिए आवश्यक जो मानसिक आदेशों की व्याख्या कर सकते हैं।
Cortex SDK (Python): Emotiv का डेटा को EPOC X जैसे उपकरणों से सीधे स्ट्रीम करने के लिए रैपर।
लाभ
त्वरित प्रोटोटाइपिंग: आप 50 से कम कोड की पंक्तियों में EEG डेटा स्ट्रीम और प्लॉट करने के लिए एक स्क्रिप्ट लिख सकते हैं।
ML एकीकरण: पैटर्न पहचान के लिए लाइव EEG डेटा को न्यूरल नेटवर्क में सहजता से पाइप करें।
समुदाय समर्थन: सिग्नल प्रोसेसिंग और आर्टिफेक्ट हटाने के लिए हजारों ओपन-सोर्स रिपॉजिटरी मौजूद हैं।
कमियाँ
दृश्य सीमाएँ: जटिल, रियल-टाइम ग्राफिकल इंटरफेस (GUIs) या 3D वातावरण बनाना कठिन और असंगत है।
परिनियोजन: स्टैंडअलोन उपभोक्ता अनुप्रयोगों में पाइथन स्क्रिप्ट पैकेज करना संकलित भाषाओं की तुलना में चुनौतीपूर्ण हो सकता है।
यूनिटी: निर्माता का इंजन
यदि आपका लक्ष्य एक खेल, एक VR अनुभव या एक न्यूरोफीडबैक प्रशिक्षण एप्लिकेशन बनाना है, तो यूनिटी (C#) आपका इंजन है।
एक यूनिटी ब्रेन-कंप्यूटर इंटरफेस सिग्नल का विश्लेषण करने के बारे में नहीं है; यह सिग्नल का उपयोग करने के बारे में है। यह आपको "फोकस" मेट्रिक्स को गेम मैकेनिक्स में बदलने की अनुमति देता है, जैसे कि किसी वस्तु को उठाना या वातावरण के मौसम को बदलना।
की लाइब्रेरी और उपकरण
Emotiv यूनिटी प्लगइन: प्रदर्शन मेट्रिक्स (तनाव, व्यस्तता, ध्यान) को सीधे यूनिटी इंस्पेक्टर में एक्सेस करने के लिए एक प्लग-एंड-प्ले पैकेज।
LSL (Lab Streaming Layer): अक्सर डेटा को बाहरी प्रोसेसिंग ऐप्स से यूनिटी में पाइप करने के लिए उपयोग किया जाता है।
XR इंटरैक्शन टूलकिट: BCI को VR/AR हेडसेट्स के साथ संयोजित करने के लिए।
लाभ
immersive फीडबैक: आप समृद्ध, 3D दुनिया बना सकते हैं जो तुरंत एक उपयोगकर्ता की मानसिक स्थिति पर प्रतिक्रिया करती है।
क्रॉस-प्लेटफ़ॉर्म: एक बार लिखें और iOS, Android, PC या स्टैंडअलोन VR हेडसेट्स में तैनात करें।
दृश्य स्क्रिप्टिंग: आधुनिक यूनिटी उपकरण कुछ लॉजिक बनाने की अनुमति देते हैं बिना गहरे कोडिंग ज्ञान के।
कमियाँ
सिग्नल प्रोसेसिंग कठिनाई: C# में जटिल गणित (जैसे फास्ट फूरियर ट्रांसफार्म) करना पाइथन की तुलना में कठिन और कम समर्थित है।
भारित सेटअप: आपको केवल एक डेटा स्ट्रीम देखने के लिए एक गेम इंजन, भौतिकी और रेंडरिंग प्रबंधित करने की आवश्यकता है।
