Modeloa

CLEVI modeloak hiru produktu-familiatan banatzen dira: CIP, adimen orokorraz eta lanen automatizazioaz arduratzen dena; Cosa, ahotsaren sorreraz eta ezagutzaz arduratzen dena; eta Cova, dokumentuetatik eta irudietatik informazioa ateratzeaz arduratzen dena. Produktu bakoitza modu independentean erabil daiteke, edo dokumentuak ezagutu, aztertu, lanak gauzatu eta ahots bidezko orientazioa eskaintzen duten zerbitzuetan integra daiteke.

CIP

CIP adimen orokorraz eta lanen automatizazioaz arduratzen da. Gateway baten bidez deitzen diren cip-5.5-im eta cip-5.5-mm modeloek, eta edge zerbitzarietan eta on-premise inguruneetan inplementatzen den cip-5.5-sm modeloak osatzen dute.

cip-5.5-im eta cip-5.5-mm

cip-5.5-im helburu eta lan-esparru argiak dituzten zereginetarako egokia da. Emandako materialetik beharrezko informazioa ateratzea, emaitzak zehaztutako formatuan idaztea eta kodea eskakizunen arabera aldatzea dira erabilera adierazgarrienak. Gehienez 64K-ko irteera txosten zehatzak edo hainbat zatiz osatutako emaitzak idazteko erabiltzen da.

• Garapenerako laguntza: funtzioak eta gaitasunak idazten ditu, esparru argiko akatsak konpontzen ditu eta lehendik dauden ereduen arabera inplementatzen du.
• Testuak sortzea: eskakizunetan eta inplementazioan oinarritutako testu-zirriborroak eta baliozkotze-kasuak idazten ditu.
• Dokumentuen tratamendua: laburpenak, sailkapenak, elementuen erauzketa, formatu-bihurketak eta zirriborroak egiten ditu.
• Analisi multimodala: pantaila-irudiak eta dokumentuetako taulak eta diagramak berrikusten ditu, dagokien azalpenarekin batera.
• Elkarrizketa bidezko lan-laguntza: lan-materialetan oinarritutako galderei erantzuten die eta beharrezko emaitzak sortzen ditu.
• Eskala handiko prozesamendua: dokumentu ugariren banakako laburpenetarako, eskaeren sailkapenerako eta datu-bihurketarako erabiltzen da.
• Azpiagentea: mugak argi dituzten azpilanak egiten ditu, hala nola kodea arakatzea, fitxategi jakin batzuk berrikustea eta materiala antolatzea.

Adibidez, funtzio-eskakizunak eta dagokion kodea jasota, aldaketa-proposamena, testuak eta aldaketen azalpena idazteko edo jasotako dokumentuak sailkatu eta arduradunentzako laburpena sortzeko erabiltzen da.

cip-5.5-mm informazioaren arteko harremanak ulertu eta lan osoaren koherentzia mantendu behar den zereginetarako egokia da. Garapenean, eskakizunen, diseinuaren, inplementazioaren eta testen arteko loturak berrikusten ditu; dokumentuen analisian, berriz, hainbat materialetako baieztapenak eta oinarriak, aldeak eta kontraesanak bateratzen ditu.

• Funtzio konplexuen inplementazioa: hainbat moduluren kontratuak eta portaerak kontuan hartuta, kodea, testuak eta dokumentazioa batera aldatzen ditu.
• Kode-base handien analisia: deien arteko harremanak, datu-fluxua eta aldaketaren eragin-esparrua berrikusten ditu.
• Gorabeheren kausen analisia: erregistroak, konfigurazioa, kodea eta exekuzio-emaitzak alderatuta, kausen hipotesiak eta egiaztapen-prozedurak antolatzen ditu.
• Diseinuaren eta erabakiak hartzearen laguntza: eskakizunak eta murrizketak egituratzen ditu, eta inplementazio-aukerak aztertzen ditu.
• Dokumentu anitzen analisi bateratua: txosten eta dokumentu teknikoen antzekotasunak, aldeak eta kontraesanak ebidentzietan oinarrituta antolatzen ditu.
• Berrikuspen multimodal integratua: testua eta ikusizko materiala batera interpretatuta, arazoak eta eskakizunak aztertzen ditu.
• Hainbat urratseko agentea: ikerketa, plangintza, tresnen exekuzioa eta emaitzen berrikuspena jarraitzen dituzten lanetarako erabiltzen da.
• Dokumentu profesionalen idazketa: baldintza eta oinarri konplexuak jasotzen dituzten txosten teknikoak, diseinu-proposamenak eta berrikuspen-dokumentu zehatzak idazten ditu.

