Developer guide
മോഡൽ
മോഡൽ സംഗ്രഹം
CLEVI മോഡലുകൾ പൊതുവായ ബുദ്ധിശേഷിയും ജോലി ഓട്ടോമേഷനും കൈകാര്യം ചെയ്യുന്ന CIP, ശബ്ദ ജനറേഷനും തിരിച്ചറിയലും കൈകാര്യം ചെയ്യുന്ന Cosa, രേഖകളിൽ നിന്നും ചിത്രങ്ങളിൽ നിന്നും വിവരങ്ങൾ എക്സ്ട്രാക്റ്റ് ചെയ്യുന്നത് കൈകാര്യം ചെയ്യുന്ന Cova എന്നിങ്ങനെ മൂന്ന് ഉൽപ്പന്ന ശ്രേണികളായി വിഭജിച്ചിരിക്കുന്നു. ഓരോ ഉൽപ്പന്നവും സ്വതന്ത്രമായി ഉപയോഗിക്കാനോ, രേഖ തിരിച്ചറിയൽ, വിശകലനം, ജോലി നിർവഹണം, ശബ്ദ മാർഗനിർദേശം എന്നിവയിലേക്ക് നയിക്കുന്ന സേവനങ്ങളുമായി ബന്ധിപ്പിക്കാനോ കഴിയും.
| ഉൽപ്പന്നം | മോഡൽ ID | പ്രധാന സവിശേഷതകൾ | പ്രധാന പങ്ക് |
|---|---|---|---|
| CIP-5.5-SM | cip-5.5-sm | 24B~40B ക്രമീകരിക്കാവുന്നത് | എഡ്ജ് സെർവറും ലോക്കൽ ജോലി ഓട്ടോമേഷനും |
| CIP-5.5-IM | cip-5.5-im | 360B · ഇൻപുട്ട് 256K · ഔട്ട്പുട്ട് 64K · മൾട്ടിമോഡൽ | പൊതുവായ ജോലി നിർവഹണം. പ്രതികരണ വേഗതയ്ക്കും ത്രൂപുട്ടിനും മുൻഗണന |
| CIP-5.5-MM | cip-5.5-mm | 800B · ഇൻപുട്ട് 512K · ഔട്ട്പുട്ട് 64K · മൾട്ടിമോഡൽ | ദീർഘമായ കോൺടെക്സ്റ്റ് വിശകലനവും സങ്കീർണ്ണ പ്രശ്നപരിഹാരവും |
| Cosa-A | cosa-a | ശബ്ദ സംശ്ലേഷണം·ക്ലോണിംഗ്·ഡിസൈൻ·സ്ട്രീമിംഗ് | വിശദമായ സംശ്ലേഷണ നിയന്ത്രണം ഉപയോഗിച്ചുള്ള ശബ്ദ ജനറേഷൻ |
| Cosa-B | cosa-b | ശബ്ദ സംശ്ലേഷണം·ക്ലോണിംഗ്·ഡിസൈൻ·സ്ട്രീമിംഗ് | ശബ്ദം തിരഞ്ഞെടുക്കലും ഇഷ്ടാനുസൃത ശബ്ദ ജനറേഷനും |
| Cosa ASR | cosa-asr | ശബ്ദ തിരിച്ചറിയൽ | ശബ്ദ ഇൻപുട്ടിനെ ടെക്സ്റ്റാക്കി മാറ്റൽ |
| Cova | cova-1 | LLM അടിസ്ഥാനമാക്കിയുള്ള വിഷൻ OCR-നായി സമർപ്പിച്ചത് | ടെക്സ്റ്റ്·ലേഔട്ട്·പട്ടിക എക്സ്ട്രാക്ഷനും ലളിതമായ ചിത്ര വിവരണവും |
CIP
CIP പൊതുവായ ബുദ്ധിശേഷിയും ജോലി ഓട്ടോമേഷനും കൈകാര്യം ചെയ്യുന്നു. ഗേറ്റ്വേ വഴി വിളിക്കുന്ന cip-5.5-im, cip-5.5-mm, എഡ്ജ് സെർവറുകളിലും ഓൺ-പ്രെമൈസിലും വിന്യസിക്കുന്ന cip-5.5-sm എന്നിവ ഇതിൽ ഉൾപ്പെടുന്നു.
cip-5.5-im, cip-5.5-mm
| ഇനം | cip-5.5-im | cip-5.5-mm |
|---|---|---|
| വലുപ്പം | 360B | 800B |
| ഇൻപുട്ട് പരിധി | 256K | 512K |
| പരമാവധി ഔട്ട്പുട്ട് | 64K | 64K |
| ഇൻപുട്ട് ഫോർമാറ്റ് | ടെക്സ്റ്റും ദൃശ്യ സാമഗ്രികളും (രേഖകൾ, സ്ക്രീൻ ചിത്രങ്ങൾ, പട്ടികകൾ·ചാർട്ടുകൾ) | ടെക്സ്റ്റും ദൃശ്യ സാമഗ്രികളും (കോഡ്·രേഖകൾ·സ്ക്രീൻ സാമഗ്രികൾ സംയോജിപ്പിച്ച് അവലോകനം ചെയ്യുന്നു) |
| രൂപകൽപ്പനാ ദിശ | പ്രതികരണ വേഗത, ചെലവ് കാര്യക്ഷമത, ത്രൂപുട്ട് എന്നിവയിൽ ശ്രദ്ധ കേന്ദ്രീകരിച്ച് ദൈനംദിന വിജ്ഞാന ജോലികളും വികസന ജോലികളും നിർവഹിക്കുന്നു. | വിവിധ സാമഗ്രികളും വ്യവസ്ഥകളും സംയോജിപ്പിച്ച് വിശകലന ഫലങ്ങളെ യഥാർത്ഥ ജോലികളുമായി ബന്ധിപ്പിക്കുന്ന സങ്കീർണ്ണ ജോലികൾ നിർവഹിക്കുന്നു. |
| ദീർഘമായ ഇൻപുട്ടിന്റെ ഉപയോഗം | വിവിധ രേഖകൾ, കോഡ് ഫയലുകൾ, സംഭാഷണ ചരിത്രങ്ങൾ എന്നിവ ഒരുമിച്ച് അവലോകനം ചെയ്യുന്നു. | വിപുലമായ റഫറൻസ് സാമഗ്രികളും ജോലി ചരിത്രവും ഒരുമിച്ച് കൈകാര്യം ചെയ്യുകയും, ഗവേഷണം·നിർവഹണം·പരിശോധന എന്നിവ ഒന്നിലധികം ഘട്ടങ്ങളായി തുടരുന്ന ഏജന്റ് ജോലികൾ നിർവഹിക്കുകയും ചെയ്യുന്നു. |
ലക്ഷ്യവും ജോലിയുടെ പരിധിയും വ്യക്തമായ ജോലികൾക്ക് cip-5.5-im അനുയോജ്യമാണ്. നൽകിയിരിക്കുന്ന വിവരങ്ങളിൽ നിന്ന് ആവശ്യമായ വിവരങ്ങൾ വേർതിരിച്ചെടുക്കുക, നിർദേശിച്ച ഫോർമാറ്റിൽ ഫലങ്ങൾ തയ്യാറാക്കുക, ആവശ്യകതകൾക്കനുസരിച്ച് കോഡ് തിരുത്തുക എന്നിവ ഇതിന്റെ പ്രധാന ഉപയോഗങ്ങളാണ്. പരമാവധി 64K ഔട്ട്പുട്ട് വിശദമായ റിപ്പോർട്ടുകളോ പല ഭാഗങ്ങളുള്ള ഫലങ്ങളോ തയ്യാറാക്കാൻ ഉപയോഗിക്കാം.