हाइब्रिड दृष्टिकोण: LSL
यहाँ वह रहस्य है जो सबसे वरिष्ठ डेवलपर्स जानते हैं: आपको हमेशा चुनना नहीं होता।
आप Lab Streaming Layer (LSL) का उपयोग करके दोनों दुनियाओं का सर्वश्रेष्ठ प्राप्त कर सकते हैं।
इस आर्किटेक्चर में, आप भारी सिग्नल प्रोसेसिंग और वर्गीकरण को संभालने के लिए एक पाइथन स्क्रिप्ट का उपयोग करते हैं। फिर, आप परिणाम (जैसे, "आदेश: बाएँ उठाएँ") को स्थानीय नेटवर्क पर यूनिटी में स्ट्रीम करते हैं।
यूनिटी बस आदेश के लिए सुनती है और दृश्य अपडेट करती है। इससे आपका भारी गणित पाइथन में और आपके सुन्दर ग्राफिक्स यूनिटी में रहते हैं।
निर्णय: निर्णय मैट्रिक्स
अपना अंतिम निर्णय लेने के लिए इस मैट्रिक्स का उपयोग करें।
उपयोग मामला | अनुशंसित उपकरण | क्यों? |
|---|---|---|
शैक्षणिक शोध | पाइथन | डेटा साफ करने और प्लॉट करने के लिए श्रेष्ठ पुस्तकालय (MNE-Python)। |
मशीन लर्निंग | पाइथन | PyTorch, TensorFlow, और Pandas तक स्वदेशी पहुंच। |
वीडियो गेम | यूनिटी | इंजीन के भीतर भौतिकी, रेंडरिंग और संपत्ति की दुकान। |
VR / AR | यूनिटी | XR विकास के लिए मानक उद्योग इंजन। |
न्यूरोफीडबैक | यूनिटी | दृश्य और ऑडियो फीडबैक लूप बनाना आसान है। |
डेटा विश्लेषण | पाइथन | विशाल CSV/EDF डेटासेट को संभालने के लिए अनुकूलित। |
आप यहाँ से कहाँ जाते हैं?
क्या आप अपना पहला BCI स्क्रिप्ट लिखने के लिए तैयार हैं?
यदि आपने पाइथन चुना: Cortex SDK डाउनलोड करें और अपने टर्मिनल में कच्चे EEG डेटा को स्ट्रीम करने के लिए लाइव_एडवांस.py उदाहरण चलाएँ।
यदि आपने यूनिटी चुना: Emotiv यूनिटी प्लगइन प्राप्त करें और अपने मन से एक घन को स्थानांतरित करने के लिए "मेंटल कमांड" उदाहरण दृश्य खोलें।
प्रवेश की बाधा कभी इतनी कम नहीं रही। अपना उपकरण चुनें और निर्माण करना शुरू करें।
न्यूरोटेक क्रांति यहाँ है। एक डेवलपर के रूप में, आप अब केवल ऐप्स नहीं बना रहे हैं; आप मानव मस्तिष्क और डिजिटल मशीनों के बीच पुल बना रहे हैं।
हालांकि, बीसीआई विकास में पहला रुकावट मस्तिष्क तरंगों को पढ़ना नहीं है—यह आपके स्टैक का चयन करना है।
क्या आपको EEG के लिए पाइथन के डेटा-क्रंचिंग शक्ति पर भरोसा करना चाहिए? या आपको यूनिटी ब्रेन-कंप्यूटर इंटरफेस की immersive, real-time दुनिया में गोता लगाना चाहिए?
