Taylor s Tune

️การปรับแต่งของเทย์เลอร์️

Taylor's Tune เป็นเครื่องมือแนะนำเพลงที่ขับเคลื่อนด้วยอารมณ์ที่ใช้ประโยชน์จากโอเพ่นซอร์สที่ทันสมัยล่าสุดรุ่นใหม่ รุ่นภาษาขนาดใหญ่ (เช่น Mixtral-8x7b, Llama3-70B, Llama3-7B, Gemma-7b) เพื่อให้เพลงที่รวดเร็วที่สุดของ Taylor

คุณสามารถลองเป็น Webapp ได้ที่นี่ในขณะที่คุณสนใจส่วนทางเทคนิคมากขึ้นคุณสามารถอ่านรายงานโครงการได้

- หน้าจอ

ส่วนแชท

ในหน้าต่างนี้ผู้ใช้สามารถอธิบายสถานะทางอารมณ์และสถานการณ์ความสัมพันธ์ให้ตัวแทนได้รับคำแนะนำจากมันให้กับตัวแทน ส่วนย่อยทางด้านซ้ายมีความเป็นไปได้ที่จะเลือกระหว่างรุ่นที่มีอยู่รวมถึงการปรับแต่งแชทไฮเปอร์พารามิเตอร์เช่น ความยาวหน่วยความจำจำนวนเพลงที่แนะนำและโทเค็นเอาท์พุท LLM สูงสุด

ส่วนคำถามทางอารมณ์

แผงที่สองนี้ช่วยให้ผู้ใช้สามารถตอบแบบสอบถามที่เสนอใน ฉันรู้ว่าคุณมีปัญหา: แนวโน้มทางอารมณ์ในเพลงของ Taylor Swift ซึ่งเพลงแนะนำโดยใช้แบบจำลองทางสถิติ

ส่วนคะแนนอารมณ์

แผงที่สามรายงานชุดข้อมูลทั้งสองที่ใช้สำหรับโครงการ คนแรกเชื่อมโยงคำอธิบายที่เป็นข้อความสำหรับคะแนนเกณฑ์ทางอารมณ์เชิงตัวเลขแต่ละคะแนน
เกณฑ์ที่พิจารณาคือ: ความรู้สึกของตัวเอง, แก้วครึ่งเต็ม, ขั้นตอนของภาวะซึมเศร้า, จังหวะ, ความจริงจัง, โอกาสในอนาคต, ความรู้สึกของผู้ชาย, ร่วมกัน

อันที่สองมีเนื้อเพลงเกณฑ์ทางอารมณ์คำอธิบายความหมายและ URL Spotify ของแต่ละเพลง

- การตั้งค่าและเรียกใช้

ตั้งค่าบริการเบื้องต้น

1. สร้างคลัสเตอร์ Qdrant ของคุณเองจากนั้นคัดลอกคีย์ API และ URL

2. รับคีย์ groq api

3. สร้างไฟล์ secrets.toml ในไฟล์รูทโฟลเดอร์นี้ที่มีคีย์ต่อไปนี้: GROQ_API_KEY , QDRANT_API_KEY , QDRANT_CLIENT_URL ที่นี่คุณสามารถตรวจสอบได้ดีขึ้นว่าความลับทำงานอย่างไร

ตอนนี้คุณสามารถเลือกที่จะติดตั้งแอพท้องถิ่นบน Python ENV/VENV ปัจจุบันของคุณหรือใช้ DockerFile ที่ให้ไว้

ตัวเลือกที่ 1: การติดตั้งในพื้นที่

1. คัดลอกไฟล์ secrets.toml ในโฟลเดอร์ Apposite (คำแนะนำที่นี่)

2. ติดตั้งแพ็คเกจที่ต้องการด้วย

    pip3 install -r requirements.txt
   

3. vectorize ชุดข้อมูลและอัปโหลดไปยัง Qdrant Vector db ของคุณโดยเรียกใช้ Notebook vector_db_upload.ipynb

4. เรียกใช้แอพด้วย

    streamlit run _Chat.py
   

ตัวเลือกที่ 2: การใช้ DockerFile

1. สร้างแอพ

    docker build -t taylor .
   

2. vectorize ชุดข้อมูลและอัปโหลดไปยัง Qdrant Vector db ของคุณโดยเรียกใช้ Notebook vector_db_upload.ipynb

3. เรียกใช้แอพ

    docker run -p 8501:8501 taylor
   

หมายเหตุสุดท้าย / โอเพ่นซอร์ส

โครงการเป็นโอเพ่นซอร์สอย่างเต็มที่และสามารถขยายไปยังศิลปินคนอื่น ๆ ที่มีการปรับแต่งเล็กน้อย ฉันจะได้รับการรับรองอย่างมากหากมีคนต้องการมีส่วนร่วมในโครงการ!

ภาคผนวก

สถาปัตยกรรมระบบ

WebApp ได้รับการพัฒนาและโฮสต์โดยใช้ Streamlit ในขณะที่เครื่องมือ orchestration ในหมู่ vectordbs และ LLM ที่เลือกคือ langchain

เมื่อผู้ใช้ส่งพรอมต์การค้นหาความคล้ายคลึงกันของโคลงสั้น ๆ ครั้งแรกจะดำเนินการในขณะเดียวกัน LLMS พยายามทำนายคะแนนตัวเลขสำหรับแต่ละเกณฑ์ตามฐานข้อมูลแรกที่แสดงในหน้า Emotional scores ต่อจากนั้นมีการสืบค้นเกณฑ์ DBS สำหรับเพลง K ที่ดีที่สุด จากนั้นผลลัพธ์การสืบค้นทั้งสองจะถูกรวมเข้าด้วยกันและให้เป็นบริบทพิเศษกับ LLM สำหรับคำแนะนำสุดท้าย

ระบบได้รับการประเมินเกี่ยวกับความสามารถในการตัดสินใจทางอารมณ์และความสามารถในการแนะนำ ข้อมูลเพิ่มเติมเกี่ยวกับเรื่องนี้ในรายงาน

สมุดบันทึกที่มีประโยชน์

สมุดบันทึกที่มีประโยชน์:

• vector_db_upload.ipynb : อนุญาตให้ vectorize และอัปโหลดสองฐานข้อมูลที่ให้ไปยังคลัสเตอร์ qdrant ที่มีอยู่ของคุณ
• lyrics_summarization.ipynb : รับคำอธิบายความหมายของเพลงตามเนื้อเพลงของมัน