Adibidez, hainbat zerbitzutan gertatutako erroreen kode eta erregistro garrantzitsuak batera aztertzeko edo funtzio konplexuen eskakizunen analisian hasi eta inplementaziora eta egiaztapen-emaitzen berrikuspenara arteko zereginetan erabiltzen da.

cip-5.5-sm

cip-5.5-sm-k inferentzia lokala eta lanen automatizazioa egiten ditu ertzeko zerbitzarietan eta on-premise inguruneetan. Ereduaren tamaina 24B eta 40B artean doitu daitekeenez, inplementazio-ekipoaren baliabide konputazionaletara eta tokiko beharretara egokitutako konfigurazioa hauta daiteke. Datuak sortzen diren lekutik hurbil prozesatzen dituenez, tokiko sistemekin integratzeko eta barne-datuak erabiltzeko balio du; beharrezko ereduak eta tresnak lokalean konfiguratuz gero, kanpo-konexioa mugatuta dagoen inguruneetan ere erabil daiteke.

Tokian sortzen den informazioa interpretatu eta prozesatzeko prozeduretara bideratzen du. Erregistroak eta eskaerak sailkatzen ditu, datuetatik beharrezko informazioa ateratzen du, eta konektatutako barne-tresnekin eta scriptekin behin eta berriz egiten diren lanak gauzatzen ditu.

• Tokiko gertaeren prozesamendua: ekipoen erregistroak eta egoera-informazioa sailkatzen ditu, eta egiaztatu beharreko gertaerak hautatzen ditu.
• Datuen aurreprozesamendua: lan-erregistroetatik funtsezko elementuak ateratzen ditu, eta sailkatu, etiketatu eta normalizatu egiten ditu.
• Eskaeren bideratzea: jasotako eskaerak dagokion sistemara edo prozesatzeko prozedurara helarazten ditu.
• Tokiko lan-agentea: barne-sistemetako kontsultak eta scripten exekuzioa eginez, behin eta berriz egiten diren lanak gauzatzen ditu.
• On-premise lanetarako laguntza: barne-materialetan oinarrituta galderei erantzuten die eta lanaren edukia antolatzen du.
• Jarraipen-analisirako laguntza: berrikuspen gehigarria behar duten materialak hautatzen ditu eta funtsezko edukia laburbiltzen du.

Adibidez, lantokiko zerbitzarian eragiketa-erregistroak sailkatzeko, dagokion historia kontsultatzeko eta arduradunarentzat gertakariaren laburpena idazteko prozesu batean erabiltzen da.

Cosa

Cosa testua ahots bihurtzen duen, sarrerako ahotsa testu gisa ezagutzen duen eta nahi den ahotsa erregistratu eta berrerabiltzeko aukera ematen duen ahots-produktuen familia da. Zerbitzuen azalpenetan, edukien sorkuntzan, irisgarritasun-laguntzan eta elkarrizketa-agenteen ahots-interfazeetan erabiltzen da.

Ahots-sorkuntzaz cosa-a eta cosa-b arduratzen dira, eta ahots-ezagutハzaz cosa-asr. cosa-a eta cosa-b eredu bereiziak dira, bakoitzak bere ahots-zerrenda eta sintesi-konfigurazioak eskaintzen dituena, eta zerbitzu-interfaze berean hautatzen dira. Bi ereduek batera eskaintzen dituzten funtzioak hauek dira.

• Testua ahots bihurtzea: sartutako esaldiak hautatutako ahotsarekin sintetizatzen ditu.
• Ahotsaren klonazioa: erabiltzeko baimena duzun erreferentzia-grabazio batean oinarrituta ahotsa erregistratu eta esaldi berriak sintetizatzen ditu.
• Ahots-diseinua: nahi duzun ahotsaren ezaugarriak deskribatuz, ahotsa sortu eta erregistratzen du.
• Ahotsa berrerabiltzea: erregistratutako ahotsa ondorengo sintesietan erabiltzen du.
• Sintesi-ezarpenak: hitz egiteko abiadura eta hizkuntza, besteak beste, doitzen ditu.
• Streaming bidezko entrega: testua iritsi ahala, esaldi-zatien arabera sintetizatzen du eta audioa sekuentzialki entregatzen du.
• Erreprodukzio-kontrola: pausatzea, berrekin ekitea, gelditzea eta esaldi gehigarriak sartzea onartzen du.