उत्तर पूरी तरह से इस पर निर्भर करता है कि आप क्या बनाने की कोशिश कर रहे हैं। यह गाइड प्रत्येक प्लेटफ़ॉर्म की ताकत को तोड़ता है ताकि आपको निर्णय लेने में मदद मिल सके।
पाइथन: विश्लेषक की शक्ति केंद्र
यदि आपका लक्ष्य डेटा का विश्लेषण करना, मशीन लर्निंग मॉडल को प्रशिक्षित करना या शैक्षणिक शोध करना है, तो पाइथन निर्विवाद रूप से राजा है।
यह डेटा विज्ञान के लिए उद्योग मानक है। इस कारण से, पाइथन में बीसीआई विकास पुस्तकालयों के लिए पारिस्थितिकी तंत्र विशाल और परिपक्व है।
की लाइब्रेरी और उपकरण
MNE-Python: मानव न्यूरोफिजियोलॉजिकल डेटा का पता लगाने, दृश्य बनाने और विश्लेषण करने के लिए स्वर्ण मानक।
BrainFlow: विभिन्न बायोसेंसरों के लिए API को एकीकृत करने के लिए डिज़ाइन की गई एक लाइब्रेरी।
Scikit-learn / TensorFlow: वर्गीकर्ताओं का निर्माण करने के लिए आवश्यक जो मानसिक आदेशों की व्याख्या कर सकते हैं।
Cortex SDK (Python): Emotiv का डेटा को EPOC X जैसे उपकरणों से सीधे स्ट्रीम करने के लिए रैपर।
लाभ
त्वरित प्रोटोटाइपिंग: आप 50 से कम कोड की पंक्तियों में EEG डेटा स्ट्रीम और प्लॉट करने के लिए एक स्क्रिप्ट लिख सकते हैं।
ML एकीकरण: पैटर्न पहचान के लिए लाइव EEG डेटा को न्यूरल नेटवर्क में सहजता से पाइप करें।
समुदाय समर्थन: सिग्नल प्रोसेसिंग और आर्टिफेक्ट हटाने के लिए हजारों ओपन-सोर्स रिपॉजिटरी मौजूद हैं।
कमियाँ
दृश्य सीमाएँ: जटिल, रियल-टाइम ग्राफिकल इंटरफेस (GUIs) या 3D वातावरण बनाना कठिन और असंगत है।
परिनियोजन: स्टैंडअलोन उपभोक्ता अनुप्रयोगों में पाइथन स्क्रिप्ट पैकेज करना संकलित भाषाओं की तुलना में चुनौतीपूर्ण हो सकता है।
यूनिटी: निर्माता का इंजन
यदि आपका लक्ष्य एक खेल, एक VR अनुभव या एक न्यूरोफीडबैक प्रशिक्षण एप्लिकेशन बनाना है, तो यूनिटी (C#) आपका इंजन है।
एक यूनिटी ब्रेन-कंप्यूटर इंटरफेस सिग्नल का विश्लेषण करने के बारे में नहीं है; यह सिग्नल का उपयोग करने के बारे में है। यह आपको "फोकस" मेट्रिक्स को गेम मैकेनिक्स में बदलने की अनुमति देता है, जैसे कि किसी वस्तु को उठाना या वातावरण के मौसम को बदलना।
की लाइब्रेरी और उपकरण
Emotiv यूनिटी प्लगइन: प्रदर्शन मेट्रिक्स (तनाव, व्यस्तता, ध्यान) को सीधे यूनिटी इंस्पेक्टर में एक्सेस करने के लिए एक प्लग-एंड-प्ले पैकेज।
LSL (Lab Streaming Layer): अक्सर डेटा को बाहरी प्रोसेसिंग ऐप्स से यूनिटी में पाइप करने के लिए उपयोग किया जाता है।
XR इंटरैक्शन टूलकिट: BCI को VR/AR हेडसेट्स के साथ संयोजित करने के लिए।
लाभ
immersive फीडबैक: आप समृद्ध, 3D दुनिया बना सकते हैं जो तुरंत एक उपयोगकर्ता की मानसिक स्थिति पर प्रतिक्रिया करती है।
क्रॉस-प्लेटफ़ॉर्म: एक बार लिखें और iOS, Android, PC या स्टैंडअलोन VR हेडसेट्स में तैनात करें।