- വികസന സഹായം: ഫംഗ്ഷനുകളും സവിശേഷതകളും എഴുതുക, പരിധി വ്യക്തമായ ബഗുകൾ പരിഹരിക്കുക, നിലവിലുള്ള പാറ്റേണുകൾക്കനുസരിച്ച് നടപ്പാക്കുക.
- ടെസ്റ്റ് സൃഷ്ടിക്കൽ: ആവശ്യകതകളും നടപ്പാക്കലും അടിസ്ഥാനമാക്കി ടെസ്റ്റ് ഡ്രാഫ്റ്റുകളും സ്ഥിരീകരണ കേസുകളും തയ്യാറാക്കുക.
- ഡോക്യുമെന്റ് പ്രോസസ്സിംഗ്: സംഗ്രഹിക്കൽ, വർഗ്ഗീകരണം, ഇനം വേർതിരിച്ചെടുക്കൽ, ഫോർമാറ്റ് പരിവർത്തനം, ഡ്രാഫ്റ്റ് തയ്യാറാക്കൽ എന്നിവ നിർവഹിക്കുക.
- മൾട്ടിമോഡൽ വിശകലനം: സ്ക്രീൻ ചിത്രങ്ങളും ഡോക്യുമെന്റുകളിലെ പട്ടികകളും ചാർട്ടുകളും ബന്ധപ്പെട്ട വിശദീകരണങ്ങളോടൊപ്പം പരിശോധിക്കുക.
- സംവേദനാത്മക ജോലി സഹായം: ജോലി സംബന്ധമായ വിവരങ്ങളെ അടിസ്ഥാനമാക്കി ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകുകയും ആവശ്യമായ ഫലങ്ങൾ തയ്യാറാക്കുകയും ചെയ്യുക.
- വൻതോതിലുള്ള പ്രോസസ്സിംഗ്: നിരവധി ഡോക്യുമെന്റുകളുടെ വ്യക്തിഗത സംഗ്രഹീകരണം, അഭ്യർത്ഥനകളുടെ വർഗ്ഗീകരണം, ഡാറ്റ പരിവർത്തനം എന്നിവയ്ക്കായി ഉപയോഗിക്കുക.
- സബ്ഏജന്റ്: കോഡ് പര്യവേക്ഷണം, നിർദ്ദിഷ്ട ഫയൽ പരിശോധന, വിവര ക്രമീകരണം തുടങ്ങിയ പരിധി വ്യക്തമായ ഉപജോലികൾ നിർവഹിക്കുക.
ഉദാഹരണത്തിന്, സവിശേഷതാ ആവശ്യകതകളും ബന്ധപ്പെട്ട കോഡും സ്വീകരിച്ച് തിരുത്തൽ നിർദ്ദേശം, ടെസ്റ്റുകൾ, മാറ്റങ്ങളുടെ വിശദീകരണം എന്നിവ തയ്യാറാക്കുന്നതിനോ, ലഭിച്ച ഡോക്യുമെന്റുകളെ വർഗ്ഗീകരിച്ച് ചുമതലയുള്ള വ്യക്തിക്കായി സംഗ്രഹം തയ്യാറാക്കുന്നതിനോ ഇത് ഉപയോഗിക്കാം.
വിവരങ്ങൾ തമ്മിലുള്ള ബന്ധങ്ങൾ മനസ്സിലാക്കുകയും മുഴുവൻ ജോലിയുടെ ഏകോപനം നിലനിർത്തുകയും ചെയ്യേണ്ട ജോലികൾക്ക് cip-5.5-mm അനുയോജ്യമാണ്. വികസനത്തിൽ ആവശ്യകതകൾ, രൂപകൽപ്പന, നടപ്പാക്കൽ, ടെസ്റ്റിംഗ് എന്നിവ തമ്മിലുള്ള ബന്ധം പരിശോധിക്കുകയും, ഡോക്യുമെന്റ് വിശകലനത്തിൽ വിവിധ വിവരങ്ങളിലെ വാദങ്ങളും തെളിവുകളും, വ്യത്യാസങ്ങളും വൈരുധ്യങ്ങളും സമഗ്രമായി വിലയിരുത്തുകയും ചെയ്യുന്നു.
- സങ്കീർണ്ണ സവിശേഷതകളുടെ നടപ്പാക്കൽ: നിരവധി മോഡ്യൂളുകളുടെ കരാറുകളും പ്രവർത്തനരീതിയും പരിഗണിച്ച് കോഡ്, ടെസ്റ്റുകൾ, ഡോക്യുമെന്റുകൾ എന്നിവ ഒരുമിച്ച് മാറ്റുക.
