Модели

Моделите на CLEVI са разделени на три продуктови линии: CIP, предназначена за общ интелект и автоматизация на работата; Cosa, предназначена за генериране и разпознаване на реч; и Cova, предназначена за извличане на информация от документи и изображения. Всеки продукт може да се използва самостоятелно или да бъде свързан в услуга, която обхваща разпознаване на документи, анализ, изпълнение на задачи и гласови инструкции.

CIP

CIP отговаря за общия интелект и автоматизацията на работата. Състои се от cip-5.5-im и cip-5.5-mm, които се извикват чрез шлюз, и cip-5.5-sm, който се разполага на edge сървъри и в локална инфраструктура.

cip-5.5-im и cip-5.5-mm

cip-5.5-im е подходящ за задачи с ясни цели и обхват. Типични примери са извличане на необходимата информация от предоставени материали, изготвяне на резултати в зададен формат и промяна на код според изискванията. Максималният изход от 64K се използва за подробни отчети или резултати, състоящи се от множество части.

• Помощ при разработката: създава функции и функционалности, поправя ясно дефинирани грешки и реализира решения в съответствие със съществуващите шаблони.
• Създаване на тестове: изготвя чернови на тестове и случаи за проверка въз основа на изискванията и реализацията.
• Обработка на документи: изпълнява обобщаване, класифициране, извличане на елементи, преобразуване на формати и изготвяне на чернови.
• Мултимодален анализ: преглежда таблици и диаграми в изображения на екрани и документи заедно със свързаните описания.
• Интерактивна работна поддръжка: отговаря на въпроси въз основа на работни материали и изготвя необходимите резултати.
• Масова обработка: използва се за индивидуално обобщаване на множество документи, класифициране на заявки и преобразуване на данни.
• Подагенти: изпълнява ясно ограничени подзадачи като проучване на код, преглед на конкретни файлове и организиране на материали.

Например използва се за получаване на функционални изисквания и свързан код, след което изготвя предложение за промени, тестове и описание на промените, или за класифициране на входящи документи и създаване на обобщение за отговорното лице.

cip-5.5-mm е подходящ за задачи, при които е необходимо да се разберат връзките между информацията и да се поддържа последователност на цялостната работа. При разработката проверява връзките между изискванията, дизайна, реализацията и тестовете, а при анализа на документи обобщава твърденията и доказателствата, разликите и противоречията в множество материали.

• Реализация на комплексни функционалности: променя едновременно код, тестове и документация, като отчита договорите и поведението на множество модули.
• Мащабен анализ на код: проверява връзките между извикванията, потока на данните и обхвата на въздействието на промените.
• Анализ на причините за инциденти: съпоставя логове, конфигурации, код и резултати от изпълнението, за да структурира хипотези за причините и процедури за проверка.
• Поддръжка на дизайна и вземането на решения: структурира изискванията и ограниченията и анализира влиянието на алтернативите за реализация.
• Синтезиран анализ на множество документи: обобщава приликите, разликите и противоречията в отчети и техническа документация въз основа на доказателства.
• Интегриран мултимодален преглед: интерпретира едновременно текстови и визуални материали, за да анализира проблеми и изисквания.
• Многостепенни агенти: използва се за задачи, включващи проучване, планиране, изпълнение на инструменти и преглед на резултатите.
• Изготвяне на специализирани документи: създава технически отчети, проектни предложения и подробни документи за преглед, отразяващи сложни условия и доказателства.

Например се използва за едновременен преглед на свързаните кодове за грешки и логове от няколко услуги или за задачи, които обхващат целия процес — от анализа на изискванията за сложна функционалност до прегледа на резултатите от реализацията и валидирането.

cip-5.5-sm

cip-5.5-sm извършва локално извеждане и автоматизация на задачи на edge сървъри и в локални среди. Тъй като размерът на модела може да се настройва в диапазона от 24B до 40B, конфигурацията може да бъде избрана според изчислителните ресурси на оборудването за внедряване и необходимата производителност на място. Обработката се извършва близо до мястото, където се генерират данните, затова моделът се използва за интеграция с локални системи и за използване на вътрешни данни. Ако необходимите модели и инструменти бъдат конфигурирани локално, той може да работи и в среди с ограничена външна свързаност.