दृश्य स्क्रिप्टिंग: आधुनिक यूनिटी उपकरण कुछ लॉजिक बनाने की अनुमति देते हैं बिना गहरे कोडिंग ज्ञान के।
कमियाँ
सिग्नल प्रोसेसिंग कठिनाई: C# में जटिल गणित (जैसे फास्ट फूरियर ट्रांसफार्म) करना पाइथन की तुलना में कठिन और कम समर्थित है।
भारित सेटअप: आपको केवल एक डेटा स्ट्रीम देखने के लिए एक गेम इंजन, भौतिकी और रेंडरिंग प्रबंधित करने की आवश्यकता है।
हाइब्रिड दृष्टिकोण: LSL
यहाँ वह रहस्य है जो सबसे वरिष्ठ डेवलपर्स जानते हैं: आपको हमेशा चुनना नहीं होता।
आप Lab Streaming Layer (LSL) का उपयोग करके दोनों दुनियाओं का सर्वश्रेष्ठ प्राप्त कर सकते हैं।
इस आर्किटेक्चर में, आप भारी सिग्नल प्रोसेसिंग और वर्गीकरण को संभालने के लिए एक पाइथन स्क्रिप्ट का उपयोग करते हैं। फिर, आप परिणाम (जैसे, "आदेश: बाएँ उठाएँ") को स्थानीय नेटवर्क पर यूनिटी में स्ट्रीम करते हैं।
यूनिटी बस आदेश के लिए सुनती है और दृश्य अपडेट करती है। इससे आपका भारी गणित पाइथन में और आपके सुन्दर ग्राफिक्स यूनिटी में रहते हैं।
निर्णय: निर्णय मैट्रिक्स
अपना अंतिम निर्णय लेने के लिए इस मैट्रिक्स का उपयोग करें।
उपयोग मामला | अनुशंसित उपकरण | क्यों? |
|---|---|---|
शैक्षणिक शोध | पाइथन | डेटा साफ करने और प्लॉट करने के लिए श्रेष्ठ पुस्तकालय (MNE-Python)। |
मशीन लर्निंग | पाइथन | PyTorch, TensorFlow, और Pandas तक स्वदेशी पहुंच। |
वीडियो गेम | यूनिटी | इंजीन के भीतर भौतिकी, रेंडरिंग और संपत्ति की दुकान। |
VR / AR | यूनिटी | XR विकास के लिए मानक उद्योग इंजन। |
न्यूरोफीडबैक | यूनिटी | दृश्य और ऑडियो फीडबैक लूप बनाना आसान है। |
डेटा विश्लेषण | पाइथन | विशाल CSV/EDF डेटासेट को संभालने के लिए अनुकूलित। |
आप यहाँ से कहाँ जाते हैं?
क्या आप अपना पहला BCI स्क्रिप्ट लिखने के लिए तैयार हैं?
यदि आपने पाइथन चुना: Cortex SDK डाउनलोड करें और अपने टर्मिनल में कच्चे EEG डेटा को स्ट्रीम करने के लिए लाइव_एडवांस.py उदाहरण चलाएँ।
यदि आपने यूनिटी चुना: Emotiv यूनिटी प्लगइन प्राप्त करें और अपने मन से एक घन को स्थानांतरित करने के लिए "मेंटल कमांड" उदाहरण दृश्य खोलें।
प्रवेश की बाधा कभी इतनी कम नहीं रही। अपना उपकरण चुनें और निर्माण करना शुरू करें।
न्यूरोटेक क्रांति यहाँ है। एक डेवलपर के रूप में, आप अब केवल ऐप्स नहीं बना रहे हैं; आप मानव मस्तिष्क और डिजिटल मशीनों के बीच पुल बना रहे हैं।
हालांकि, बीसीआई विकास में पहला रुकावट मस्तिष्क तरंगों को पढ़ना नहीं है—यह आपके स्टैक का चयन करना है।
क्या आपको EEG के लिए पाइथन के डेटा-क्रंचिंग शक्ति पर भरोसा करना चाहिए? या आपको यूनिटी ब्रेन-कंप्यूटर इंटरफेस की immersive, real-time दुनिया में गोता लगाना चाहिए?
