मॉडेल

CLEVI मॉडेल्स तीन उत्पादन मालिकांमध्ये विभागली आहेत: सामान्य बुद्धिमत्ता आणि कामाचे ऑटोमेशन हाताळणारे CIP, आवाजाची निर्मिती आणि ओळख हाताळणारे Cosa आणि दस्तऐवज व प्रतिमांमधून माहिती काढणे हाताळणारे Cova. प्रत्येक उत्पादन स्वतंत्रपणे वापरता येते किंवा दस्तऐवज ओळख, विश्लेषण, कामाची अंमलबजावणी आणि आवाज मार्गदर्शन यांना जोडणाऱ्या सेवेमध्ये एकत्र करता येते.

CIP

CIP सामान्य बुद्धिमत्ता आणि कामाचे ऑटोमेशन हाताळते. यात गेटवेद्वारे कॉल केले जाणारे cip-5.5-im आणि cip-5.5-mm, तसेच एज सर्व्हर आणि ऑन-प्रिमायसेसवर तैनात केले जाणारे cip-5.5-sm यांचा समावेश आहे.

cip-5.5-im आणि cip-5.5-mm

cip-5.5-im ही उद्दिष्टे आणि कामाची व्याप्ती स्पष्ट असलेल्या कार्यांसाठी योग्य आहे. प्रदान केलेल्या सामग्रीतून आवश्यक माहिती काढणे, निर्दिष्ट स्वरूपात परिणाम तयार करणे आणि आवश्यकतांनुसार कोडमध्ये बदल करणे ही याची प्रमुख उदाहरणे आहेत. कमाल 64K आउटपुटचा उपयोग सविस्तर अहवाल किंवा अनेक भागांनी बनलेले परिणाम तयार करण्यासाठी केला जातो.

• विकास सहाय्य: फंक्शन्स आणि वैशिष्ट्ये तयार करणे, स्पष्ट व्याप्ती असलेले बग दुरुस्त करणे आणि विद्यमान पॅटर्ननुसार अंमलबजावणी करणे.
• चाचणी निर्मिती: आवश्यकता आणि अंमलबजावणीच्या आधारे चाचणीचे मसुदे आणि पडताळणी प्रकरणे तयार करणे.
• दस्तऐवज प्रक्रिया: सारांश, वर्गीकरण, घटक काढणे, स्वरूप रूपांतर आणि मसुदा तयार करणे.
• मल्टीमोडल विश्लेषण: संबंधित स्पष्टीकरणांसह स्क्रीन प्रतिमा आणि दस्तऐवजांमधील तक्ते व आकृत्यांचे परीक्षण करणे.
• संवादी कार्य सहाय्य: कार्यसामग्रीच्या आधारे प्रश्नांची उत्तरे देणे आणि आवश्यक परिणाम तयार करणे.
• मोठ्या प्रमाणातील प्रक्रिया: अनेक दस्तऐवजांचे स्वतंत्र सारांश, विनंत्यांचे वर्गीकरण आणि डेटा रूपांतर यासाठी उपयोग.
• सबएजंट: कोडचा शोध, विशिष्ट फाइलचे परीक्षण आणि सामग्रीचे आयोजन यांसारखी स्पष्ट सीमारेषा असलेली उपकार्ये हाताळणे.

उदाहरणार्थ, वैशिष्ट्यांच्या आवश्यकता आणि संबंधित कोड घेऊन बदलांचा प्रस्ताव, चाचण्या आणि बदलांचे स्पष्टीकरण तयार करणे किंवा प्राप्त दस्तऐवजांचे वर्गीकरण करून जबाबदार व्यक्तीसाठी सारांश तयार करणे यासाठी याचा उपयोग केला जातो.

cip-5.5-mm ही माहितीमधील संबंध समजून घेणे आणि संपूर्ण कार्यात सुसंगतता राखणे आवश्यक असलेल्या कार्यांसाठी योग्य आहे. विकासामध्ये आवश्यकता, डिझाइन, अंमलबजावणी आणि चाचणी यांमधील संबंधांचे परीक्षण केले जाते, तर दस्तऐवज विश्लेषणात विविध सामग्रीतील दावे व पुरावे तसेच फरक व विसंगती यांचे एकत्रित विश्लेषण केले जाते.

