WhisperMesh
1.0.0
Whispermesh هو chatbot المتطورة التي تمزج بسلاسة التفاعلات الصوتية والنص ، مما يخلق تجربة محادثة غنية وبديهية. من خلال قوة نماذج LLM وقاعدة بيانات متجه متطورة ، يتفهم Whispermesh احتياجاتك كما لم يحدث من قبل ، مما يوفر ردود مخصصة لها صدى مع استفساراتك.
تسخير إطار خرقة من Haystack ، يتفوق تطبيقنا في استخراج المعلومات ذات الصلة ، مما يضمن أن كل تفاعل ليس مجرد إشراك ولكن مدفوعًا أيضًا بالبيانات. سواء كنت تفضل التحدث أو الكتابة ، يتكيف Whispermesh مع أسلوبك ، مما يحول إدخالك إلى إجابات ثاقبة بلمسة شخصية.
انضم إلى المحادثة مع Whispermesh ، حيث يهم صوتك ، ودعنا نرشدك عبر عالم من المعرفة والاكتشاف! ؟
تحدد الهندسة المعمارية تطبيقًا بغيضًا مدمجًا مع إطار عمل Haystack لتسهيل تحميل المستندات والاستعلام وتوليد الاستجابة. يقوم المستخدمون بتحميل مستندات PDF من خلال التطبيق ، والتي تتم معالجتها وفهرستها بعد ذلك بواسطة مكونات Haystack ، بما في ذلك منظفات المستندات ، والمقاطعون ، والتضمينات التي تقوم بتحويل المستندات إلى تمثيلات المتجهات باستخدام نموذج Cohere ، المخزن في قاعدة بيانات Vector Qdrant. عندما يقوم المستخدم بتقديم استعلام صوتي ، يتم نسخه إلى نص ، ومدمجه في ناقل ، ويتم مطابقته مع متجهات المستند المخزنة لاسترداد القطع ذات الصلة. يتم تغذية هذه الأجزاء في نموذج Gemma 7B التوليدي لإنشاء استجابة متماسكة ، والتي يتم تحويلها مرة أخرى إلى الصوت لإخراج المستخدم. يستفيد هذا النظام من تقنيات NLP المتقدمة لضمان استرجاع المستندات الفعال والدقيق وتوليد الاستجابة. 
يقدم Whispermesh تجربة محادثة متطورة من خلال مزج المدخلات الصوتية والنص ، مما يتيح لك التواصل بالطريقة التي تناسبك بشكل أفضل.
تعمل Whispermesh التي تعمل بنماذج اللغة الكبيرة على أحدث طراز (LLMS) ، وتفهم احتياجاتك بعمق وتوفر ردود مخصصة لها صدى مع استفساراتك.
الاستفادة من QDrant كقاعدة بيانات المتجه لدينا ، يدير Whispermesh بكفاءة واسترداد المعلومات ذات الصلة ، وضمان التفاعلات القائمة على البيانات التي تعزز مشاركة المستخدم.
يسخر تطبيقنا نموذج التضمين المقياس للفهم الدلالي الفعال ، مما يضمن أن يكون كل تفاعل ثاقبة واعية السياق.
مع طراز Whisper-large-V3 من Groq Cloud ، يتفوق Whispermesh على تحويل الكلام إلى النص ، مما يجعل التفاعلات الصوتية ناعمة ودقيقة.
باستخدام نموذج GEMMA-7B-IT من Groq Cloud ، ينشئ تطبيقنا استجابات مخصصة ، مما يضيف لمسة فريدة لكل محادثة.
تسخير إطار RAC (الجيل المتمحور بالاسترجاع) من Whystack ، يتفوق Whispermesh في استخراج المعلومات ذات الصلة ، مما يضمن أن تفاعلاتك جذابة وغنية بالمعلومات.
git clone https://github.com/Mouez-Yazidi/WhisperMesh.git
cd WhisperMesh قم بإنشاء ملف .env وأضف المتغيرات التالية وفقًا لبيانات الاعتماد التي حصلت عليها من المنصات المطلوبة:
COHERE_API_KEY=
GROQ_API=
GROQ_KEY=
QDRANT_API=
QDRANT_KEY=
انتقل إلى الدليل المحلي وتثبيت التبعيات اللازمة:
cd local
pip install -r requirements.txtلتشغيل التطبيق محليًا ، قم بتنفيذ الأمر التالي:
streamlit run ../app/main.py --environment localيجب أن تكون قادرًا الآن على الوصول إلى التطبيق على http: // localhost: 8501.
إذا كنت تفضل تشغيل التطبيق في حاوية Docker ، فاتبع هذه الخطوات:
docker build -t whispermesh -f Dockerfile ..docker run -p 8501:8501 whispermesh streamlit run main.py --environment localتأكد من دفع الكود الخاص بك إلى مستودع github.
COHERE_API_KEY = " "
GROQ_API = " "
GROQ_KEY = " "
QDRANT_API = " "
QDRANT_KEY = " "سحابة التدفق:
؟ أنت كل مجموعة! سيكون تطبيقك الآن على الهواء مباشرة على سحابة STERMELIT!
إذا كنت تقدر هذا المشروع ، فسأكون ممتنًا إذا تمكنت من إعطائه نجمة على Github. دعمك يحفزنا على تعزيز وتوسيع عملنا!
هذا المشروع مرخص بموجب ترخيص معهد ماساتشوستس للتكنولوجيا. انظر ملف الترخيص لمزيد من التفاصيل.
إذا كان لديك أي أسئلة أو اقتراحات ، فلا تتردد في فتح مشكلة أو الاتصال بنا على [email protected].
