मोडेल

CLEVI मोडेलहरू सामान्य बुद्धिमत्ता र कार्य स्वचालनका लागि CIP, आवाज उत्पादन र पहिचानका लागि Cosa, तथा कागजात र छविबाट सूचना निकाल्नका लागि Cova गरी तीन उत्पादन समूहमा विभाजित छन्। प्रत्येक उत्पादन स्वतन्त्र रूपमा प्रयोग गर्न सकिन्छ वा कागजात पहिचान, विश्लेषण, कार्य सम्पादन र आवाज निर्देशनसम्म जोडिने सेवाका रूपमा संयोजन गर्न सकिन्छ।

CIP

CIP ले सामान्य बुद्धिमत्ता र कार्य स्वचालनको जिम्मेवारी वहन गर्छ। यसमा गेटवेमार्फत कल गरिने cip-5.5-im र cip-5.5-mm, तथा एज सर्भर र अन-प्रिमाइसमा डिप्लोय गरिने cip-5.5-sm समावेश छन्।

cip-5.5-im र cip-5.5-mm

cip-5.5-im स्पष्ट लक्ष्य र कार्यक्षेत्र भएका कामका लागि उपयुक्त छ। उपलब्ध सामग्रीबाट आवश्यक जानकारी निकाल्ने, तोकिएको ढाँचामा नतिजा तयार गर्ने र आवश्यकताअनुसार कोड परिमार्जन गर्ने काम यसका प्रमुख प्रयोग हुन्। अधिकतम 64K आउटपुट विस्तृत प्रतिवेदन वा धेरै भागमा 구성 भएका परिणामहरू तयार गर्न प्रयोग गर्न सकिन्छ।

• विकास सहयोग: फङ्सन र सुविधा लेख्ने, स्पष्ट सीमासहितका बगहरू समाधान गर्ने र विद्यमान ढाँचाअनुसार कार्यान्वयन गर्ने।
• परीक्षण सिर्जना: आवश्यकताहरू र कार्यान्वयनका आधारमा परीक्षणका प्रारम्भिक मस्यौदा तथा प्रमाणीकरणका केसहरू तयार गर्ने।
• दस्तावेज प्रशोधन: सारांश, वर्गीकरण, वस्तु निष्कर्षण, ढाँचा रूपान्तरण र प्रारम्भिक मस्यौदा तयार गर्ने।
• मल्टिमोडल विश्लेषण: स्क्रिनका छविहरू तथा दस्तावेजका तालिका र चार्टहरूलाई सम्बन्धित विवरणसहित समीक्षा गर्ने।
• अन्तरक्रियात्मक कार्य सहयोग: कार्यसम्बन्धी सामग्रीका आधारमा प्रश्नहरूको उत्तर दिने र आवश्यक परिणामहरू तयार गर्ने।
• ठूलो परिमाणको प्रशोधन: धेरै दस्तावेजका व्यक्तिगत सारांश, अनुरोध वर्गीकरण र डेटा रूपान्तरणका लागि प्रयोग गर्ने।
• सब-एजेन्ट: कोड अन्वेषण, निश्चित फाइलको समीक्षा र सामग्री व्यवस्थित गर्ने जस्ता स्पष्ट सीमासहितका उपकार्यहरू सम्हाल्ने।

उदाहरणका लागि, सुविधा आवश्यकताहरू र सम्बन्धित कोड प्राप्त गरी संशोधन प्रस्ताव, परीक्षण र परिवर्तनको विवरण तयार गर्ने, वा दर्ता दस्तावेजहरू वर्गीकरण गरी जिम्मेवार व्यक्तिका लागि सारांश तयार गर्ने काममा यसको प्रयोग गरिन्छ।

cip-5.5-mm सूचना बीचका सम्बन्धहरू बुझ्नुपर्ने र सम्पूर्ण कार्यको सुसंगतता कायम राख्नुपर्ने कामका लागि उपयुक्त छ। विकासमा यसले आवश्यकताहरू, डिजाइन, कार्यान्वयन र परीक्षणबीचको सम्बन्धको समीक्षा गर्छ, र दस्तावेज विश्लेषणमा धेरै सामग्रीका दाबी तथा प्रमाण, भिन्नता र विरोधाभासलाई समग्र रूपमा विश्लेषण गर्छ।