• संमिश्र वैशिष्ट्यांची अंमलबजावणी: अनेक मॉड्यूल्सचे करार आणि वर्तन विचारात घेऊन कोड, चाचण्या आणि दस्तऐवजांमध्ये एकत्रित बदल करणे.
• मोठ्या प्रमाणातील कोड विश्लेषण: कॉल संबंध, डेटा प्रवाह आणि बदलांच्या परिणामांची व्याप्ती तपासणे.
• अडचणीच्या कारणांचे विश्लेषण: लॉग, कॉन्फिगरेशन, कोड आणि अंमलबजावणीचे परिणाम यांची तुलना करून कारणांविषयीच्या गृहितकांचे आणि पडताळणी प्रक्रियेचे आयोजन करणे.
• डिझाइन आणि निर्णय घेण्यासाठी सहाय्य: आवश्यकता आणि मर्यादा संरचित करून अंमलबजावणीच्या पर्यायांचा परिणाम विश्लेषित करणे.
• अनेक दस्तऐवजांचे एकत्रित विश्लेषण: अहवाल आणि तांत्रिक दस्तऐवजांमधील साम्य, फरक आणि विसंगती पुराव्यांच्या आधारे मांडणे.
• मल्टीमोडल एकत्रित परीक्षण: मजकूर आणि दृश्य सामग्रीचा एकत्रित अर्थ लावून समस्या आणि आवश्यकतांचे विश्लेषण करणे.
• बहुस्तरीय एजंट: संशोधन, नियोजन, साधनांची अंमलबजावणी आणि परिणामांचे परीक्षण अशा क्रमाने चालणाऱ्या कार्यांसाठी उपयोग.
• तज्ज्ञ दस्तऐवज लेखन: गुंतागुंतीच्या अटी आणि पुरावे समाविष्ट करणारे तांत्रिक अहवाल, डिझाइन प्रस्ताव आणि सविस्तर परीक्षण दस्तऐवज तयार करणे.

उदाहरणार्थ, विविध सेवांमधून निर्माण झालेल्या त्रुटींचे संबंधित कोड आणि लॉग एकत्र तपासण्यासाठी किंवा जटिल कार्यक्षमतेच्या आवश्यकतांचे विश्लेषण, अंमलबजावणी आणि पडताळणीच्या निकालांच्या पुनरावलोकनापर्यंत चालणाऱ्या कामांसाठी याचा वापर केला जातो.

cip-5.5-sm

cip-5.5-sm एज सर्व्हर आणि ऑन-प्रिमाइसेस वातावरणात स्थानिक अनुमान आणि कामाचे स्वयंचलीकरण करते. मॉडेलचा आकार 24B~40B या मर्यादेत समायोजित करता येत असल्याने, तैनात उपकरणांच्या संगणकीय संसाधनांनुसार आणि प्रत्यक्ष ठिकाणच्या अपेक्षित कार्यक्षमतेनुसार संरचना निवडता येते. डेटा निर्माण होतो त्या ठिकाणाजवळच प्रक्रिया केली जात असल्याने, याचा वापर प्रत्यक्ष ठिकाणच्या प्रणालींशी जोडणी आणि अंतर्गत डेटाच्या वापरासाठी करता येतो. आवश्यक मॉडेल आणि साधने स्थानिक पातळीवर संरचित केल्यास, बाह्य जोडणी मर्यादित असलेल्या वातावरणातही ते चालवता येते.

प्रत्यक्ष ठिकाणी निर्माण झालेली माहिती समजून घेऊन तिला प्रक्रिया पद्धतीशी जोडण्याची ही भूमिका आहे. लॉग आणि विनंत्यांचे वर्गीकरण करून तपासणी आवश्यक असलेल्या बाबी निवडल्या जातात, डेटामधून आवश्यक माहिती काढली जाते आणि जोडलेल्या अंतर्गत साधने व स्क्रिप्टद्वारे पुनरावृत्तीची कामे केली जातात.

• प्रत्यक्ष ठिकाणच्या घटनांची प्रक्रिया: उपकरणांचे लॉग आणि स्थितीविषयक माहितीचे वर्गीकरण करून तपासणी आवश्यक असलेल्या घटना निवडल्या जातात.
• डेटा पूर्वप्रक्रिया: कामाच्या नोंदींमधून मुख्य घटक काढून त्यांचे वर्गीकरण, टॅगिंग आणि सामान्यीकरण केले जाते.
• विनंती रूटिंग: प्राप्त झालेल्या विनंत्या संबंधित प्रणाली किंवा प्रक्रिया पद्धतीकडे पाठवल्या जातात.
• स्थानिक कामाचा एजंट: अंतर्गत प्रणालींमधून माहिती मिळवून आणि स्क्रिप्ट चालवून पुनरावृत्तीची कामे केली जातात.
• ऑन-प्रिमाइसेस कामासाठी सहाय्य: अंतर्गत सामग्रीच्या आधारे प्रश्नांची उत्तरे दिली जातात आणि कामाची माहिती व्यवस्थित मांडली जाते.
• पुढील विश्लेषणासाठी सहाय्य: अतिरिक्त पुनरावलोकन आवश्यक असलेली सामग्री निवडून मुख्य आशय व्यवस्थित मांडला जातो.

