মডেল

CLEVI-এর মডেলগুলো তিনটি পণ্য পরিবারে বিভক্ত: সাধারণ বুদ্ধিমত্তা ও কাজের স্বয়ংক্রিয়তার জন্য CIP, কণ্ঠস্বর সংশ্লেষণ ও শনাক্তকরণের জন্য Cosa, এবং নথি ও ছবির তথ্য আহরণের জন্য Cova। প্রতিটি পণ্য স্বাধীনভাবে ব্যবহার করা যায় অথবা নথি শনাক্তকরণ, বিশ্লেষণ, কাজ সম্পাদন ও কণ্ঠ নির্দেশনার ধারাবাহিক পরিষেবায় সংযুক্ত করা যায়।

CIP

CIP সাধারণ বুদ্ধিমত্তা ও কাজের স্বয়ংক্রিয়তার দায়িত্বে রয়েছে। এটি গেটওয়ের মাধ্যমে কল করা cip-5.5-im ও cip-5.5-mm এবং এজ সার্ভার ও অন-প্রিমাইসে স্থাপনযোগ্য cip-5.5-sm নিয়ে গঠিত।

cip-5.5-im ও cip-5.5-mm

cip-5.5-im এমন কাজের জন্য উপযুক্ত, যেখানে লক্ষ্য ও কাজের পরিধি স্পষ্ট। প্রদত্ত উপকরণ থেকে প্রয়োজনীয় তথ্য বের করা, নির্ধারিত ফরম্যাটে ফলাফল তৈরি করা এবং প্রয়োজনীয়তা অনুযায়ী কোড সংশোধন করা এর প্রধান উদাহরণ। সর্বোচ্চ 64K আউটপুট বিস্তারিত প্রতিবেদন বা একাধিক অংশের ফলাফল তৈরিতে ব্যবহার করা হয়।

• ডেভেলপমেন্ট সহায়তা: ফাংশন ও বৈশিষ্ট্য তৈরি করা, স্পষ্ট পরিধির বাগ সংশোধন করা এবং বিদ্যমান প্যাটার্ন অনুসরণ করে বাস্তবায়ন করা।
• টেস্ট তৈরি: প্রয়োজনীয়তা ও বাস্তবায়নের ভিত্তিতে টেস্টের খসড়া এবং যাচাইকরণ কেস তৈরি করা।
• ডকুমেন্ট প্রক্রিয়াকরণ: সারসংক্ষেপ, শ্রেণিবিন্যাস, আইটেম নিষ্কাশন, ফরম্যাট রূপান্তর এবং খসড়া তৈরির কাজ করা।
• মাল্টিমোডাল বিশ্লেষণ: স্ক্রিনের ছবি এবং নথির টেবিল ও চার্ট সংশ্লিষ্ট ব্যাখ্যাসহ পর্যালোচনা করা।
• ইন্টারঅ্যাকটিভ কাজের সহায়তা: কাজের উপকরণের ভিত্তিতে প্রশ্নের উত্তর দেওয়া এবং প্রয়োজনীয় ফলাফল তৈরি করা।
• বৃহৎ পরিসরের প্রক্রিয়াকরণ: একাধিক নথির পৃথক সারসংক্ষেপ, অনুরোধের শ্রেণিবিন্যাস এবং ডেটা রূপান্তরে ব্যবহার করা।
• সাবএজেন্ট: কোড অনুসন্ধান, নির্দিষ্ট ফাইল পর্যালোচনা এবং উপকরণ গোছানোর মতো স্পষ্ট সীমানার অধীন কাজ সম্পন্ন করা।

উদাহরণস্বরূপ, বৈশিষ্ট্যের প্রয়োজনীয়তা ও সংশ্লিষ্ট কোড নিয়ে সংশোধনী প্রস্তাব, টেস্ট এবং পরিবর্তনের ব্যাখ্যা তৈরি করা, অথবা জমা দেওয়া নথি শ্রেণিবদ্ধ করে দায়িত্বপ্রাপ্ত ব্যক্তির জন্য সারসংক্ষেপ তৈরি করার কাজে এটি ব্যবহার করা হয়।

cip-5.5-mm এমন কাজের জন্য উপযুক্ত, যেখানে তথ্যের মধ্যকার সম্পর্ক বোঝা এবং পুরো কাজের সামঞ্জস্য বজায় রাখা প্রয়োজন। ডেভেলপমেন্টে এটি প্রয়োজনীয়তা, নকশা, বাস্তবায়ন ও টেস্টের সংযোগ পর্যালোচনা করে; আর নথি বিশ্লেষণে একাধিক উপকরণের দাবি ও প্রমাণ, পার্থক্য এবং অসঙ্গতি সমন্বিতভাবে বিশ্লেষণ করে।