- വിപുലമായ കോഡ് വിശകലനം: കോൾ ബന്ധങ്ങൾ, ഡാറ്റാ പ്രവാഹം, മാറ്റത്തിന്റെ സ്വാധീനപരിധി എന്നിവ പരിശോധിക്കുക.
- തകരാർ കാരണ വിശകലനം: ലോഗുകൾ, കോൺഫിഗറേഷൻ, കോഡ്, നിർവഹണ ഫലങ്ങൾ എന്നിവ താരതമ്യം ചെയ്ത് കാരണത്തെക്കുറിച്ചുള്ള അനുമാനങ്ങളും സ്ഥിരീകരണ നടപടിക്രമങ്ങളും ക്രമീകരിക്കുക.
- രൂപകൽപ്പനയും തീരുമാനമെടുക്കലും സഹായിക്കുക: ആവശ്യകതകളും നിയന്ത്രണങ്ങളും ഘടനാപരമാക്കി നടപ്പാക്കൽ മാർഗങ്ങളുടെ സ്വാധീനം വിശകലനം ചെയ്യുക.
- നിരവധി ഡോക്യുമെന്റുകളുടെ സംയോജിത വിശകലനം: റിപ്പോർട്ടുകളുടെയും സാങ്കേതിക ഡോക്യുമെന്റുകളുടെയും സാമ്യങ്ങൾ, വ്യത്യാസങ്ങൾ, വൈരുധ്യങ്ങൾ എന്നിവ തെളിവുകളുടെ അടിസ്ഥാനത്തിൽ ക്രമീകരിക്കുക.
- മൾട്ടിമോഡൽ ഏകീകൃത പരിശോധന: ടെക്സ്റ്റും ദൃശ്യ വിവരങ്ങളും ഒരുമിച്ച് വ്യാഖ്യാനിച്ച് പ്രശ്നങ്ങളും ആവശ്യകതകളും വിശകലനം ചെയ്യുക.
- ബഹുഘട്ട ഏജന്റ്: ഗവേഷണം, ആസൂത്രണം, ടൂൾ നിർവഹണം, ഫല പരിശോധന എന്നിവ തുടർച്ചയായി ഉൾപ്പെടുന്ന ജോലികൾക്കായി ഉപയോഗിക്കുക.
- വിദഗ്ധ ഡോക്യുമെന്റ് തയ്യാറാക്കൽ: സങ്കീർണ്ണമായ നിബന്ധനകളും തെളിവുകളും ഉൾപ്പെടുത്തി സാങ്കേതിക റിപ്പോർട്ടുകൾ, രൂപകൽപ്പനാ നിർദ്ദേശങ്ങൾ, വിശദമായ പരിശോധനാ ഡോക്യുമെന്റുകൾ എന്നിവ തയ്യാറാക്കുക.
ഉദാഹരണത്തിന്, ഒന്നിലധികം സേവനങ്ങളിൽ ഉണ്ടായ പിശകുകളുടെ ബന്ധപ്പെട്ട കോഡുകളും ലോഗുകളും ഒരുമിച്ച് പരിശോധിക്കുന്നതിനോ, സങ്കീർണ്ണമായ ഫീച്ചറിന്റെ ആവശ്യകതാ വിശകലനം മുതൽ നടപ്പാക്കലും പരിശോധനാ ഫലങ്ങളുടെ അവലോകനവും വരെ ഉൾപ്പെടുന്ന ജോലികൾക്കോ ഇത് ഉപയോഗിക്കുന്നു.
cip-5.5-sm
cip-5.5-sm എഡ്ജ് സെർവറുകളിലും ഓൺ-പ്രെമൈസസ് പരിസരങ്ങളിലും ലോക്കൽ ഇൻഫറൻസും ജോലി ഓട്ടോമേഷനും നിർവഹിക്കുന്നു. മോഡൽ വലുപ്പം 24B~40B പരിധിയിൽ ക്രമീകരിക്കാനാകുന്നതിനാൽ, വിന്യസിക്കുന്ന ഉപകരണങ്ങളുടെ കംപ്യൂട്ടിംഗ് വിഭവങ്ങൾക്കും സ്ഥലത്തെ ആവശ്യമായ പ്രകടനത്തിനും അനുയോജ്യമായ കോൺഫിഗറേഷൻ തിരഞ്ഞെടുക്കാം. ഡാറ്റ സൃഷ്ടിക്കപ്പെടുന്ന സ്ഥലത്തിന് സമീപം തന്നെ പ്രോസസ്സ് ചെയ്യുന്നതിനാൽ, സ്ഥലത്തെ സിസ്റ്റങ്ങളുമായുള്ള സംയോജനത്തിനും ആഭ്യന്തര ഡാറ്റയുടെ ഉപയോഗത്തിനും ഇത് പ്രയോജനപ്പെടുന്നു. ആവശ്യമായ മോഡലുകളും ഉപകരണങ്ങളും ലോക്കലായി കോൺഫിഗർ ചെയ്താൽ, ബാഹ്യ കണക്ഷൻ പരിമിതമായ പരിസരങ്ങളിലും ഇത് പ്രവർത്തിപ്പിക്കാനാകും.
സ്ഥലത്ത് ഉണ്ടാകുന്ന വിവരങ്ങൾ വ്യാഖ്യാനിച്ച് അവയെ പ്രോസസ്സിംഗ് നടപടിക്രമങ്ങളുമായി ബന്ധിപ്പിക്കുന്നതാണ് ഇതിന്റെ പങ്ക്. ലോഗുകളും അഭ്യർത്ഥനകളും തരംതിരിക്കുകയും, ഡാറ്റയിൽ നിന്ന് ആവശ്യമായ വിവരങ്ങൾ എക്സ്ട്രാക്റ്റ് ചെയ്യുകയും, ബന്ധിപ്പിച്ച ആഭ്യന്തര ഉപകരണങ്ങളും സ്ക്രിപ്റ്റുകളും ഉപയോഗിച്ച് ആവർത്തിക്കുന്ന ജോലികൾ നിർവഹിക്കുകയും ചെയ്യുന്നു.