उदाहरणार्थ, व्यवसायस्थळाच्या सर्व्हरवरील ऑपरेशन लॉगचे वर्गीकरण करून संबंधित इतिहास तपासल्यानंतर, प्रभारी व्यक्तीसाठी घटनेचा सारांश तयार करण्याच्या प्रक्रियेत याचा वापर केला जातो.

Cosa

Cosa हे मजकुराचे आवाजात रूपांतर करणारे, इनपुट आवाजाचे मजकुरात रूपांतर करणारे आणि इच्छित आवाज नोंदवून पुन्हा वापरता येणारे आवाज उत्पादनांचे समूह आहे. याचा वापर सेवा मार्गदर्शन, सामग्री निर्मिती, प्रवेशयोग्यता सहाय्य आणि संवादात्मक एजंटच्या आवाज इंटरफेससाठी केला जातो.

आवाज निर्मिती cosa-a आणि cosa-b करतात, तर आवाज ओळख cosa-asr करते. cosa-a आणि cosa-b ही प्रत्येकी स्वतःची आवाजांची यादी आणि संश्लेषण सेटिंग्ज देणारी स्वतंत्र मॉडेल्स आहेत आणि त्यांची निवड त्याच सेवा इंटरफेसमधून केली जाते. दोन्ही मॉडेल्सद्वारे समानपणे प्रदान केली जाणारी कार्ये पुढीलप्रमाणे आहेत.

• मजकूर-ते-आवाज रूपांतरण: प्रविष्ट केलेले वाक्य निवडलेल्या आवाजात संश्लेषित करते.
• आवाजाची प्रतिकृती: वापरण्याची परवानगी असलेल्या संदर्भ ध्वनिमुद्रणावर आधारित आवाज नोंदवते आणि नवीन वाक्ये संश्लेषित करते.
• आवाज डिझाइन: इच्छित आवाजाची वैशिष्ट्ये वर्णन करून आवाज तयार आणि नोंदवते.
• आवाजाचा पुनर्वापर: नोंदवलेला आवाज पुढील संश्लेषणासाठी वापरते.
• संश्लेषण सेटिंग्ज: बोलण्याचा वेग आणि भाषा इत्यादी समायोजित करते.
• स्ट्रीमिंग वितरण: मजकूर प्राप्त होताच वाक्यांशांच्या आधारावर संश्लेषण करते आणि ऑडिओ क्रमाने वितरित करते.
• प्लेबॅक नियंत्रण: विराम, पुन्हा सुरू करणे, थांबवणे आणि अतिरिक्त वाक्ये प्रविष्ट करणे समर्थित करते.

वाढत्या मजकूर इनपुटचा वापर केल्यास संपूर्ण उत्तर पूर्ण होण्यापूर्वी आवाजाचे प्लेबॅक सुरू करता येते. CIP उत्तर तयार करत असताना Cosa तयार झालेल्या वाक्यांशांचे वाचन करते अशी सेवा संरचित करता येते.

cosa-a

cosa-a मजकूर-ते-आवाज रूपांतरण, आवाजाची प्रतिकृती, आवाज डिझाइन आणि स्ट्रीमिंग आउटपुटला समर्थन देते. आवाज, भाषा आणि बोलण्याचा वेग निवडण्याच्या मूलभूत कार्यांव्यतिरिक्त, संश्लेषणाच्या टप्प्यांची संख्या, मार्गदर्शनाची तीव्रता आणि निर्मितीच्या लांबीशी संबंधित सेटिंग्ज यांसारखी अतिरिक्त नियंत्रण साधने उपलब्ध करून देते. आवाज निर्मिती प्रक्रियेत सेटिंग्ज समायोजित करून परिणामांचे पुनरावलोकन करण्यासाठी किंवा त्याच मजकुरावर अनेक सेटिंग्ज लागू करून परिणाम निवडण्यासाठी याचा वापर केला जातो.