• জটিল বৈশিষ্ট্য বাস্তবায়ন: একাধিক মডিউলের চুক্তি ও আচরণ বিবেচনা করে কোড, টেস্ট এবং নথি একসঙ্গে পরিবর্তন করা।
• বৃহৎ পরিসরের কোড বিশ্লেষণ: কল সম্পর্ক, ডেটা প্রবাহ এবং পরিবর্তনের প্রভাবের পরিধি পর্যালোচনা করা।
• সমস্যার কারণ বিশ্লেষণ: লগ, কনফিগারেশন, কোড এবং কার্যসম্পাদনের ফলাফল তুলনা করে সম্ভাব্য কারণ ও যাচাইকরণ প্রক্রিয়া সাজানো।
• নকশা ও সিদ্ধান্ত গ্রহণে সহায়তা: প্রয়োজনীয়তা ও সীমাবদ্ধতাকে কাঠামোবদ্ধ করা এবং বাস্তবায়নের বিকল্পগুলোর প্রভাব বিশ্লেষণ করা।
• একাধিক নথির সমন্বিত বিশ্লেষণ: প্রতিবেদন ও প্রযুক্তিগত নথির মিল, পার্থক্য এবং অসঙ্গতি প্রমাণের ভিত্তিতে সাজানো।
• মাল্টিমোডাল সমন্বিত পর্যালোচনা: পাঠ্য ও ভিজ্যুয়াল উপকরণ একসঙ্গে ব্যাখ্যা করে সমস্যা ও প্রয়োজনীয়তা বিশ্লেষণ করা।
• বহু-ধাপের এজেন্ট: অনুসন্ধান, পরিকল্পনা, টুল ব্যবহারের মাধ্যমে সম্পাদন এবং ফলাফল পর্যালোচনার ধারাবাহিক কাজের জন্য ব্যবহার করা।
• পেশাদার নথি লেখা: জটিল শর্ত ও প্রমাণ অন্তর্ভুক্ত করে প্রযুক্তিগত প্রতিবেদন, নকশা প্রস্তাব এবং বিস্তারিত পর্যালোচনা নথি তৈরি করা।

উদাহরণস্বরূপ, একাধিক পরিষেবা থেকে উদ্ভূত ত্রুটির সংশ্লিষ্ট কোড ও লগ একসঙ্গে পর্যালোচনা করা, অথবা জটিল ফিচারের প্রয়োজনীয়তা বিশ্লেষণ থেকে বাস্তবায়ন এবং যাচাইয়ের ফলাফল পর্যালোচনা পর্যন্ত ধারাবাহিক কাজের জন্য এটি ব্যবহার করা হয়।

cip-5.5-sm

cip-5.5-sm এজ সার্ভার এবং অন-প্রিমাইস পরিবেশে স্থানীয় ইনফারেন্স ও কাজের স্বয়ংক্রিয়তা সম্পাদন করে। মডেলের আকার 24B~40B পরিসরের মধ্যে সমন্বয় করা যায়, তাই ডিপ্লয়মেন্ট সরঞ্জামের গণনামূলক সম্পদ এবং সাইটের প্রয়োজনীয় কর্মক্ষমতার সঙ্গে সামঞ্জস্য রেখে কনফিগারেশন নির্বাচন করা যায়। ডেটা উৎপন্ন হওয়ার স্থানের কাছাকাছি প্রক্রিয়াকরণ করা হয় বলে এটি সাইটের সিস্টেমের সঙ্গে সংযোগ এবং অভ্যন্তরীণ ডেটা ব্যবহারে কাজে লাগে। প্রয়োজনীয় মডেল ও টুল স্থানীয়ভাবে কনফিগার করলে বাহ্যিক সংযোগ সীমিত পরিবেশেও এটি পরিচালনা করা যায়।