- സ്ഥലത്തെ ഇവന്റ് പ്രോസസ്സിംഗ്: ഉപകരണ ലോഗുകളും സ്റ്റാറ്റസ് വിവരങ്ങളും തരംതിരിച്ച് പരിശോധന ആവശ്യമുള്ള ഇവന്റുകൾ തിരഞ്ഞെടുക്കുന്നു.
- ഡാറ്റ പ്രീപ്രോസസ്സിംഗ്: ജോലി രേഖകളിൽ നിന്ന് പ്രധാന ഇനങ്ങൾ എക്സ്ട്രാക്റ്റ് ചെയ്ത് തരംതിരിക്കുകയും ടാഗ് ചെയ്യുകയും നോർമലൈസ് ചെയ്യുകയും ചെയ്യുന്നു.
- അഭ്യർത്ഥന റൂട്ടിംഗ്: ലഭിച്ച അഭ്യർത്ഥനകൾ ബന്ധപ്പെട്ട സിസ്റ്റത്തിലേക്കോ പ്രോസസ്സിംഗ് നടപടിക്രമത്തിലേക്കോ കൈമാറുന്നു.
- ലോക്കൽ ജോലി ഏജന്റ്: ആഭ്യന്തര സിസ്റ്റങ്ങളിൽ നിന്ന് വിവരങ്ങൾ ശേഖരിക്കുകയും സ്ക്രിപ്റ്റുകൾ പ്രവർത്തിപ്പിക്കുകയും ചെയ്ത് ആവർത്തിക്കുന്ന ജോികൾ നിർവഹിക്കുന്നു.
- ഓൺ-പ്രെമൈസസ് ജോലി പിന്തുണ: ആഭ്യന്തര രേഖകളെ അടിസ്ഥാനമാക്കി ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകുകയും ജോലിയുടെ ഉള്ളടക്കം ക്രമീകരിക്കുകയും ചെയ്യുന്നു.
- തുടർവിശകലന പിന്തുണ: അധിക പരിശോധന ആവശ്യമുള്ള രേഖകൾ തിരഞ്ഞെടുത്ത് പ്രധാന ഉള്ളടക്കം ക്രമീകരിക്കുന്നു.
ഉദാഹരണത്തിന്, സ്ഥാപനത്തിന്റെ സെർവറിൽ പ്രവർത്തന ലോഗുകൾ തരംതിരിച്ച് ബന്ധപ്പെട്ട ചരിത്രം പരിശോധിച്ച ശേഷം ചുമതലയുള്ള വ്യക്തിക്കായി സംഭവത്തിന്റെ സംഗ്രഹം തയ്യാറാക്കുന്ന പ്രവാഹത്തിൽ ഇത് ഉപയോഗിക്കുന്നു.
Cosa
Cosa ടെക്സ്റ്റിനെ ശബ്ദമായി പരിവർത്തനം ചെയ്യുകയും, ഇൻപുട്ട് ശബ്ദം ടെക്സ്റ്റായി തിരിച്ചറിയുകയും, ഇഷ്ടമുള്ള ശബ്ദം രജിസ്റ്റർ ചെയ്ത് വീണ്ടും ഉപയോഗിക്കുകയും ചെയ്യുന്ന ശബ്ദ ഉൽപ്പന്നങ്ങളുടെ ഒരു ശ്രേണിയാണ്. സേവന മാർഗനിർദേശം, ഉള്ളടക്ക നിർമ്മാണം, ആക്സസിബിലിറ്റി പിന്തുണ, സംഭാഷണാത്മക ഏജന്റുകളുടെ ശബ്ദ ഇന്റർഫേസ് എന്നിവയ്ക്കായി ഇത് ഉപയോഗിക്കുന്നു.
ശബ്ദ ജനറേഷൻ cosa-aയും cosa-bയും നിർവഹിക്കുന്നു, ശബ്ദ തിരിച്ചറിയൽ cosa-asr നിർവഹിക്കുന്നു. cosa-aയും cosa-bയും തങ്ങളുടേതായ ശബ്ദപ്പട്ടികകളും സിന്തസിസ് ക്രമീകരണങ്ങളും നൽകുന്ന പ്രത്യേക മോഡലുകളാണ്, അവ ഒരേ സേവന ഇന്റർഫേസിൽ നിന്ന് തിരഞ്ഞെടുക്കാം. രണ്ട് മോഡലുകളും പൊതുവായി നൽകുന്ന സവിശേഷതകൾ താഴെപ്പറയുന്നവയാണ്.
- ടെക്സ്റ്റ്-ടു-സ്പീച്ച്: നൽകിയ വാക്യങ്ങളെ തിരഞ്ഞെടുത്ത ശബ്ദത്തിൽ സിന്തസൈസ് ചെയ്യുന്നു.
- വോയ്സ് ക്ലോണിംഗ്: ഉപയോഗാനുമതിയുള്ള റഫറൻസ് റെക്കോർഡിംഗിനെ അടിസ്ഥാനമാക്കി ശബ്ദം രജിസ്റ്റർ ചെയ്ത് പുതിയ വാക്യങ്ങൾ സിന്തസൈസ് ചെയ്യുന്നു.
- വോയ്സ് ഡിസൈൻ: ആവശ്യമുള്ള ശബ്ദത്തിന്റെ സവിശേഷതകൾ വിവരിച്ച് ശബ്ദം സൃഷ്ടിക്കുകയും രജിസ്റ്റർ ചെയ്യുകയും ചെയ്യുന്നു.
- ശബ്ദത്തിന്റെ പുനരുപയോഗം: രജിസ്റ്റർ ചെയ്ത ശബ്ദം തുടർന്നുള്ള സിന്തസിസിൽ ഉപയോഗിക്കുന്നു.
- സിന്തസിസ് ക്രമീകരണങ്ങൾ: സംസാര വേഗതയും ഭാഷയും മറ്റും ക്രമീകരിക്കുന്നു.
- സ്ട്രീമിംഗ് ഡെലിവറി: ടെക്സ്റ്റ് എത്തുന്ന മുറയ്ക്ക് വാക്യഭാഗങ്ങളായി സിന്തസൈസ് ചെയ്ത് ഓഡിയോ ക്രമമായി കൈമാറുന്നു.