Testuaren sarrera progresiboari esker, ahots-erreprodukzioa erantzun osoa amaitu aurretik has daiteke. CIP erantzuna idazten ari den bitartean Cosa-k prest dauden esaldi-zatiak irakurtzen dituen zerbitzua konfigura dezakezu.

cosa-a

cosa-a-k testua ahots bihurtzea, ahotsaren klonazioa, ahots-diseinua eta streaming bidezko irteera onartzen ditu. Ahotsa, hizkuntza eta hitz egiteko abiadura hautatzeko oinarrizko funtzioez gain, beste kontrol-elementu batzuk ere eskaintzen ditu, hala nola sintesi-urratsen kopurua, gidaritza-intentsitatea eta sorkuntza-luzerari buruzko ezarpenak. Ahotsak sortzeko prozesuan ezarpenak doitzen eta emaitzak berrikusten laguntzeko erabiltzen da, baita gidoi berari hainbat ezarpen aplikatuta emaitza bat hautatzeko ere.

• Aplikazio, kiosko eta lan-sistemetarako jarraibideak eta jakinarazpenak sintetizatzen ditu.
• Prestakuntza-materialak eta erabiltzaile-gidak ahots bihurtzen ditu.
• Bideo- eta audio-edukietarako narratibak sortzen ditu.
• Erregistratutako ahotsarekin eduki errepikakorrak sortzen ditu.
• Elkarrizketa-agenteen streaming bidezko ahots-irteerarako erabiltzen da.
• Sintesi-ezarpen zehatzak doitzea eskatzen duen ahots-sorkuntzarako erabiltzen da.

cosa-b

cosa-b-k aurrez ezarritako ahotsak hautatzea, deskribapenean oinarritutako ahots-diseinua, erreferentzia-ahotsean oinarritutako klonazioa eta streaming bidezko irteera onartzen ditu. Ahots bat bere ahots-zerrendan hauta dezakezu, edo zerbitzuan erabiltzeko ahots berri bat erregistratu.

Ahotsaren klonaziorako, erreferentzia-grabazio bat eta hari dagokion testua erabiltzen dira. Erregistro-prozesuan, erreferentzia-testua ahots-ezagutzaren bidez sortzeko fluxua ere onartzen du, eta erregistratutako ahotsa ondorengo sintesietan berrerabiltzen da.

• Zerbitzuen eta pertsonaien ahots-persona konfiguratzen du.
• Deskribapen edo erreferentzia-grabazio baten bidez ahots pertsonalizatuak sortzen ditu.
• Markaren jarraibideak, pertsonaien elkarrizketak eta edukien narratibak sintetizatzen ditu.
• Elkarrizketa-agenteen ahots-erantzunetarako erabiltzen da.
• Ahots berarekin aldatzen diren jakinarazpen-mezuak eta gidoiak sintetizatzen ditu.

cosa-a eta cosa-b artean bat aukeratzean, kontuan hartu nahi duzun ahotsa, benetako sintesiaren emaitza eta behar dituzun kontrol-aukerak.

cosa-asr

cosa-asr-ek sarrerako ahotsa testu bihurtzen du. Grabazio-materiala dokumentatzeko edo ahots bidez jasotako eskaerak ondorengo negozio-sistemek prozesa ditzaketen sarrera bihurtzeko erabil daiteke.

• Ahots-oharrak eta grabazio-materiala transkribatzen ditu.
• Ahots bidezko galderak eta lan-eskaerak sarrera bihurtzen ditu.
• Ahots-klonaziorako erreferentzia-testua sortzen du.
• Transkripzioaren ondorengo laburpen, sailkapen eta bilaketako prozesuetan erabiltzen da.

Transkripzioaren emaitza CIPera bidaltzen baduzu, edukia laburtu, eskaerak sailkatu eta lanerako zirriborroak sor daitezke. Prozesatutako emaitza cosa-a edo cosa-b erabiliz sintetizatzen baduzu, ahots-sarrera eta -irteera dituen lan-zerbitzu bat lortzen duzu.