এটি সাইটে উৎপন্ন তথ্য ব্যাখ্যা করে প্রক্রিয়াকরণের ধাপের সঙ্গে সংযুক্ত করার ভূমিকা পালন করে। এটি লগ ও অনুরোধ শ্রেণিবদ্ধ করে, ডেটা থেকে প্রয়োজনীয় তথ্য изв করে এবং সংযুক্ত অভ্যন্তরীণ টুল ও স্ক্রিপ্টের মাধ্যমে পুনরাবৃত্ত কাজ সম্পাদন করে।

• সাইটের ইভেন্ট প্রক্রিয়াকরণ: সরঞ্জামের লগ ও স্ট্যাটাস তথ্য শ্রেণিবদ্ধ করে এবং যাচাই প্রয়োজন এমন ইভেন্ট নির্বাচন করে।
• ডেটা প্রিপ্রসেসিং: কাজের রেকর্ড থেকে মূল বিষয়গুলো বের করে শ্রেণিবদ্ধ, ট্যাগ ও স্বাভাবিকীকরণ করে।
• অনুরোধ রাউটিং: গৃহীত অনুরোধ সংশ্লিষ্ট সিস্টেম বা প্রক্রিয়াকরণের ধাপে পাঠায়।
• স্থানীয় কাজের এজেন্ট: অভ্যন্তরীণ সিস্টেম অনুসন্ধান ও স্ক্রিপ্ট সম্পাদনের মাধ্যমে পুনরাবৃত্ত কাজ সম্পাদন করে।
• অন-প্রিমাইস কাজের সহায়তা: অভ্যন্তরীণ উপকরণের ভিত্তিতে প্রশ্নের উত্তর দেয় এবং কাজের বিষয়বস্তু সংক্ষেপে সাজায়।
• পরবর্তী বিশ্লেষণ সহায়তা: অতিরিক্ত পর্যালোচনা প্রয়োজন এমন উপকরণ নির্বাচন করে এবং মূল বিষয়বস্তু সংক্ষেপে সাজায়।

উদাহরণস্বরূপ, কোনো ব্যবসা প্রতিষ্ঠানের সার্ভারে পরিচালন লগ শ্রেণিবদ্ধ করা, সংশ্লিষ্ট ইতিহাস অনুসন্ধান করা এবং এরপর দায়িত্বপ্রাপ্ত ব্যক্তির জন্য ঘটনার সারাংশ তৈরি করার প্রক্রিয়ায় এটি ব্যবহার করা হয়।

Cosa

Cosa হলো একটি ভয়েস পণ্যসমষ্টি, যা টেক্সটকে কণ্ঠে রূপান্তর করে, ইনপুট কণ্ঠকে টেক্সট হিসেবে শনাক্ত করে এবং পছন্দের কণ্ঠ নিবন্ধন করে পুনরায় ব্যবহার করতে দেয়। এটি পরিষেবা নির্দেশনা, কনটেন্ট তৈরি, অ্যাক্সেসিবিলিটি সহায়তা এবং কথোপকথনমূলক এজেন্টের ভয়েস ইন্টারফেসে ব্যবহৃত হয়।

ভয়েস তৈরি cosa-a এবং cosa-b-এর দায়িত্বে, আর ভয়েস শনাক্তকরণ cosa-asr-এর দায়িত্বে। cosa-a এবং cosa-b পৃথক মডেল, যেগুলো নিজ নিজ কণ্ঠের তালিকা ও সংশ্লেষণ সেটিং প্রদান করে এবং একই পরিষেবা ইন্টারফেস থেকে নির্বাচন করা যায়। দুটি মডেল যৌথভাবে যে ফিচারগুলো প্রদান করে সেগুলো হলো:

• টেক্সট-টু-স্পিচ: ইনপুট করা বাক্য নির্বাচিত কণ্ঠে সংশ্লেষণ করে।
• ভয়েস ক্লোনিং: ব্যবহারের অনুমতি থাকা রেফারেন্স রেকর্ডিংয়ের ভিত্তিতে কণ্ঠ নিবন্ধন করে এবং নতুন বাক্য সংশ্লেষণ করে।
• ভয়েস ডিজাইন: পছন্দের কণ্ঠের বৈশিষ্ট্য বর্ণনা করে ভয়েস তৈরি ও নিবন্ধন করে।
• কণ্ঠ পুনর্ব্যবহার: নিবন্ধিত কণ্ঠ পরবর্তী সংশ্লেষণে ব্যবহার করে।
• সংশ্লেষণ সেটিংস: বলার গতি ও ভাষা ইত্যাদি সমন্বয় করে।
• স্ট্রিমিং ডেলিভারি: টেক্সট আসার সঙ্গে সঙ্গে বাক্যাংশ অনুযায়ী সংশ্লেষণ করে এবং অডিও ধারাবাহিকভাবে সরবরাহ করে।
• প্লেব্যাক নিয়ন্ত্রণ: বিরতি, পুনরায় শুরু, থামানো এবং অতিরিক্ত বাক্য ইনপুট সমর্থন করে।

ক্রমশ টেক্সট ইনপুট ব্যবহার করলে সম্পূর্ণ উত্তর তৈরি হওয়ার আগেই ভয়েস প্লেব্যাক শুরু করা যায়। CIP উত্তর তৈরি করার সময় Cosa-কে প্রস্তুত বাক্যাংশগুলো পড়ে শোনানোর পরিষেবা কনফিগার করা যায়।

cosa-a

cosa-a টেক্সট-টু-স্পিচ, ভয়েস ক্লোনিং, ভয়েস ডিজাইন এবং স্ট্রিমিং আউটপুট সমর্থন করে। কণ্ঠ, ভাষা ও বলার গতি বেছে নেওয়ার মৌলিক ফিচারের পাশাপাশি সংশ্লেষণ ধাপের সংখ্যা, গাইডেন্সের মাত্রা এবং জেনারেশনের দৈর্ঘ্য-সংক্রান্ত সেটিংসসহ অতিরিক্ত নিয়ন্ত্রণের বিকল্প প্রদান করে। ভয়েস তৈরির সময় সেটিংস সমন্বয় করে ফলাফল পর্যালোচনা করতে বা একই স্ক্রিপ্টে একাধিক সেটিংস প্রয়োগ করে ফলাফল বেছে নিতে এটি ব্যবহার করা হয়।

• অ্যাপ, কিয়স্ক ও ব্যবসায়িক সিস্টেমের নির্দেশনা এবং বিজ্ঞপ্তি সংশ্লেষণ করে।
• প্রশিক্ষণসামগ্রী ও ব্যবহারবিধি ভয়েসে রূপান্তর করে।
• ভিডিও ও অডিও কনটেন্টের ন্যারেশন তৈরি করে।
• নিবন্ধিত কণ্ঠে পুনরাবৃত্ত কনটেন্ট তৈরি করে।
• ইন্টার‌্যাক্টিভ এজেন্টের স্ট্রিমিং ভয়েস আউটপুটে ব্যবহার করে।
• বিস্তারিত সংশ্লেষণ সেটিংস সমন্বয় করে ভয়েস তৈরিতে ব্যবহার করে।

cosa-b

cosa-b প্রিসেট কণ্ঠ নির্বাচন, বর্ণনার ভিত্তিতে ভয়েস ডিজাইন, রেফারেন্স ভয়েসের ভিত্তিতে ক্লোনিং এবং স্ট্রিমিং আউটপুট সমর্থন করে। নিজস্ব কণ্ঠের তালিকা থেকে ভয়েস বেছে নেওয়া যায় বা পরিষেবায় ব্যবহারের জন্য নতুন কণ্ঠ নিবন্ধন করা যায়।

ভয়েস ক্লোনিংয়ের জন্য রেফারেন্স রেকর্ডিং এবং তার সঙ্গে সংশ্লিষ্ট টেক্সট ব্যবহার করা হয়। নিবন্ধনের সময় ভয়েস রিকগনিশনের মাধ্যমে রেফারেন্স টেক্সট তৈরি করার প্রক্রিয়াও সমর্থন করে এবং নিবন্ধিত কণ্ঠ পরবর্তী সংশ্লেষণে পুনর্ব্যবহার করা হয়।

