Taylor s Tune
1.0.0
Taylor's Tuneは、最新の最先端のオープンソースの大規模な言語モデル（Mixtral-8x7b、llama3-70b、llama3-7b、gemma-7bなど）を活用して、ユーザーのニーズに応じて最高のテイラーの迅速な曲を提供するムード駆動型の音楽推奨ツールです。
ここではWebAppとして試すことができますが、技術的な部分にもっと興味がある場合は、プロジェクトレポートを読むことができます。
このウィンドウで、ユーザーはエージェントに感情的な状況と関係の状況を説明して、アドバイスを得ることができます。左側のサブセクションでは、使用可能なモデルから選択できる可能性があり、メモリ長、提案された曲の数、最大LLM出力トークンなどのチャットハイパーパラメーターを調整します。
この2番目のパネルを使用すると、ユーザーはあなたがトラブルであることを知っていたアンケートに答えることができます：Taylor Swiftのレパートリーの感情的な傾向。統計モデルを使用して曲の提案が推測されます。
3番目のパネルは、プロジェクトに使用される2つのデータセットを報告しています。最初のものは、数値感情基準スコアごとにテキストの説明を関連付けます。
考慮される基準は次のとおりです。自己感情、ガラスの半分の完全、うつ病、テンポ、深刻さ、将来の見通し、男性の感覚、一体感は次のとおりです。
2番目には、各曲の歌詞、感情的な基準、意味の説明、Spotify URLが含まれています。
独自のQDRANTクラスターを作成し、APIキーとURLをコピーします
GROQ APIキーを取得します
次のキーを含むこのルートフォルダーファイルにsecrets.tomlファイルを作成します： GROQ_API_KEY 、 QDRANT_API_KEY 、 QDRANT_CLIENT_URL 。ここでは、秘密がどのように機能するかをもっとよく確認できます
これで、現在のPython env/venvにローカルアプリをインストールするか、提供されたDockerFileを使用するかを選択できます。
secrets.tomlファイルをappositeフォルダーにコピーします（こちらの指示）
必要なパッケージをでインストールします
pip3 install -r requirements.txt
Notebook vector_db_upload.ipynbを実行して、データセットをベクトル化し、qdrantベクターdbにアップロードします
でアプリを実行します
streamlit run _Chat.py
アプリを構築します
docker build -t taylor .
Notebook vector_db_upload.ipynbを実行して、データセットをベクトル化し、qdrantベクターdbにアップロードします
アプリを実行します
docker run -p 8501:8501 taylor
このプロジェクトは完全にオープンソースであり、少し微調整して他のアーティストにも拡張できます。誰かがプロジェクトに貢献したい場合は、私は非常に控えめになります！
WebAppは、VectordbsとLLMS選択されたLLMの間のオーケストレーションツールはLangchainです。
ユーザーがプロンプトを送信すると、最初の叙情的な類似性検索が実行されますが、同時にLLMSは、 Emotional scoresページに示されている最初のデータベースによると、各基準の数値スコアを予測しようとします。その後、最高のK曲の基準DBSへのクエリが実行されます。次に、2つのクエリの結果がマージされ、最終提案のためにLLMへの追加コンテキストとして提供されます。
このシステムは、感情的な決定能力と推奨機能について評価されています。レポートの詳細情報。
便利なノートブック：
vector_db_upload.ipynb ：既存のqdrantクラスターに2つの提供されたデータベースをベクトル化してアップロードできますlyrics_summarization.ipynb ：歌詞に基づいて曲の意味を取得します
