WhisperMesh
1.0.0
WhisperMesh é o seu chatbot de ponta que combina perfeitamente as interações de voz e texto, criando uma experiência de conversação rica e intuitiva. Com o poder dos modelos LLM e um banco de dados vetorial sofisticado, o WhisperMesh entende suas necessidades como nunca antes, fornecendo respostas personalizadas que ressoam com suas consultas.
Aproveitando a estrutura do RAG da Haystack, nosso aplicativo se destaca na extração de informações relevantes, garantindo que toda interação não seja apenas envolvente, mas também orientada a dados. Se você prefere falar ou digitar, o WhisperMesh se adapta ao seu estilo, transformando sua opinião em respostas perspicazes com um toque pessoal.
Participe da conversa com o WhisperMesh, onde sua voz é importante, e deixe -nos guiá -lo através de um mundo de conhecimento e descoberta! ?
A arquitetura descreve um aplicativo Stirathit integrado à estrutura Haystack para facilitar o upload de documentos, consultas e geração de respostas. Os usuários carregam documentos em PDF através do aplicativo, que são processados e indexados por componentes do palheiro, incluindo produtos de limpeza de documentos, divisores e incorporadores que convertem documentos em representações vetoriais usando o modelo coere, armazenado no banco de dados de vetores de barganha. Quando um usuário envia uma consulta de voz, ele é transcrito para o texto, incorporado a um vetor e combinado com os vetores de documentos armazenados para recuperar pedaços relevantes. Esses pedaços são alimentados no modelo generativo Gemma 7B para gerar uma resposta coerente, que é convertida novamente em áudio para saída do usuário. Esse sistema aproveita as técnicas avançadas de PNL para garantir a recuperação eficiente e precisa da recuperação de documentos e a geração de respostas. 
O WhisperMesh oferece uma experiência de conversação de ponta, misturando entradas de voz e texto, permitindo que você se comunique da maneira que mais lhe convier.
Alimentado por modelos de idiomas grandes (LLMS) de última geração, o WhisperMesh entende profundamente suas necessidades e fornece respostas personalizadas que ressoam com suas consultas.
Utilizando o QDRANT como nosso banco de dados vetorial, o WhisperMesh gerencia e recupera com eficiência informações relevantes, garantindo interações orientadas a dados que aprimorem o envolvimento do usuário.
Nosso aplicativo aproveita o modelo de incorporação de coere para um entendimento semântico eficaz, garantindo que toda interação seja perspicaz e contextualmente ciente.
Com o modelo Whisper-Large-V3 da Groq Cloud, o WhisperMesh se destaca na conversão de fala em texto, tornando as interações de voz suaves e precisas.
Empregando o modelo gemma-7b-it da Groq Cloud, nosso aplicativo gera respostas personalizadas, adicionando um toque único a todas as conversas.
Aproveitando a estrutura do trapo (geração de recuperação de recuperação) da Haystack , o WhisperMesh se destaca na extração de informações relevantes, garantindo que suas interações sejam envolventes e informativas.
git clone https://github.com/Mouez-Yazidi/WhisperMesh.git
cd WhisperMesh Crie um arquivo .env e adicione as seguintes variáveis de acordo com as credenciais que você obteve nas plataformas necessárias:
COHERE_API_KEY=
GROQ_API=
GROQ_KEY=
QDRANT_API=
QDRANT_KEY=
Navegue até o diretório local e instale as dependências necessárias:
cd local
pip install -r requirements.txtPara executar o aplicativo localmente, execute o seguinte comando:
streamlit run ../app/main.py --environment localAgora você deve poder acessar o aplicativo em http: // localhost: 8501.
Se você preferir executar o aplicativo em um contêiner do Docker, siga estas etapas:
docker build -t whispermesh -f Dockerfile ..docker run -p 8501:8501 whispermesh streamlit run main.py --environment localVerifique se o seu código é empurrado para um repositório do GitHub.
COHERE_API_KEY = " "
GROQ_API = " "
GROQ_KEY = " "
QDRANT_API = " "
QDRANT_KEY = " "Cloud de streamlit irá:
? Você está pronto! Seu aplicativo agora estará ao vivo na Cloud de streamlit!
Se você apreciar este projeto, ficaria agradecido se você pudesse dar uma estrela no Github. Seu apoio nos motiva a aprimorar e expandir nosso trabalho!
Este projeto está licenciado sob a licença do MIT. Consulte o arquivo de licença para obter mais detalhes.
Se você tiver alguma dúvida ou sugestão, não hesite em abrir um problema ou entre em contato conosco em [email protected].
