Taylor s Tune
1.0.0
Taylor 's Tune은 사용자의 요구에 따라 최고의 Taylor의 신속한 노래를 제공하기 위해 최신 최신 오픈 소스 대형 언어 모델 (예 : Mixtral-8x7b, LLAMA3-7B, Gemma-7B 등)을 활용하는 기분 중심의 음악 추천 도구입니다.
여기에서 웹 앱으로 시도 할 수 있지만 기술적 인 부분에 더 관심이 있다면 프로젝트 보고서를 읽을 수 있습니다.
이 창에서 사용자는 상담원에게 감정적 상태와 관계 상황을 설명하여 조언을 얻을 수 있습니다. 왼쪽의 하위 섹션은 사용 가능한 모델 중에서 선택할 수 있으며 메모리 길이, 제안 된 노래 수 및 최대 LLM 출력 토큰과 같은 일부 채팅 하이퍼 파라미터를 조정할 수 있습니다.
이 두 번째 패널을 사용하면 사용자가 제안 된 설문지에 답변 할 수 있습니다 . Taylor Swift 레퍼토리의 감정적 트렌드는 통계 모델을 사용하여 노래 제안이 추론됩니다.
세 번째 패널은 프로젝트에 사용 된 두 개의 데이터 세트를보고합니다. 첫 번째는 각 숫자 감정적 기준 점수에 대한 텍스트 설명을 연관시킵니다.
고려 된 기준은 다음과 같습니다. 자아, 유리 반 충만, 우울증 단계, 템포, 진지함, 미래 전망, 남성의 느낌, 공생
두 번째는 가사, 감정적 기준, 의미 설명 및 각 노래의 Spotify URL을 포함합니다.
나만의 Qdrant 클러스터를 작성한 다음 API 키와 URL을 복사하십시오.
Groq API 키를 얻으십시오
다음 키가 포함 된이 루트 폴더 파일에서 GROQ_API_KEY , QDRANT_API_KEY , QDRANT_CLIENT_URL 포함하는 secrets.toml 작성하십시오. 여기에서 비밀이 어떻게 작동하는지 확인할 수 있습니다
이제 현재 Python Env/Venv에 로컬 앱을 설치하거나 제공된 Dockerfile을 사용하도록 선택할 수 있습니다.
Apposite 폴더에 secrets.toml 파일을 복사하십시오 (여기서 지침)
필요한 패키지를 설치하십시오
pip3 install -r requirements.txt
노트북 vector_db_upload.ipynb 실행하여 데이터 세트를 벡터화하고 Qdrant 벡터 DB에 업로드하십시오.
앱을 실행하십시오
streamlit run _Chat.py
앱을 빌드하십시오
docker build -t taylor .
노트북 vector_db_upload.ipynb 실행하여 데이터 세트를 벡터화하고 Qdrant 벡터 DB에 업로드하십시오.
앱을 실행하십시오
docker run -p 8501:8501 taylor
이 프로젝트는 완전히 오픈 소스이며 약간의 조정이있는 다른 아티스트들에게도 확장 될 수 있습니다. 누군가가 프로젝트에 기여하고 싶다면 나는 매우 승인 할 것입니다!
WebApp은 Sleamlit을 사용하여 개발 및 호스팅되었으며 vectordbs 및 LLMS 중 오케스트레이션 도구는 Langchain입니다.
사용자가 프롬프트를 보내면 첫 번째 서정적 유사성 검색이 수행되는 반면, LLMS는 Emotional scores 페이지에 설명 된 첫 번째 데이터베이스에 따라 각 기준의 수치 점수를 예측하려고합니다. 그 후 최고의 K 노래에 대한 기준 DBS에 대한 쿼리가 수행됩니다. 그런 다음 두 쿼리 결과가 병합되어 최종 제안을 위해 LLM에 대한 추가 컨텍스트로 제공됩니다.
이 시스템은 정서적 몰수 능력과 권장 기능에 대해 평가되었습니다. 보고서에 대한 자세한 정보.
유용한 노트북 :
vector_db_upload.ipynb : 제공된 두 데이터베이스를 기존 Qdrant 클러스터에 벡터화하고 업로드 할 수 있습니다.lyrics_summarization.ipynb : 가사를 기반으로 노래의 의미 설명을 얻으십시오.