उत्तर पूरी तरह से इस पर निर्भर करता है कि आप क्या बनाने की कोशिश कर रहे हैं। यह गाइड प्रत्येक प्लेटफ़ॉर्म की ताकत को तोड़ता है ताकि आपको निर्णय लेने में मदद मिल सके।
पाइथन: विश्लेषक की शक्ति केंद्र
यदि आपका लक्ष्य डेटा का विश्लेषण करना, मशीन लर्निंग मॉडल को प्रशिक्षित करना या शैक्षणिक शोध करना है, तो पाइथन निर्विवाद रूप से राजा है।
यह डेटा विज्ञान के लिए उद्योग मानक है। इस कारण से, पाइथन में बीसीआई विकास पुस्तकालयों के लिए पारिस्थितिकी तंत्र विशाल और परिपक्व है।
की लाइब्रेरी और उपकरण
MNE-Python: मानव न्यूरोफिजियोलॉजिकल डेटा का पता लगाने, दृश्य बनाने और विश्लेषण करने के लिए स्वर्ण मानक।
BrainFlow: विभिन्न बायोसेंसरों के लिए API को एकीकृत करने के लिए डिज़ाइन की गई एक लाइब्रेरी।
Scikit-learn / TensorFlow: वर्गीकर्ताओं का निर्माण करने के लिए आवश्यक जो मानसिक आदेशों की व्याख्या कर सकते हैं।
Cortex SDK (Python): Emotiv का डेटा को EPOC X जैसे उपकरणों से सीधे स्ट्रीम करने के लिए रैपर।
लाभ
त्वरित प्रोटोटाइपिंग: आप 50 से कम कोड की पंक्तियों में EEG डेटा स्ट्रीम और प्लॉट करने के लिए एक स्क्रिप्ट लिख सकते हैं।
ML एकीकरण: पैटर्न पहचान के लिए लाइव EEG डेटा को न्यूरल नेटवर्क में सहजता से पाइप करें।
समुदाय समर्थन: सिग्नल प्रोसेसिंग और आर्टिफेक्ट हटाने के लिए हजारों ओपन-सोर्स रिपॉजिटरी मौजूद हैं।
कमियाँ
दृश्य सीमाएँ: जटिल, रियल-टाइम ग्राफिकल इंटरफेस (GUIs) या 3D वातावरण बनाना कठिन और असंगत है।
परिनियोजन: स्टैंडअलोन उपभोक्ता अनुप्रयोगों में पाइथन स्क्रिप्ट पैकेज करना संकलित भाषाओं की तुलना में चुनौतीपूर्ण हो सकता है।
यूनिटी: निर्माता का इंजन
यदि आपका लक्ष्य एक खेल, एक VR अनुभव या एक न्यूरोफीडबैक प्रशिक्षण एप्लिकेशन बनाना है, तो यूनिटी (C#) आपका इंजन है।
एक यूनिटी ब्रेन-कंप्यूटर इंटरफेस सिग्नल का विश्लेषण करने के बारे में नहीं है; यह सिग्नल का उपयोग करने के बारे में है। यह आपको "फोकस" मेट्रिक्स को गेम मैकेनिक्स में बदलने की अनुमति देता है, जैसे कि किसी वस्तु को उठाना या वातावरण के मौसम को बदलना।
की लाइब्रेरी और उपकरण
Emotiv यूनिटी प्लगइन: प्रदर्शन मेट्रिक्स (तनाव, व्यस्तता, ध्यान) को सीधे यूनिटी इंस्पेक्टर में एक्सेस करने के लिए एक प्लग-एंड-प्ले पैकेज।
LSL (Lab Streaming Layer): अक्सर डेटा को बाहरी प्रोसेसिंग ऐप्स से यूनिटी में पाइप करने के लिए उपयोग किया जाता है।
XR इंटरैक्शन टूलकिट: BCI को VR/AR हेडसेट्स के साथ संयोजित करने के लिए।