• अॅप्स, किऑस्क आणि कार्यप्रणालींसाठी सूचना व अधिसूचना संश्लेषित करते.
• प्रशिक्षण सामग्री आणि वापरकर्ता मार्गदर्शकांचे आवाजात रूपांतर करते.
• व्हिडिओ आणि ऑडिओ सामग्रीसाठी निवेदन तयार करते.
• नोंदवलेल्या आवाजाचा वापर करून पुनरावृत्ती होणारी सामग्री तयार करते.
• संवादी एजंटच्या स्ट्रीमिंग आवाज आउटपुटसाठी वापरते.
• सूक्ष्म संश्लेषण सेटिंग्ज समायोजित करणाऱ्या आवाज निर्मितीसाठी वापरते.

cosa-b

cosa-b प्रीसेट आवाजाची निवड, वर्णनावर आधारित आवाज डिझाइन, संदर्भ आवाजावर आधारित प्रतिकृती आणि स्ट्रीमिंग आउटपुटला समर्थन देते. स्वतःच्या आवाजांच्या सूचीमधून आवाज निवडता येतो किंवा सेवेसाठी वापरण्याचा नवीन आवाज नोंदवता येतो.

आवाजाच्या प्रतिकृतीसाठी संदर्भ ध्वनिमुद्रण आणि त्याला अनुरूप मजकूर वापरला जातो. नोंदणी प्रक्रियेदरम्यान आवाज ओळखीद्वारे संदर्भ मजकूर तयार करण्याच्या प्रक्रियेलाही समर्थन दिले जाते आणि नोंदवलेला आवाज पुढील संश्लेषणात पुन्हा वापरता येतो.

• सेवा आणि पात्रांसाठी आवाज व्यक्तिमत्त्व तयार करते.
• वर्णन किंवा संदर्भ ध्वनिमुद्रणाद्वारे सानुकूल आवाज तयार करते.
• ब्रँड सूचना, पात्रांचे संवाद आणि सामग्रीचे निवेदन संश्लेषित करते.
• संवादी एजंटच्या आवाजातील प्रतिसादांसाठी वापरते.
• त्याच आवाजात बदलणारे सूचना संदेश आणि मजकूर संश्लेषित करते.

cosa-a आणि cosa-b यांपैकी एक निवडताना तुम्हाला हवा असलेला आवाज, प्रत्यक्ष संश्लेषणाचा परिणाम आणि आवश्यक नियंत्रण घटक यांचा आधार घ्या.

cosa-asr

cosa-asr इनपुट आवाजाचे मजकुरात रूपांतर करते. हे रेकॉर्ड केलेली सामग्री दस्तऐवजीकरण करते किंवा आवाजाद्वारे आलेल्या विनंत्यांचे रूपांतर पुढील कार्यप्रणाली प्रणालीद्वारे प्रक्रिया करता येतील अशा इनपुटमध्ये करते.

• आवाजातील नोंदी आणि रेकॉर्ड केलेली सामग्री लिप्यंतरित करते.
• आवाजावर आधारित प्रश्न आणि कामाच्या विनंत्यांचे इनपुटमध्ये रूपांतर करते.
• आवाज क्लोनिंगसाठी संदर्भ मजकूर तयार करते.
• लिप्यंतरानंतर सारांश, वर्गीकरण आणि शोधाकडे नेणाऱ्या प्रक्रियांसाठी वापरते.

लिप्यंतराचे परिणाम CIP कडे पाठवल्यास त्यातून सामग्रीचा सारांश, विनंत्यांचे वर्गीकरण आणि कामाचे प्रारूप तयार करणे शक्य होते. प्रक्रिया केलेले परिणाम cosa-a किंवा cosa-b द्वारे संश्लेषित केल्यास आवाजातील इनपुट आणि आउटपुट असलेली कार्यप्रणाली सेवा तयार होते.

Cova

cova-1 हे LLM-आधारित, व्हिजन OCR साठीचे विशेष मॉडेल आहे. हे दस्तऐवज आणि प्रतिमांमधील मजकूर ओळखते, मांडणी आणि तक्त्यांची रचना काढते आणि दृश्य घटकांचे संक्षिप्त वर्णन देते.