- പ്ലേബാക്ക് നിയന്ത്രണം: താൽക്കാലികമായി നിർത്തൽ, പുനരാരംഭിക്കൽ, നിർത്തൽ, അധിക വാക്യ ഇൻപുട്ട് എന്നിവ പിന്തുണയ്ക്കുന്നു.
ക്രമാനുഗതമായ ടെക്സ്റ്റ് ഇൻപുട്ട് ഉപയോഗിച്ച് മുഴുവൻ മറുപടിയും പൂർത്തിയാകുന്നതിന് മുമ്പ് ശബ്ദ പ്ലേബാക്ക് ആരംഭിക്കാം. CIP മറുപടി തയ്യാറാക്കുമ്പോൾ, തയ്യാറായ വാക്യഭാഗങ്ങൾ മുതൽ Cosa വായിക്കുന്ന ഒരു സേവനം ക്രമീകരിക്കാം.
cosa-a
cosa-a ടെക്സ്റ്റ്-ടു-സ്പീച്ച്, വോയ്സ് ക്ലോണിംഗ്, വോയ്സ് ഡിസൈൻ, സ്ട്രീമിംഗ് ഔട്ട്പുട്ട് എന്നിവ പിന്തുണയ്ക്കുന്നു. ശബ്ദം, ഭാഷ, സംസാര വേഗത എന്നിവ തിരഞ്ഞെടുക്കുന്നതിനുള്ള അടിസ്ഥാന പ്രവർത്തനങ്ങൾക്ക് പുറമെ, സിന്തസിസ് ഘട്ടങ്ങളുടെ എണ്ണം, ഗൈഡൻസ് ശക്തി, ജനറേഷൻ ദൈർഘ്യം എന്നിവയുമായി ബന്ധപ്പെട്ട ക്രമീകരണങ്ങൾ ഉൾപ്പെടെയുള്ള അധിക നിയന്ത്രണങ്ങളും നൽകുന്നു. ശബ്ദം സൃഷ്ടിക്കുന്ന പ്രക്രിയയിൽ ക്രമീകരണങ്ങൾ മാറ്റി ഫലം പരിശോധിക്കാനോ, ഒരേ സ്ക്രിപ്റ്റിൽ വിവിധ ക്രമീകരണങ്ങൾ പ്രയോഗിച്ച് ഫലം തിരഞ്ഞെടുക്കാനോ ഇത് ഉപയോഗിക്കുന്നു.
- ആപ്പുകൾ, കിയോസ്കുകൾ, ബിസിനസ് സിസ്റ്റങ്ങൾ എന്നിവയിലെ നിർദ്ദേശങ്ങളും അറിയിപ്പുകളും സിന്തസൈസ് ചെയ്യുന്നു.
- വിദ്യാഭ്യാസ സാമഗ്രികളും ഉപയോക്തൃ മാനുവലുകളും ശബ്ദരൂപത്തിലാക്കുന്നു.
- വീഡിയോ, ഓഡിയോ ഉള്ളടക്കങ്ങൾക്കായി വിവരണം തയ്യാറാക്കുന്നു.
- രജിസ്റ്റർ ചെയ്ത ശബ്ദം ഉപയോഗിച്ച് ആവർത്തിച്ചുള്ള ഉള്ളടക്കം തയ്യാറാക്കുന്നു.
- സംവാദാത്മക ഏജന്റുകളുടെ സ്ട്രീമിംഗ് ശബ്ദ ഔട്ട്പുട്ടിനായി ഉപയോഗിക്കുന്നു.
- വിശദമായ സിന്തസിസ് ക്രമീകരണങ്ങൾ മാറ്റുന്നതിനുള്ള ശബ്ദ നിർമ്മാണത്തിൽ ഉപയോഗിക്കുന്നു.
cosa-b
cosa-b പ്രീസെറ്റ് ശബ്ദം തിരഞ്ഞെടുക്കൽ, വിവരണത്തെ അടിസ്ഥാനമാക്കിയുള്ള വോയ്സ് ഡിസൈൻ, റഫറൻസ് ശബ്ദത്തെ അടിസ്ഥാനമാക്കിയുള്ള ക്ലോണിംഗ്, സ്ട്രീമിംഗ് ഔട്ട്പുട്ട് എന്നിവ പിന്തുണയ്ക്കുന്നു. സ്വന്തം ശബ്ദപ്പട്ടികയിൽ നിന്ന് ശബ്ദം തിരഞ്ഞെടുക്കുകയോ സേവനത്തിനായി ഉപയോഗിക്കേണ്ട പുതിയ ശബ്ദം രജിസ്റ്റർ ചെയ്യുകയോ ചെയ്യാം.
വോയ്സ് ക്ലോണിംഗിനായി റഫറൻസ് റെക്കോർഡിംഗും അതിനനുസരിച്ചുള്ള ടെക്സ്റ്റും ഉപയോഗിക്കുന്നു. രജിസ്ട്രേഷൻ പ്രക്രിയയിൽ വോയ്സ് റെക്കഗ്നിഷൻ ഉപയോഗിച്ച് റഫറൻസ് ടെക്സ്റ്റ് സൃഷ്ടിക്കുന്ന പ്രവാഹവും പിന്തുണയ്ക്കുന്നു, രജിസ്റ്റർ ചെയ്ത ശബ്ദം തുടർന്നുള്ള സിന്തസിസിൽ പുനരുപയോഗിക്കുന്നു.
- സേവനങ്ങൾക്കും കഥാപാത്രങ്ങൾക്കും വേണ്ടിയുള്ള ശബ്ദ വ്യക്തിത്വം രൂപപ്പെടുത്തുന്നു.
- വിവരണമോ റഫറൻസ് റെക്കോർഡിംഗോ ഉപയോഗിച്ച് ഇഷ്ടാനുസൃത ശബ്ദം സൃഷ്ടിക്കുന്നു.
- ബ്രാൻഡ് നിർദ്ദേശങ്ങൾ, കഥാപാത്ര സംഭാഷണങ്ങൾ, ഉള്ളടക്ക വിവരണങ്ങൾ എന്നിവ സിന്തസൈസ് ചെയ്യുന്നു.