लाभ
immersive फीडबैक: आप समृद्ध, 3D दुनिया बना सकते हैं जो तुरंत एक उपयोगकर्ता की मानसिक स्थिति पर प्रतिक्रिया करती है।
क्रॉस-प्लेटफ़ॉर्म: एक बार लिखें और iOS, Android, PC या स्टैंडअलोन VR हेडसेट्स में तैनात करें।
दृश्य स्क्रिप्टिंग: आधुनिक यूनिटी उपकरण कुछ लॉजिक बनाने की अनुमति देते हैं बिना गहरे कोडिंग ज्ञान के।
कमियाँ
सिग्नल प्रोसेसिंग कठिनाई: C# में जटिल गणित (जैसे फास्ट फूरियर ट्रांसफार्म) करना पाइथन की तुलना में कठिन और कम समर्थित है।
भारित सेटअप: आपको केवल एक डेटा स्ट्रीम देखने के लिए एक गेम इंजन, भौतिकी और रेंडरिंग प्रबंधित करने की आवश्यकता है।
हाइब्रिड दृष्टिकोण: LSL
यहाँ वह रहस्य है जो सबसे वरिष्ठ डेवलपर्स जानते हैं: आपको हमेशा चुनना नहीं होता।
आप Lab Streaming Layer (LSL) का उपयोग करके दोनों दुनियाओं का सर्वश्रेष्ठ प्राप्त कर सकते हैं।
इस आर्किटेक्चर में, आप भारी सिग्नल प्रोसेसिंग और वर्गीकरण को संभालने के लिए एक पाइथन स्क्रिप्ट का उपयोग करते हैं। फिर, आप परिणाम (जैसे, "आदेश: बाएँ उठाएँ") को स्थानीय नेटवर्क पर यूनिटी में स्ट्रीम करते हैं।
यूनिटी बस आदेश के लिए सुनती है और दृश्य अपडेट करती है। इससे आपका भारी गणित पाइथन में और आपके सुन्दर ग्राफिक्स यूनिटी में रहते हैं।
निर्णय: निर्णय मैट्रिक्स
अपना अंतिम निर्णय लेने के लिए इस मैट्रिक्स का उपयोग करें।
उपयोग मामला | अनुशंसित उपकरण | क्यों? |
|---|---|---|
शैक्षणिक शोध | पाइथन | डेटा साफ करने और प्लॉट करने के लिए श्रेष्ठ पुस्तकालय (MNE-Python)। |
मशीन लर्निंग | पाइथन | PyTorch, TensorFlow, और Pandas तक स्वदेशी पहुंच। |
वीडियो गेम | यूनिटी | इंजीन के भीतर भौतिकी, रेंडरिंग और संपत्ति की दुकान। |
VR / AR | यूनिटी | XR विकास के लिए मानक उद्योग इंजन। |
न्यूरोफीडबैक | यूनिटी | दृश्य और ऑडियो फीडबैक लूप बनाना आसान है। |
डेटा विश्लेषण | पाइथन | विशाल CSV/EDF डेटासेट को संभालने के लिए अनुकूलित। |
आप यहाँ से कहाँ जाते हैं?
क्या आप अपना पहला BCI स्क्रिप्ट लिखने के लिए तैयार हैं?
यदि आपने पाइथन चुना: Cortex SDK डाउनलोड करें और अपने टर्मिनल में कच्चे EEG डेटा को स्ट्रीम करने के लिए लाइव_एडवांस.py उदाहरण चलाएँ।
यदि आपने यूनिटी चुना: Emotiv यूनिटी प्लगइन प्राप्त करें और अपने मन से एक घन को स्थानांतरित करने के लिए "मेंटल कमांड" उदाहरण दृश्य खोलें।
प्रवेश की बाधा कभी इतनी कम नहीं रही। अपना उपकरण चुनें और निर्माण करना शुरू करें।