मानवांना दिसणाऱ्या दस्तऐवजांचे रूपांतर एजंट आणि कार्यप्रणाली प्रणालींसाठी वापरण्यास सोयीच्या स्वरूपात करते. मुख्य मजकूर आणि तक्ते संरचित सामग्री म्हणून काढले जातात, तर दस्तऐवजात समाविष्ट प्रतिमा संक्षिप्त वर्णनांसह दिल्या जातात. त्यामुळे पुढील एजंट दस्तऐवजाची सामग्री आणि दृश्य संदर्भ दोन्ही समजून घेऊ शकतो. काढलेल्या मजकूर आणि वर्णनांद्वारे प्रथम सामग्री समजून घेऊन, सविस्तर पडताळणी आवश्यक असलेल्या केवळ मूळ प्रतिमांचे पुढे पुनरावलोकन करण्याची प्रक्रिया तयार केल्यास, मूळ प्रतिमा वारंवार इनपुट करण्याचे प्रमाण कमी होते आणि संदर्भ टोकनची बचत होते.

• दस्तऐवजांचे डिजिटायझेशन: कागदी दस्तऐवज आणि स्कॅन केलेली सामग्री मजकूर-आधारित सामग्रीमध्ये रूपांतरित करतो.
• व्यावसायिक दस्तऐवज स्वीकारणे: अर्ज, पुरावे आणि अहवालांमधून माहिती काढतो.
• तक्त्याचा डेटा प्रक्रिया: दस्तऐवजांमधील तक्ते पुढील डेटा प्रक्रियेसाठी वापरतो.
• ज्ञान शोधासाठी पूर्वप्रक्रिया: दस्तऐवज प्रतिमा आणि दृश्य सामग्री शोधता येण्याजोग्या मजकूर व संरचनेत रूपांतरित करतो.
• दस्तऐवज पुनरावलोकन स्वयंचलन: काढलेले परिणाम CIP कडे पाठवून घटकांची पडताळणी, सारांश आणि सामग्रीमधील तुलना करतो.
• एजंट इनपुटचे अनुकूलन: दीर्घ दस्तऐवजांमधील मुख्य मजकूर, तक्ते आणि प्रतिमा वर्णन व्यवस्थित करून आवश्यक माहितीच पाठवतो.

उदाहरणार्थ, अहवालातील मुख्य मजकूर आणि तक्ते काढताना समाविष्ट केलेल्या आलेखाचे तिमाहीनुसार विक्रीतील बदल दर्शविणारा आलेख म्हणून वर्णन करतो. एजंट या वर्णनातून आलेखाचे अस्तित्व आणि उपयोग समजून घेतो आणि अचूक आकडे किंवा कल आवश्यक असल्यास संबंधित मूळ सामग्रीचे अतिरिक्त पुनरावलोकन करतो.

उत्पादन समूह जोडणे

उत्पादने जोडल्यावर पुढील प्रवाह तयार करता येतो.

• दस्तऐवज-आधारित काम: Cova मुख्य मजकूर, तक्ते आणि प्रतिमा वर्णन काढते, CIP आवश्यक मूळ सामग्रीची निवडक तपासणी करून विश्लेषण व कामाची प्रक्रिया करते आणि Cosa परिणाम आवाजाच्या स्वरूपात सांगते.
• आवाज-आधारित काम: Cosa ASR आवाजातील विनंतीचे मजकुरात रूपांतर करते आणि CIP ने प्रक्रिया केलेले उत्तर cosa-a किंवा cosa-b वाचून दाखवते.
• क्षेत्रीय स्वयंचलन: cip-5.5-sm क्षेत्रीय डेटाचे वर्गीकरण करून स्थानिक कामे पार पाडते आणि अतिरिक्त एकत्रित विश्लेषण आवश्यक असलेली सामग्री cip-5.5-im किंवा cip-5.5-mm कडे पाठवते.

गेटवेमध्ये अनुमत कॉल

गेटवेचे प्लॅन प्रत्येक मॉडेलसाठी अनुमत कॉल निश्चित करतात. खालील तक्त्यामध्ये LLM_FREE, TTS_FREE, STT_FREE प्लॅनद्वारे उपलब्ध होणाऱ्या श्रेणी दिल्या आहेत आणि हे प्लॅन अर्जाची आवश्यकता नसताना आपोआप लागू होतात. इतर मार्गांनी उपलब्ध होणारी मॉडेल्स यात समाविष्ट नाहीत.

cip-5.5-sm आणि cova-1 या प्लॅनच्या तक्त्यात नाहीत. तक्त्यातील cip-5.5-im-chat, cip-5.5-mm-h, cosa-tts, ivy-4-embedding, ivy-4-embedding-mm आणि ivy-4-mm हे वरील उत्पादनाच्या वर्णनात समाविष्ट नसलेले मॉडेल ID आहेत. कॉल की कोणत्या मार्गाशी संबंधित आहे, याची माहिती API कॉल करण्याच्या दस्तऐवजात आहे.