Taylor s Tune
1.0.0
泰勒（Taylor）的曲調是一種情緒驅動的音樂推薦工具，可利用最新的尖端開源大型語言模型（例如Mixtral-8x7b，Llama3-70B，Llama3-7B，Gemma-7B，Gemma-7b），根據用戶的需求提供最佳的Taylor Swift歌曲。
您可以在此處嘗試作為WebApp嘗試，而如果您對技術部分更感興趣，則可以閱讀項目報告。
在此窗口中，用戶可以向代理解釋情感狀況和關係狀況，以便從中獲得建議。左側的小節提供了可以在可用型號中進行選擇的可能性，並調整了一些聊天式播放器，例如內存長度，建議的歌曲數量和最大LLM輸出令牌。
第二個面板允許用戶回答我知道您有麻煩的問卷：泰勒·斯威夫特（Taylor Swift）曲目中的情感趨勢，使用統計模型推斷出歌曲建議。
第三個面板報告了用於項目的兩個數據集。第一個將每個數值情感標準評分的文本描述關聯。
所考慮的標準是：自我的感覺，玻璃半滿，抑鬱的階段，節奏，嚴肅，未來的前景，男性的感覺，團結
第二個包含歌詞，情感標準，含義描述和每首歌的Spotify URL。
創建自己的QDrant群集，然後復制API鍵和URL
獲取GROQ API鍵
在此根文件夾文件中創建一個secrets.toml文件，其中包含以下鍵： GROQ_API_KEY ， QDRANT_API_KEY ， QDRANT_CLIENT_URL 。在這裡您可以更好地檢查秘密是如何工作的
現在，您可以選擇在當前的Python Env/VENV上安裝本地應用程序或使用提供的Dockerfile
在附屬文件夾中復制secrets.toml文件（在此處說明）
與
pip3 install -r requirements.txt
通過運行筆記本電腦vector_db_upload.ipynb ，將數據集矢量化並將其上傳到您的QDRANT矢量db
運行該應用程序
streamlit run _Chat.py
構建應用程序
docker build -t taylor .
通過運行筆記本電腦vector_db_upload.ipynb ，將數據集矢量化並將其上傳到您的QDRANT矢量db
運行應用程序
docker run -p 8501:8501 taylor
該項目是完全開源的，也可以擴展到其他一些小調整的藝術家。如果有人想為該項目做出貢獻，我將高度認可！
WebApp是使用簡化開發和託管的，而Vectordbs和LLMS中的編排工具是Langchain。
當用戶發送提示時，執行了第一個抒情相似性搜索，同時LLMS試圖預測每個條件的數值Emotional scores 。隨後，進行了對最佳K歌曲的標準DB的查詢。然後，合併了兩個查詢結果，並作為LLM的額外背景提供了最終建議。
該系統已被評估有關情緒的決定能力和推薦能力。在報告中有關它的更多信息。
有用的筆記本：
vector_db_upload.ipynb ：允許將兩個數據庫矢量化和上傳到您現有的QDRANT群集lyrics_summarization.ipynb ：根據歌詞獲得歌曲的含義描述