- സംവാദാത്മക ഏജന്റുകളുടെ ശബ്ദ പ്രതികരണങ്ങൾക്കായി ഉപയോഗിക്കുന്നു.
- ഒരേ ശബ്ദത്തിൽ മാറുന്ന അറിയിപ്പ് സന്ദേശങ്ങളും സ്ക്രിപ്റ്റുകളും സിന്തസൈസ് ചെയ്യുന്നു.
cosa-aയും cosa-bയും തമ്മിൽ തിരഞ്ഞെടുക്കുമ്പോൾ നിങ്ങൾക്ക് ആവശ്യമുള്ള ശബ്ദം, യഥാർത്ഥ സിന്തസിസ് ഫലം, ആവശ്യമായ നിയന്ത്രണ ഇനങ്ങൾ എന്നിവ മാനദണ്ഡങ്ങളാക്കുക.
| ഇനം | cosa-a | cosa-b |
|---|---|---|
| സിന്തസിസ് ക്രമീകരണങ്ങൾ | ശബ്ദം, ഭാഷ, സംസാര വേഗത എന്നിവയ്ക്കുപുറമെ സിന്തസിസ് ഘട്ടങ്ങളുടെ എണ്ണം, ഗൈഡൻസ് ശക്തി, ജനറേഷൻ ദൈർഘ്യം എന്നിവയുമായി ബന്ധപ്പെട്ട ക്രമീകരണങ്ങൾ | സംസാര വേഗതയും ഭാഷയും പോലുള്ള പൊതുവായ ക്രമീകരണങ്ങൾ |
| ക്ലോണിംഗ് ഇൻപുട്ട് | ഉപയോഗാനുമതിയുള്ള റഫറൻസ് റെക്കോർഡിംഗ് | റഫറൻസ് റെക്കോർഡിംഗും അതിനൊത്ത ടെക്സ്റ്റും. രജിസ്ട്രേഷൻ പ്രക്രിയയിൽ വോയ്സ് റെക്കഗ്നിഷൻ ഉപയോഗിച്ച് റഫറൻസ് ടെക്സ്റ്റ് സൃഷ്ടിക്കാം |
| പങ്ക് | വിശദമായ സിന്തസിസ് നിയന്ത്രണങ്ങൾ ഉപയോഗിച്ചുള്ള ശബ്ദ ജനറേഷൻ | ശബ്ദം തിരഞ്ഞെടുക്കലും ഇഷ്ടാനുസൃത ശബ്ദ ജനറേഷനും |
cosa-asr
cosa-asr ഇൻപുട്ട് ശബ്ദത്തെ ടെക്സ്റ്റാക്കി മാറ്റുന്നു. റെക്കോർഡിംഗ് സാമഗ്രികൾ രേഖപ്പെടുത്തുന്നതിനും ശബ്ദമായി ലഭിച്ച അഭ്യർത്ഥനകളെ തുടർപ്രവർത്തന സംവിധാനങ്ങൾക്ക് പ്രോസസ്സ് ചെയ്യാവുന്ന ഇൻപുട്ടാക്കി മാറ്റുന്നതിനും ഇത് ഉപയോഗിക്കുന്നു.
- വോയ്സ് മെമ്മോകളും റെക്കോർഡിംഗ് സാമഗ്രികളും ട്രാൻസ്ക്രൈബ് ചെയ്യുന്നു.
- ശബ്ദാധിഷ്ഠിത ചോദ്യങ്ങളും പ്രവർത്തന അഭ്യർത്ഥനകളും ഇൻപുട്ടുകളാക്കി മാറ്റുന്നു.
- ശബ്ദ ക്ലോണിംഗിനുള്ള റഫറൻസ് ടെക്സ്റ്റ് സൃഷ്ടിക്കുന്നു.
- ട്രാൻസ്ക്രിപ്ഷന് ശേഷം സംഗ്രഹിക്കൽ, വർഗ്ഗീകരണം, തിരയൽ എന്നിവയിലേക്ക് നയിക്കുന്ന പ്രോസസ്സിംഗിനായി ഉപയോഗിക്കുന്നു.
ട്രാൻസ്ക്രിപ്ഷൻ ഫലം CIP-ലേക്ക് കൈമാറുമ്പോൾ ഉള്ളടക്ക സംഗ്രഹം, അഭ്യർത്ഥന വർഗ്ഗീകരണം, പ്രവർത്തന ഡ്രാഫ്റ്റ് തയ്യാറാക്കൽ എന്നിവയിലേക്ക് നീങ്ങാം. പ്രോസസ്സ് ചെയ്ത ഫലം cosa-a അല്ലെങ്കിൽ cosa-b ഉപയോഗിച്ച് സിന്തസൈസ് ചെയ്താൽ, ശബ്ദ ഇൻപുട്ടും ഔട്ട്പുട്ടും ഉള്ള ഒരു പ്രവർത്തന സേവനമായി ഇത് മാറുന്നു.
Cova
cova-1 LLM അടിസ്ഥാനമാക്കിയുള്ള ദൃശ്യ OCR-നായി പ്രത്യേകം രൂപകൽപ്പന ചെയ്ത മോഡലാണ്. രേഖകളിലും ചിത്രങ്ങളിലുമുള്ള ടെക്സ്റ്റ് തിരിച്ചറിയുകയും ലേഔട്ടും പട്ടികാ ഘടനയും എക്സ്ട്രാക്റ്റ് ചെയ്യുകയും ദൃശ്യ ഘടകങ്ങൾക്ക് ലളിതമായ വിവരണങ്ങൾ നൽകുകയും ചെയ്യുന്നു.
