WhisperMesh
1.0.0
Whispermesh es su chatbot de vanguardia que combina interacciones con voz y texto sin problemas, creando una experiencia de conversación rica e intuitiva. Con el poder de los modelos LLM y una sofisticada base de datos de vectores, WhisperMesh comprende sus necesidades como nunca antes, proporcionando respuestas personalizadas que resuenan con sus consultas.
Aprovechando el marco RAG de Haystack, nuestra aplicación se destaca en la extracción de información relevante, asegurando que cada interacción no solo sea atractiva sino también basada en datos. Ya sea que prefiera hablar o escribir, WhisperMesh se adapta a su estilo, transformando su aporte en respuestas perspicaces con un toque personal.
¡Únase a la conversación con Whispermesh, donde su voz es importante, y permítanos guiarlo a través de un mundo de conocimiento y descubrimiento! ?
La arquitectura describe una aplicación aerodinámica integrada con el marco de Haystack para facilitar la carga de documentos, la consulta y la generación de respuesta. Los usuarios cargan documentos PDF a través de la aplicación, que luego son procesados e indexados por componentes de Haystack, incluidos los limpiadores de documentos, los divisores y los integradores que convierten los documentos en representaciones vectoriales utilizando el modelo Cohere, almacenado en la base de datos de vector QDRANT. Cuando un usuario envía una consulta de voz, se transcribe al texto, se integra en un vector y coincide con los vectores de documentos almacenados para recuperar fragmentos relevantes. Estos fragmentos se alimentan al modelo generativo Gemma 7B para generar una respuesta coherente, que luego se convierte nuevamente en audio para la salida del usuario. Este sistema aprovecha las técnicas avanzadas de PNL para garantizar la recuperación de documentos eficiente y precisa de la generación de respuestas. 
Whispermesh ofrece una experiencia de conversación de vanguardia al combinar las entradas de voz y texto, lo que le permite comunicarse de la manera que mejor le convenga.
Impulsado por modelos de idiomas grandes (LLM) de última generación, Whispermesh comprende sus necesidades profundamente y proporciona respuestas personalizadas que resuenan con sus consultas.
Utilizando QDRANT como nuestra base de datos vectorial, WhisperMesh administra y recupera eficientemente información relevante, asegurando las interacciones basadas en datos que mejoran la participación del usuario.
Nuestra aplicación aprovecha el modelo de incrustación de cohers para una comprensión semántica efectiva, asegurando que cada interacción sea perspicaz y contextualmente consciente.
Con el modelo Whisper-Large-V3 de Groq Cloud, Whispermesh sobresale al convertir el habla en texto, haciendo que las interacciones de voz fueran suaves y precisas.
Empleando el modelo GEMMA-7B-IT de Groq Cloud, nuestra aplicación genera respuestas personalizadas, agregando un toque único a cada conversación.
Aprovechando el marco RAG (generación de recuperación de recuperación) de Haystack , Whispermesh sobresale en la extracción de información relevante, asegurando que sus interacciones sean atractivas e informativas.
git clone https://github.com/Mouez-Yazidi/WhisperMesh.git
cd WhisperMesh Cree un archivo .env y agregue las siguientes variables de acuerdo con las credenciales que obtuvo de las plataformas requeridas:
COHERE_API_KEY=
GROQ_API=
GROQ_KEY=
QDRANT_API=
QDRANT_KEY=
Navegue al directorio local e instale las dependencias necesarias:
cd local
pip install -r requirements.txtPara ejecutar la aplicación localmente, ejecute el siguiente comando:
streamlit run ../app/main.py --environment localAhora debería poder acceder a la aplicación en http: // localhost: 8501.
Si prefiere ejecutar la aplicación en un contenedor Docker, siga estos pasos:
docker build -t whispermesh -f Dockerfile ..docker run -p 8501:8501 whispermesh streamlit run main.py --environment localAsegúrese de que su código sea empujado a un repositorio de GitHub.
COHERE_API_KEY = " "
GROQ_API = " "
GROQ_KEY = " "
QDRANT_API = " "
QDRANT_KEY = " "Streamlit Cloud Will:
? ¡Estás listo! ¡Su aplicación ahora estará en vivo en Streamlit Cloud!
Si aprecias este proyecto, estaría agradecido si pudieras darle una estrella en Github. ¡Su apoyo nos motiva a mejorar y expandir nuestro trabajo!
Este proyecto tiene licencia bajo la licencia MIT. Consulte el archivo de licencia para obtener más detalles.
Si tiene alguna pregunta o sugerencia, no dude en abrir un problema o contáctenos en [email protected].