Той интерпретира информацията, възникваща на място, и я свързва с процедурите за обработка. Класифицира логове и заявки, извлича необходимата информация от данните и изпълнява повтарящи се задачи чрез свързани вътрешни инструменти и скриптове.

• Обработка на събития на място: Класифицира логовете на оборудването и информацията за състоянието и избира събитията, които изискват проверка.
• Предварителна обработка на данни: Извлича ключови елементи от работните записи и ги класифицира, маркира и нормализира.
• Маршрутизиране на заявки: Предава получените заявки към отговорната система или процедура за обработка.
• Локален работен агент: Изпълнява повтарящи се задачи чрез справки във вътрешни системи и изпълнение на скриптове.
• Поддръжка на задачи в локална среда: Отговаря на въпроси въз основа на вътрешни материали и обобщава работното съдържание.
• Поддръжка на последващ анализ: Избира материалите, които изискват допълнителен преглед, и обобщава ключовото съдържание.

Например се използва за процес, който включва класифициране на оперативните логове на сървър на работното място, справка със свързаната история и изготвяне на обобщение на инцидента за отговорното лице.

Cosa

Cosa е продуктова линия за глас, която преобразува текст в реч, разпознава входящата реч като текст и позволява регистриране и повторно използване на желания глас. Използва се за сервизни указания, създаване на съдържание, поддръжка на достъпността и гласови интерфейси на разговорни агенти.

Генерирането на реч се извършва от cosa-a и cosa-b, а разпознаването на реч — от cosa-asr. cosa-a и cosa-b са отделни модели, всеки от които предоставя собствен списък с гласове и настройки за синтез, и се избират в един и същ сервизен интерфейс. Функциите, предоставяни общо от двата модела, са следните.

• Синтезиране на текст в реч: Синтезирайте въведения текст с избран глас.
• Клониране на глас: Регистрирайте глас въз основа на референтен запис, за който имате разрешение за използване, и синтезирайте нов текст.
• Дизайн на глас: Създайте и регистрирайте глас, като опишете желаните му характеристики.
• Повторно използване на глас: Използвайте регистриран глас за последващ синтез.
• Настройки за синтез: Регулирайте скоростта на говорене, езика и други параметри.
• Поточно предаване: Синтезирайте текста на фрази, веднага щом пристигне, и последователно предавайте аудиото.
• Управление на възпроизвеждането: Поддържайте пауза, възобновяване, спиране и въвеждане на допълнителен текст.

С постепенното въвеждане на текст можете да започнете възпроизвеждането на речта, преди целият отговор да е завършен. Докато CIP съставя отговора, можете да конфигурирате услуга, в която Cosa прочита подготвените фрази.

cosa-a

cosa-a поддържа синтезиране на текст в реч, клониране на глас, дизайн на глас и поточен изход. В допълнение към основните функции за избор на глас, език и скорост на говорене, предлага допълнителни настройки за управление, като броя на стъпките при синтеза, силата на насочване и дължината на генерирания резултат. Използва се за настройване на параметрите по време на създаването на глас, преглед на резултата или прилагане на няколко набора от настройки към един и същ сценарий и избор на резултат.

• Синтезирайте инструкции и известия за приложения, павилиони и работни системи.
• Създавайте аудио материали и ръководства за употреба.
• Създавайте narration за видео и аудио съдържание.
• Създавайте повтарящо се съдържание с регистриран глас.
• Използвайте го за поточен гласов изход на разговорни агенти.
• Използвайте го за създаване на глас чрез регулиране на подробни настройки за синтез.

cosa-b

cosa-b поддържа избор на предварително зададени гласове, дизайн на глас въз основа на описание, клониране въз основа на референтен глас и поточен изход. Можете да изберете глас от собствения списък с гласове или да регистрирате нов глас за използване в услугата.

За клониране на глас се използват референтен запис и съответстващият му текст. Поддържа се и процес, при който референтният текст се генерира чрез разпознаване на реч по време на регистрацията, а регистрираният глас се използва повторно при последващ синтез.

