Taylor s Tune

️ Taylor's-Tune ️

Tune's Tune -это инструмент для музыкальных рекомендаций, основанный на настроении, который использует новейшие современные модели с открытым исходным кодом (такие как Mixtral-8x7b, Llama3-70b, Llama3-7b, Gemma-7b), чтобы обеспечить лучшие песни Тейлора в соответствии с потребностями пользователей.

Вы можете попробовать его в качестве веб -приложения, в то время как, если вы больше заинтересованы в технической части, вы можете прочитать отчет о проекте.

? Экраны

Раздел чата

В этом окне пользователь может объяснить агенту эмоциональный статус и ситуацию отношений, чтобы получить от него советы. Подраздел слева дает возможность выбрать среди доступных моделей, а также настройку некоторых чатов-гиперпараметров, таких как длина памяти, количество предлагаемых песен и максимальные токены LLM .

❤ Раздел эмоциональных вопросов

Эта вторая панель позволяет пользователю ответить на вопросник, предложенный в «Я знал», что вы были проблемы: эмоциональные тенденции в репертуаре Тейлор Свифт , с которым выводятся предложения по песням с использованием статистической модели.

Раздел эмоциональных результатов

Третья панель сообщает два набора данных, используемые для проекта. Первый ассоциирует текстовое описание для каждого численного оценки эмоционального критерия.
Рассматриваемые критерии: чувство я, наполовину полное стекло, этапы депрессии, темп, серьезность, будущие перспективы, чувство мужчины, единения

Второй содержит тексты, эмоциональные критерии, значение значения и URL -адрес Spotify каждой песни.

? Настройка и запустить

Настройка предварительных услуг

1. Создайте свой собственный кластер Qdrant, затем скопируйте ключ API и URL

2. Получите ключ API Groq

3. Создайте файл secrets.toml в этом файле корневой папки, содержащий следующие клавиши: GROQ_API_KEY , QDRANT_API_KEY , QDRANT_CLIENT_URL . Здесь вы можете лучше проверить, как работают секреты

Теперь вы можете выбрать либо установку локального приложения на текущий Python Env/Venv, либо использовать Defen Dockerfile

Вариант 1: локальная установка

1. Скопируйте файл secrets.toml в папке Abostice (инструкции здесь)

2. Установите необходимые пакеты с

    pip3 install -r requirements.txt
   

3. Векторизировать наборы данных и загрузить их в свой Qdrant Vector DB, запустив ноутбук vector_db_upload.ipynb

4. Запустить приложение с помощью

    streamlit run _Chat.py
   

Вариант 2: Использование DockerFile

1. Построить приложение

    docker build -t taylor .
   

2. Векторизировать наборы данных и загрузить их в свой Qdrant Vector DB, запустив ноутбук vector_db_upload.ipynb

3. Запустить приложение

    docker run -p 8501:8501 taylor
   

Окончательные примечания / открытый исходный код

Проект полностью с открытым исходным кодом, и он может быть распространен также на других художников с небольшими изменениями. Я очень усердно буду утверждать, если кто -то захочет внести свой вклад в проект!

Приложение

Системная архитектура

Веб -приложение было разработано и размещено с использованием потоковой связи, в то время как инструмент оркестровки среди Vectordbs и выбранных LLMS является Langchain.

Когда пользователь отправляет подсказку, выполняется первый лирический поиск сходства, в то время как LLMS пытается предсказать числовые оценки для каждого критерия, в соответствии с первой базой данных, показанной на странице Emotional scores . Впоследствии выполняется запрос на критерии DBS для лучших k песен. Затем два результата запроса объединены и предоставляются в качестве дополнительного контекста для LLM для окончательного предложения.

Система была оценена на эмоциональную возможность упаковки и на способность рекомендации. Больше информации об этом в отчете.

Полезные записные книжки

Полезные записные книжки:

• vector_db_upload.ipynb : позволяет векторизировать и загружать две предоставленные базы данных в существующий кластер Qdrant
• lyrics_summarization.ipynb : Get Song's Lize Описание на основе ее текстов