Cova

cova-1 LLMn oinarritutako ikusmen-OCRrako espezifikoa den eredua da. Dokumentuetako eta irudietako testua ezagutzen du, diseinua eta taulen egitura ateratzen ditu, eta ikusizko elementuen azalpen laburrak eskaintzen ditu.

Gizakiek ikusten dituzten dokumentuak agenteek eta lan-sistemek erabiltzeko egokiagoa den formatu bihurtzen ditu. Testu nagusia eta taulak eduki egituratu gisa ateratzen ditu, eta dokumentuan dauden irudiak azalpen labur gisa helarazten ditu; horri esker, ondorengo agenteek dokumentuaren edukia eta ikusizko testuingurua batera uler ditzakete. Ateratako testuarekin eta azalpenekin materiala lehenik aztertzeko eta egiaztapen zehatza behar duten jatorrizkoak soilik ondoren berrikusteko fluxu bat konfiguratzen baduzu, jatorrizko irudiak behin eta berriz sartzeko beharra murriztu eta testuinguru-tokenak aurrez ditzakezu.

• Dokumentuen digitalizazioa: paperezko dokumentuak eta eskaneatutako materialak testuan oinarritutako material bihurtzen ditu.
• Lan-dokumentuen harrera: inprimakietatik, egiaztagirietatik eta txostenetatik edukia ateratzen du.
• Taula-datuen tratamendua: dokumentuetan jasotako taulak ondorengo datu-tratamendurako erabiltzen ditu.
• Ezagutza-bilaketaren aurreprozesamendua: dokumentuen irudiak eta material bisualak bilaketa daitekeen testu eta egitura bihurtzen ditu.
• Dokumentuen berrikuspenaren automatizazioa: erauzitako emaitzak CIPera bidaltzen ditu, elementuak egiaztatzeko, laburpenak egiteko eta materialen arteko konparazioak gauzatzeko.
• Agentearen sarreraren optimizazioa: dokumentu luzeen gorputz-testua, taulak eta irudien deskribapenak antolatzen ditu, beharrezko informazioa soilik helarazteko.

Adibidez, txosten baten gorputz-testua eta taulak erauzten dituen bitartean, txertatutako grafikoa hiruhilekoko salmenten bilakaera erakusten duen grafiko gisa deskribatzen du. Agenteak deskribapen horren bidez grafikoaren presentzia eta erabilera ulertzen ditu, eta datu edo joera zehatzak behar dituenean, dagokion jatorrizkoa berrikusten du.

Produktu-familien konexioa

Produktuak konektatuz gero, honako fluxu hau osa daiteke.

• Dokumentuetan oinarritutako lana: Covak gorputz-testua, taulak eta irudien deskribapenak erauzten ditu; CIPek beharrezko jatorrizkoak modu selektiboan egiaztatzen ditu, analisia eta lan-prozesamendua egiteko; eta Cosak emaitzak ahots bidez helarazten ditu.
• Ahots bidezko lana: Cosa ASRak ahots-eskaerak testu bihurtzen ditu, eta CIPek prozesatutako erantzuna cosa-a edo cosa-b-k irakurtzen du.
• Tokiko automatizazioa: cip-5.5-sm-ek tokiko datuak sailkatzen ditu eta tokiko lanak gauzatzen ditu; azterketa bateratu gehigarria behar duten materialak cip-5.5-im edo cip-5.5-mm-era bidaltzen ditu.

Atebidean baimendutako deiak

Atebideko planek modelo bakoitzerako baimendutako deiak zehazten dituzte. Beheko taulak LLM_FREE, TTS_FREE eta STT_FREE planek irekitzen dituzten esparruak erakusten ditu, eta plan horiek automatikoki aplikatzen dira eskaerarik egin beharrik gabe. Ez ditu barne hartzen beste bide batzuen bidez irekitako modeloak.

cip-5.5-sm eta cova-1 ez daude plan honen taulan. Taulako cip-5.5-im-chat, cip-5.5-mm-h, cosa-tts, ivy-4-embedding, ivy-4-embedding-mm eta ivy-4-mm produktuen deskribapenean sartzen ez diren modelo-IDak dira. Deitzeko gakoa zein bidetara dagokion APIra deitzeko dokumentuan dago.