മനുഷ്യർ കാണുന്ന രേഖകളെ ഏജന്റുകൾക്കും പ്രവർത്തന സംവിധാനങ്ങൾക്കും ഉപയോഗിക്കാൻ അനുയോജ്യമായ രൂപത്തിലേക്ക് മാറ്റുന്നു. പ്രധാന ഉള്ളടക്കവും പട്ടികകളും ഘടനാപരമായ ഉള്ളടക്കമായി എക്സ്ട്രാക്റ്റ് ചെയ്യുകയും രേഖകളിൽ ഉൾപ്പെട്ടിരിക്കുന്ന ചിത്രങ്ങൾ ഹ്രസ്വ വിവരണങ്ങളായി നൽകുകയും ചെയ്യുന്നതിനാൽ, തുടർ ഏജന്റുകൾക്ക് രേഖയുടെ ഉള്ളടക്കവും ദൃശ്യസന്ദർഭവും ഒരുമിച്ച് മനസ്സിലാക്കാൻ കഴിയും. എക്സ്ട്രാക്റ്റ് ചെയ്ത ടെക്സ്റ്റും വിവരണങ്ങളും ഉപയോഗിച്ച് ആദ്യം സാമഗ്രികൾ മനസ്സിലാക്കുകയും വിശദമായ പരിശോധന ആവശ്യമുള്ള യഥാർത്ഥ രേഖകൾ മാത്രം പിന്നീട് പരിശോധിക്കുകയും ചെയ്യുന്ന പ്രവാഹം ക്രമീകരിച്ചാൽ, യഥാർത്ഥ ചിത്രങ്ങൾ ആവർത്തിച്ച് ഇൻപുട്ടായി നൽകേണ്ടതിന്റെ അളവ് കുറച്ച് കോൺടെക്സ്റ്റ് ടോക്കണുകൾ ലാഭിക്കാം.
| സവിശേഷത | വിവരണം |
|---|---|
| ടെക്സ്റ്റ് തിരിച്ചറിയൽ | സ്കാൻ ചെയ്തതോ ചിത്രമെടുത്തതോ ആയ രേഖകളിൽ നിന്ന് അക്ഷരങ്ങൾ എക്സ്ട്രാക്റ്റ് ചെയ്യുന്നു. |
| ലേഔട്ട് വ്യാഖ്യാനം | രേഖയുടെ വിന്യാസം പരിഗണിച്ച് ഉള്ളടക്കത്തെ ബ്ലോക്കുകളായി വിഭജിക്കുന്നു. |
| സ്ഥാന വിവരങ്ങൾ നൽകൽ | തിരിച്ചറിഞ്ഞ ബ്ലോക്കുകളുടെ സ്ഥാനങ്ങൾ നൽകി എക്സ്ട്രാക്റ്റ് ചെയ്ത ഫലങ്ങളെ യഥാർത്ഥ ഉള്ളടക്കവുമായി ബന്ധിപ്പിക്കുന്നു. |
| പട്ടിക ഘടന എക്സ്ട്രാക്ഷൻ | പട്ടികയിലെ ഉള്ളടക്കം ഘടനാപരമാക്കി തിരയലിനും ഡാറ്റ പ്രോസസ്സിംഗിനും ഉപയോഗിക്കുന്നു. |
| ലളിതമായ ഇമേജ് വിവരണം | ചിത്രങ്ങളുടെയും ദൃശ്യ ഘടകങ്ങളുടെയും ഉള്ളടക്കം ചുരുക്കമായി വിവരിച്ച് ഏജന്റിന് വ്യാഖ്യാനത്തിനുള്ള സൂചനകൾ നൽകുന്നു. |
| കൺടെക്സ്റ്റ് കാര്യക്ഷമമാക്കൽ | ടെക്സ്റ്റ്, ഘടന, ഇമേജ് വിവരണം എന്നിവ കേന്ദ്രീകരിച്ച് വിവരങ്ങൾ കൈമാറി യഥാർത്ഥ ചിത്രത്തിന്റെ ആവർത്തിച്ചുള്ള ഇൻപുട്ട് കുറയ്ക്കുന്നു. |
| തിരഞ്ഞെടുത്ത വിശദമായ വിശകലനം | ഏജന്റ് അധികമായി പരിശോധിക്കേണ്ട യഥാർത്ഥ ചിത്രങ്ങൾ നിർണ്ണയിക്കാൻ സഹായിക്കുന്നു. |
| രേഖാ ഫോർമാറ്റ് പരിവർത്തനം | തിരിച്ചറിഞ്ഞ ഫലങ്ങളെ HTML അല്ലെങ്കിൽ Markdown ആയി ക്രമീകരിക്കുന്നു. |
- രേഖ ഡിജിറ്റൈസേഷൻ: പേപ്പർ രേഖകളും സ്കാൻ ചെയ്ത സാമഗ്രികളും ടെക്സ്റ്റ് അടിസ്ഥാനത്തിലുള്ള സാമഗ്രികളാക്കി മാറ്റുന്നു.
- ബിസിനസ് രേഖ സ്വീകരിക്കൽ: അപേക്ഷകൾ, തെളിവ് രേഖകൾ, റിപ്പോർട്ടുകൾ എന്നിവയിൽ നിന്ന് ഉള്ളടക്കം എക്സ്ട്രാക്റ്റ് ചെയ്യുന്നു.
- പട്ടിക ഡാറ്റ പ്രോസസ്സിംഗ്: രേഖകളിൽ ഉൾപ്പെട്ട പട്ടികകൾ തുടർ ഡാറ്റ പ്രോസസ്സിംഗിനായി ഉപയോഗിക്കുന്നു.
- വിജ്ഞാന തിരയലിനുള്ള പ്രീപ്രോസസ്സിംഗ്: രേഖാ ചിത്രങ്ങളും ദൃശ്യ സാമഗ്രികളും തിരയാനാകുന്ന ടെക്സ്റ്റും ഘടനയും ആക്കി മാറ്റുന്നു.
- രേഖാ പരിശോധന ഓട്ടോമേഷൻ: എക്സ്ട്രാക്റ്റ് ചെയ്ത ഫലങ്ങൾ CIP-ലേക്ക് കൈമാറി ഇനങ്ങളുടെ പരിശോധന, സംഗ്രഹം, സാമഗ്രികൾ തമ്മിലുള്ള താരതമ്യം എന്നിവ നടത്തുന്നു.