• পরিষেবা ও চরিত্রের ভয়েস পারসোনা তৈরি করে।
• বর্ণনা বা রেফারেন্স রেকর্ডিংয়ের মাধ্যমে কাস্টম কণ্ঠ তৈরি করে।
• ব্র্যান্ড নির্দেশনা, চরিত্রের সংলাপ এবং কনটেন্ট ন্যারেশন সংশ্লেষণ করে।
• ইন্টার‌্যাক্টিভ এজেন্টের ভয়েস প্রতিক্রিয়ায় ব্যবহার করে।
• একই কণ্ঠে পরিবর্তিত নির্দেশনা বার্তা ও স্ক্রিপ্ট সংশ্লেষণ করে।

cosa-a এবং cosa-b-এর মধ্যে একটি বেছে নেওয়ার সময় কাঙ্ক্ষিত কণ্ঠস্বর, প্রকৃত সংশ্লেষণ ফলাফল এবং প্রয়োজনীয় নিয়ন্ত্রণের বিষয়গুলো বিবেচনা করুন।

cosa-asr

cosa-asr ইনপুট অডিওকে পাঠ্যে রূপান্তর করে। এটি রেকর্ডিং উপকরণ নথিবদ্ধ করে অথবা কণ্ঠস্বরের মাধ্যমে আসা অনুরোধকে পরবর্তী কাজের সিস্টেম প্রক্রিয়া করতে পারে এমন ইনপুটে রূপান্তর করে।

• ভয়েস নোট ও রেকর্ডিং উপকরণ প্রতিলিপি করে।
• কণ্ঠস্বরভিত্তিক প্রশ্ন ও কাজের অনুরোধকে ইনপুটে রূপান্তর করে।
• কণ্ঠস্বর ক্লোনিংয়ের জন্য রেফারেন্স পাঠ্য তৈরি করে।
• প্রতিলিপির পর সারসংক্ষেপ, শ্রেণিবিন্যাস ও অনুসন্ধানে এগিয়ে যাওয়া প্রক্রিয়ায় ব্যবহার করে।

প্রতিলিপির ফলাফল CIP-এ পাঠালে বিষয়বস্তুর সারসংক্ষেপ, অনুরোধের শ্রেণিবিন্যাস এবং কাজের খসড়া তৈরির দিকে এগিয়ে যাওয়া যায়। প্রক্রিয়াজাত ফলাফল cosa-a অথবা cosa-b দিয়ে সংশ্লেষণ করলে কণ্ঠস্বর ইনপুট ও আউটপুট-সমৃদ্ধ একটি কাজের পরিষেবা তৈরি হয়।

Cova

cova-1 হলো LLM-ভিত্তিক ভিশন OCR-এ বিশেষায়িত একটি মডেল। এটি নথি ও ছবির পাঠ্য শনাক্ত করে, লেআউট ও টেবিলের কাঠামো বের করে এবং ভিজ্যুয়াল উপাদানের সংক্ষিপ্ত বিবরণ প্রদান করে।

মানুষের দেখার উপযোগী নথিকে এজেন্ট ও কাজের সিস্টেমের ব্যবহারের উপযোগী রূপে রূপান্তর করে। মূল পাঠ্য ও টেবিল কাঠামোবদ্ধ বিষয়বস্তু হিসেবে বের করা হয় এবং নথিতে থাকা ছবিগুলো সংক্ষিপ্ত বিবরণ হিসেবে প্রদান করা হয়। ফলে পরবর্তী এজেন্ট নথির বিষয়বস্তু ও ভিজ্যুয়াল প্রেক্ষাপট একসঙ্গে বুঝতে পারে। প্রথমে বের করা পাঠ্য ও বিবরণ দিয়ে উপকরণ সম্পর্কে ধারণা নিয়ে, বিস্তারিত যাচাই দরকার এমন মূল নথিগুলোই পরে পর্যালোচনা করার প্রবাহ তৈরি করলে, মূল ছবি বারবার ইনপুট দেওয়ার পরিমাণ কমিয়ে কনটেক্সট টোকেন সাশ্রয় করা যায়।

