Taylor s Tune

Taylor's-tune️

泰勒（Taylor）的曲调是一种情绪驱动的音乐推荐工具，可利用最新的尖端开源大型语言模型（例如Mixtral-8x7b，Llama3-70B，Llama3-7B，Gemma-7B，Gemma-7b），根据用户的需求提供最佳的Taylor Swift歌曲。

您可以在此处尝试作为WebApp尝试，而如果您对技术部分更感兴趣，则可以阅读项目报告。

？屏幕

聊天部分

在此窗口中，用户可以向代理解释情感状况和关系状况，以便从中获得建议。左侧的小节提供了可以在可用型号中进行选择的可能性，并调整了一些聊天式播放器，例如内存长度，建议的歌曲数量和最大LLM输出令牌。

❤️情感问题部分

第二个面板允许用户回答我知道您有麻烦的问卷：泰勒·斯威夫特（Taylor Swift）曲目中的情感趋势，使用统计模型推断出歌曲建议。

情感分数部分

第三个面板报告了用于项目的两个数据集。第一个将每个数值情感标准评分的文本描述关联。
所考虑的标准是：自我的感觉，玻璃半满，抑郁的阶段，节奏，严肃，未来的前景，男性的感觉，团结

第二个包含歌词，情感标准，含义描述和每首歌的Spotify URL。

？设置并运行

设置初步服务

1. 创建自己的QDrant群集，然后复制API键和URL

2. 获取GROQ API键

3. 在此根文件夹文件中创建一个secrets.toml文件，其中包含以下键： GROQ_API_KEY ， QDRANT_API_KEY ， QDRANT_CLIENT_URL 。在这里您可以更好地检查秘密是如何工作的

现在，您可以选择在当前的Python Env/VENV上安装本地应用程序或使用提供的Dockerfile

选项1：本地安装

1. 在附属文件夹中复制secrets.toml文件（在此处说明）

2. 与

    pip3 install -r requirements.txt
   

3. 通过运行笔记本电脑vector_db_upload.ipynb ，将数据集矢量化并将其上传到您的QDRANT矢量db

4. 运行该应用程序

    streamlit run _Chat.py
   

选项2：使用Dockerfile

1. 构建应用程序

    docker build -t taylor .
   

2. 通过运行笔记本电脑vector_db_upload.ipynb ，将数据集矢量化并将其上传到您的QDRANT矢量db

3. 运行应用程序

    docker run -p 8501:8501 taylor
   

最终笔记 /开源

该项目是完全开源的，也可以扩展到其他一些小调整的艺术家。如果有人想为该项目做出贡献，我将高度认可！

附录

系统体系结构

WebApp是使用简化开发和托管的，而Vectordbs和LLMS中的编排工具是Langchain。

当用户发送提示时，执行了第一个抒情相似性搜索，同时LLMS试图预测每个条件的数值Emotional scores 。随后，进行了对最佳K歌曲的标准DB的查询。然后，合并了两个查询结果，并作为LLM的额外背景提供了最终建议。

该系统已被评估有关情绪的决定能力和推荐能力。在报告中有关它的更多信息。

有用的笔记本

有用的笔记本：

• vector_db_upload.ipynb ：允许将两个数据库矢量化和上传到您现有的QDRANT群集
• lyrics_summarization.ipynb ：根据歌词获得歌曲的含义描述