- ഏജന്റ് ഇൻപുട്ട് ഒപ്റ്റിമൈസേഷൻ: ദൈർഘ്യമേറിയ രേഖകളിലെ പ്രധാന ഉള്ളടക്കം, പട്ടികകൾ, ഇമേജ് വിവരണങ്ങൾ എന്നിവ ക്രമീകരിച്ച് ആവശ്യമായ വിവരങ്ങൾ മാത്രം കൈമാറുന്നു.
ഉദാഹരണത്തിന്, ഒരു റിപ്പോർട്ടിന്റെ പ്രധാന ഉള്ളടക്കവും പട്ടികകളും എക്സ്ട്രാക്റ്റ് ചെയ്യുന്നതിനൊപ്പം അതിൽ ഉൾപ്പെടുത്തിയ ഗ്രാഫിനെ ത്രൈമാസ വിൽപ്പനയിലെ പ്രവണത കാണിക്കുന്ന ഗ്രാഫായി വിവരിക്കുന്നു. ഈ വിവരണത്തിലൂടെ ഏജന്റ് ഗ്രാഫിന്റെ സാന്നിധ്യവും ഉദ്ദേശ്യവും മനസ്സിലാക്കുകയും കൃത്യമായ കണക്കുകളോ പ്രവണതകളോ ആവശ്യമായപ്പോൾ ബന്ധപ്പെട്ട യഥാർത്ഥ ചിത്രം അധികമായി പരിശോധിക്കുകയും ചെയ്യുന്നു.
ഉൽപ്പന്ന ശ്രേണി ബന്ധിപ്പിക്കൽ
ഉൽപ്പന്നങ്ങളെ ബന്ധിപ്പിച്ചാൽ താഴെപ്പറയുന്ന പ്രവാഹം ക്രമീകരിക്കാം.
- രേഖ അടിസ്ഥാനമാക്കിയുള്ള പ്രവർത്തനം: Cova പ്രധാന ഉള്ളടക്കം, പട്ടികകൾ, ഇമേജ് വിവരണങ്ങൾ എന്നിവ എക്സ്ട്രാക്റ്റ് ചെയ്യുന്നു; CIP ആവശ്യമായ യഥാർത്ഥ ഉള്ളടക്കം തിരഞ്ഞെടുത്ത് പരിശോധിച്ച് വിശകലനവും പ്രവർത്തന നിർവഹണവും നടത്തുന്നു; Cosa ഫലങ്ങൾ ശബ്ദമായി കൈമാറുന്നു.
- ശബ്ദ അടിസ്ഥാനമാക്കിയുള്ള പ്രവർത്തനം: Cosa ASR ശബ്ദ അഭ്യർത്ഥനകളെ ടെക്സ്റ്റാക്കി മാറ്റുന്നു, CIP പ്രോസസ്സ് ചെയ്ത ഉത്തരങ്ങൾ cosa-a അല്ലെങ്കിൽ cosa-b വായിച്ചു കേൾപ്പിക്കുന്നു.
- ഫീൽഡ് ഓട്ടോമേഷൻ: cip-5.5-sm ഫീൽഡ് ഡാറ്റയെ തരംതിരിച്ച് പ്രാദേശിക പ്രവർത്തനങ്ങൾ നടത്തുന്നു; അധിക സമഗ്ര വിശകലനം ആവശ്യമായ സാമഗ്രികൾ cip-5.5-im അല്ലെങ്കിൽ cip-5.5-mm-ലേക്ക് കൈമാറുന്നു.
ഗേറ്റ്വേയിൽ അനുവദിച്ച കോളുകൾ
ഗേറ്റ്വേയിലെ പ്ലാനുകൾ ഓരോ മോഡലിനും അനുവദിച്ചിട്ടുള്ള കോളുകൾ നിർണയിക്കുന്നു. താഴെയുള്ള പട്ടിക LLM_FREE, TTS_FREE, STT_FREE പ്ലാനുകൾ അനുവദിക്കുന്ന പരിധിയാണ് കാണിക്കുന്നത്. ഈ പ്ലാനുകൾ അപേക്ഷ കൂടാതെ സ്വമേധയാ പ്രയോഗിക്കപ്പെടുന്നു. മറ്റ് മാർഗങ്ങളിലൂടെ തുറന്ന മോഡലുകൾ ഇതിൽ ഉൾപ്പെടുത്തിയിട്ടില്ല.
| മോഡൽ ID | അനുവദിച്ച കോളുകൾ | അടിസ്ഥാന പ്ലാൻ |
|---|---|---|
| cip-5.5-im | anthropic.messages · chat.completions · chat.completions.batch · completions · responses | LLM_FREE |
| cip-5.5-im-chat | anthropic.messages · chat.completions · chat.completions.batch · completions · responses | LLM_FREE |
| cip-5.5-mm | anthropic.messages · chat.completions · chat.completions.batch · completions · responses | LLM_FREE |
| cip-5.5-mm-h | anthropic.messages · chat.completions · chat.completions.batch · completions · responses | LLM_FREE |
| cosa-a | audio.speech · audio.speech.clone · voices · voices.design | TTS_FREE |
| cosa-b | audio.speech · audio.speech.clone · voices · voices.design | TTS_FREE |
| cosa-tts | audio.speech · audio.speech.clone · voices · voices.design | TTS_FREE |
| cosa-asr | audio.transcriptions | STT_FREE |
| ivy-4-embedding | embeddings | LLM_FREE |
| ivy-4-embedding-mm | embeddings | LLM_FREE |
| ivy-4-mm | anthropic.messages · chat.completions · chat.completions.batch · completions · responses | LLM_FREE |
cip-5.5-smയും cova-1ഉം ഈ പ്ലാൻ പട്ടികയിൽ ഇല്ല. പട്ടികയിലെ cip-5.5-im-chat, cip-5.5-mm-h, cosa-tts, ivy-4-embedding, ivy-4-embedding-mm, ivy-4-mm എന്നിവ മുകളിലെ ഉൽപ്പന്ന വിവരണത്തിൽ ഉൾപ്പെടുത്തിയിട്ടില്ലാത്ത മോഡൽ ഐഡികളാണ്. കോൾ കീ ഏത് പാതയുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു എന്നത് API കോൾ ചെയ്യുന്നതിനുള്ള ഡോക്യുമെന്റേഷനിൽ കാണാം.