• নথি ডিজিটাইজেশন: কাগজের নথি ও স্ক্যান করা উপকরণকে টেক্সটভিত্তিক উপকরণে রূপান্তর করে।
• ব্যবসায়িক নথি গ্রহণ: আবেদনপত্র, প্রমাণপত্র ও প্রতিবেদন থেকে বিষয়বস্তু বের করে।
• টেবিল ডেটা প্রক্রিয়াকরণ: নথিতে থাকা টেবিলকে পরবর্তী ডেটা প্রক্রিয়াকরণে ব্যবহার করে।
• জ্ঞান অনুসন্ধানের প্রাক-প্রক্রিয়াকরণ: নথির ছবি ও দৃশ্যমান উপকরণকে অনুসন্ধানযোগ্য টেক্সট ও কাঠামোতে রূপান্তর করে।
• নথি পর্যালোচনা স্বয়ংক্রিয়করণ: নিষ্কাশিত ফলাফল CIP-তে পাঠিয়ে আইটেম যাচাই, সারসংক্ষেপ ও উপকরণগুলোর মধ্যে তুলনা সম্পাদন করে।
• এজেন্ট ইনপুট অপ্টিমাইজেশন: দীর্ঘ নথির মূল লেখা, টেবিল ও ছবির বিবরণ সাজিয়ে কেবল প্রয়োজনীয় তথ্য প্রদান করে।

উদাহরণস্বরূপ, প্রতিবেদনের মূল লেখা ও টেবিল নিষ্কাশন করার সময় সন্নিবেশিত গ্রাফকে ত্রৈমাসিক বিক্রয়ের প্রবণতা দেখানো একটি গ্রাফ হিসেবে বর্ণনা করে। এজেন্ট এই বিবরণের মাধ্যমে গ্রাফটির উপস্থিতি ও উদ্দেশ্য বুঝতে পারে এবং সঠিক সংখ্যা বা প্রবণতার প্রয়োজন হলে সংশ্লিষ্ট মূল ছবি অতিরিক্তভাবে পর্যালোচনা করে।

পণ্যসমূহ সংযুক্ত করা

পণ্য সংযুক্ত করলে নিম্নলিখিত প্রবাহটি 구성 করা যায়।

• নথিভিত্তিক কাজ: Cova মূল লেখা, টেবিল ও ছবির বিবরণ নিষ্কাশন করে, CIP প্রয়োজনীয় মূল উপকরণ বেছে নিয়ে পর্যালোচনা করে বিশ্লেষণ ও কাজ সম্পাদন করে এবং Cosa ফলাফল কণ্ঠে প্রদান করে।
• কণ্ঠভিত্তিক কাজ: Cosa ASR কণ্ঠস্বরের অনুরোধকে টেক্সটে রূপান্তর করে এবং CIP প্রক্রিয়াজাত করা উত্তর cosa-a বা cosa-b পড়ে শোনায়।
• মাঠ পর্যায়ের স্বয়ংক্রিয়করণ: cip-5.5-sm মাঠ পর্যায়ের ডেটা শ্রেণিবদ্ধ করে স্থানীয় কাজ সম্পাদন করে এবং অতিরিক্ত সমন্বিত বিশ্লেষণ প্রয়োজন এমন উপকরণ cip-5.5-im বা cip-5.5-mm-এ পাঠায়।

গেটওয়েতে অনুমোদিত কল

গেটওয়ের প্ল্যান মডেলভেদে অনুমোদিত কল নির্ধারণ করে। নিচের টেবিলে LLM_FREE, TTS_FREE, STT_FREE প্ল্যানের মাধ্যমে উন্মুক্ত পরিসর দেখানো হয়েছে এবং এই প্ল্যানগুলো কোনো আবেদন ছাড়াই স্বয়ংক্রিয়ভাবে প্রয়োগ হয়। অন্যান্য পথের মাধ্যমে উন্মুক্ত মডেলগুলো এতে অন্তর্ভুক্ত নয়।

cip-5.5-sm এবং cova-1 এই প্ল্যান টেবিলে নেই। টেবিলের cip-5.5-im-chat, cip-5.5-mm-h, cosa-tts, ivy-4-embedding, ivy-4-embedding-mm, ivy-4-mm হলো উপরের পণ্য বিবরণে অন্তর্ভুক্ত নয় এমন মডেল ID। কল কী কোন পথের সঙ্গে সম্পর্কিত, তা API কল করার ডকুমেন্টে রয়েছে।