• Изграждайте гласови персони за услуги и герои.
• Създавайте персонализирани гласове чрез описание или референтен запис.
• Синтезирайте брандови инструкции, реплики на герои и narration за съдържание.
• Използвайте го за гласови отговори на разговорни агенти.
• Синтезирайте променящи се съобщения и сценарии с един и същ глас.

Когато избирате между cosa-a и cosa-b, се ръководете от желания глас, действителния резултат от синтеза и необходимите елементи за управление.

cosa-asr

cosa-asr преобразува входящата реч в текст. Той документира записи или преобразува подадени с глас заявки във вход, който последващите работни системи могат да обработят.

• Транскрибира гласови бележки и записи.
• Преобразува въпроси и работни заявки, подадени с глас, във вход.
• Генерира референтен текст за клониране на глас.
• Използва се за обработка, която след транскрипцията включва обобщаване, класифициране и търсене.

Когато предадете резултатите от транскрипцията на CIP, процесът продължава с обобщаване на съдържанието, класифициране на заявките и изготвяне на работни чернови. Като синтезирате резултатите от обработката с cosa-a или cosa-b, получавате работна услуга с гласов вход и изход.

Cova

cova-1 е специализиран за визуален OCR модел, базиран на LLM. Той разпознава текст от документи и изображения, извлича оформлението и структурата на таблиците и предоставя кратки описания на визуалните елементи.

Преобразува документите, предназначени за преглед от хора, във формат, удобен за използване от агенти и работни системи. Основният текст и таблиците се извличат като структурирано съдържание, а изображенията в документа се предават с кратки описания, така че последващият агент да може да разбере едновременно съдържанието на документа и визуалния контекст. Като първо се запознаете с материалите чрез извлечения текст и описанията, а след това допълнително преглеждате само оригиналите, които изискват подробна проверка, можете да намалите необходимостта от многократно подаване на оригиналните изображения и да спестите контекстови токени.

• Дигитализация на документи: Преобразува хартиени документи и сканирани материали в текстови материали.
• Приемане на служебни документи: Извлича съдържание от заявления, доказателствени материали и отчети.
• Обработка на таблични данни: Използва таблиците, включени в документите, за последваща обработка на данни.
• Предварителна обработка за търсене на знания: Преобразува изображения на документи и визуални материали в текст и структура, които могат да се търсят.
• Автоматизиране на прегледа на документи: Предава извлечените резултати на CIP за проверка на елементи, обобщаване и сравнение между материали.
• Оптимизиране на входа за агента: Подрежда основния текст, таблиците и описанията на изображенията в дълги документи, за да предаде само необходимата информация.

Например извлича основния текст и таблиците от отчет, като описва включената графика като графика, показваща тримесечната тенденция на продажбите. С това описание агентът разбира наличието и предназначението на графиката и когато са необходими точни стойности или тенденции, проверява допълнително съответния оригинал.

Свързване на продуктови групи

Чрез свързване на продуктите можете да конфигурирате следния поток.

• Работа на базата на документи: Cova извлича основния текст, таблиците и описанията на изображенията, CIP селективно проверява необходимите оригинали, за да извърши анализ и обработка на задачи, а Cosa предава резултатите чрез глас.
• Работа на базата на глас: Cosa ASR преобразува гласовите заявки в текст, а cosa-a или cosa-b прочита отговорите, обработени от CIP.
• Автоматизация на място: cip-5.5-sm класифицира данните на място и изпълнява локални задачи, а материалите, изискващи допълнителен цялостен анализ, се предават на cip-5.5-im или cip-5.5-mm.

Разрешени повиквания в шлюза

Планът на шлюза определя разрешените извиквания за всеки модел. Таблицата по-долу показва обхвата, отворен от плановете LLM_FREE, TTS_FREE и STT_FREE, които се прилагат автоматично без подаване на заявление. Моделите, отворени чрез други маршрути, не са включени.

cip-5.5-sm и cova-1 не са включени в тази таблица с планове. cip-5.5-im-chat, cip-5.5-mm-h, cosa-tts, ivy-4-embedding, ivy-4-embedding-mm и ivy-4-mm в таблицата са идентификатори на модели, които не са включени в описанието на продуктите по-горе. В документацията за извършване на API повиквания е посочено към кой маршрут се отнася ключът за извикване.