• जटिल सुविधा कार्यान्वयन: धेरै मोड्युलका सम्झौता र व्यवहारलाई ध्यानमा राख्दै कोड, परीक्षण र दस्तावेजलाई एकसाथ परिवर्तन गर्ने।
• ठूलो परिमाणको कोड विश्लेषण: कल सम्बन्ध, डेटा प्रवाह र परिवर्तनको प्रभाव क्षेत्रको समीक्षा गर्ने।
• समस्या कारण विश्लेषण: लग, कन्फिगरेसन, कोड र कार्यान्वयन परिणामहरू तुलना गरी सम्भावित कारण तथा पुष्टि गर्ने प्रक्रियालाई व्यवस्थित गर्ने।
• डिजाइन र निर्णय सहयोग: आवश्यकताहरू र सीमितताहरूलाई संरचित गर्ने तथा कार्यान्वयनका विकल्पहरूको प्रभाव विश्लेषण गर्ने।
• धेरै दस्तावेजको समग्र विश्लेषण: प्रतिवेदन र प्राविधिक दस्तावेजका समानता, भिन्नता र विरोधाभासलाई प्रमाणमा आधारित रूपमा व्यवस्थित गर्ने।
• मल्टिमोडल एकीकृत समीक्षा: पाठ र दृश्य सामग्रीलाई सँगै व्याख्या गरी समस्या तथा आवश्यकताहरूको विश्लेषण गर्ने।
• बहु-चरणीय एजेन्ट: अनुसन्धान, योजना, उपकरण कार्यान्वयन र नतिजा समीक्षासम्मका चरणहरू समावेश हुने कामका लागि प्रयोग गर्ने।
• विशेषज्ञ दस्तावेज लेखन: जटिल सर्तहरू र प्रमाणलाई समेटेर प्राविधिक प्रतिवेदन, डिजाइन प्रस्ताव र विस्तृत समीक्षा दस्तावेज तयार गर्ने।

उदाहरणका लागि, विभिन्न सेवाहरूमा उत्पन्न भएका त्रुटिका सम्बन्धित कोड र लगहरू सँगै समीक्षा गर्ने वा जटिल सुविधाको आवश्यकतासम्बन्धी विश्लेषणदेखि कार्यान्वयन र प्रमाणीकरण परिणामको समीक्षासम्मको काममा प्रयोग गरिन्छ।

cip-5.5-sm

cip-5.5-sm ले एज सर्भर र अन-प्रिमाइस वातावरणमा स्थानीय अनुमान र कार्य स्वचालन सञ्चालन गर्छ। मोडेलको आकार 24B~40B को दायरामा समायोजन गर्न सकिने भएकाले, डिप्लोयमेन्ट उपकरणको कम्प्युटेसनल स्रोत र स्थलको आवश्यक कार्यसम्पादनअनुसार कन्फिगरेसन छनोट गर्न सकिन्छ। डेटा उत्पन्न हुने स्थान नजिकै प्रशोधन गरिने भएकाले, यसलाई स्थल प्रणालीसँगको एकीकरण र आन्तरिक डेटा प्रयोगका लागि प्रयोग गर्न सकिन्छ। आवश्यक मोडेल र उपकरणहरू स्थानीय रूपमा कन्फिगर गरेमा बाह्य जडान सीमित भएको वातावरणमा पनि सञ्चालन गर्न सकिन्छ।

स्थलमा उत्पन्न हुने जानकारीको व्याख्या गरी त्यसलाई प्रशोधन प्रक्रियासँग जोड्ने भूमिका हो। लग र अनुरोधहरूलाई वर्गीकरण र छानबिन गर्छ, डेटाबाट आवश्यक जानकारी निकाल्छ, र जडान गरिएका आन्तरिक उपकरण तथा स्क्रिप्टमार्फत दोहोरिने कामहरू गर्छ।

• स्थल घटना प्रशोधन: उपकरणका लग र स्थिति जानकारीलाई वर्गीकरण गरी पुष्टि आवश्यक पर्ने घटनाहरू छनोट गर्छ।
• डेटा पूर्वप्रशोधन: कार्य अभिलेखबाट मुख्य बुँदाहरू निकालेर वर्गीकरण, ट्यागिङ र सामान्यीकरण गर्छ।
• अनुरोध राउटिङ: प्राप्त अनुरोधलाई सम्बन्धित प्रणाली वा प्रशोधन प्रक्रियामा पठाउँछ।
• स्थानीय कार्य एजेन्ट: आन्तरिक प्रणालीमा खोजी र स्क्रिप्ट सञ्चालनमार्फत दोहोरिने कामहरू गर्छ।
• अन-प्रिमाइस कार्य सहयोग: आन्तरिक सामग्रीका आधारमा प्रश्नहरूको उत्तर दिन्छ र कार्यसम्बन्धी सामग्री व्यवस्थित गर्छ।
• पछिल्लो विश्लेषण सहयोग: थप समीक्षाको आवश्यकता भएका सामग्रीहरू छनोट गरी मुख्य विषयवस्तु व्यवस्थित गर्छ।

उदाहरणका लागि, कार्यालयको सर्भरमा सञ्चालन लगहरू वर्गीकरण गरी सम्बन्धित इतिहास खोजेपछि जिम्मेवार व्यक्तिका लागि घटनाको सारांश तयार गर्ने प्रवाहमा प्रयोग गरिन्छ।

Cosa

Cosa पाठलाई आवाजमा रूपान्तरण गर्छ, इनपुट आवाजलाई पाठका रूपमा पहिचान गर्छ, र इच्छित आवाज दर्ता गरी पुनः प्रयोग गर्न सकिने आवाज उत्पादनहरूको समूह हो। यसलाई सेवा मार्गदर्शन, सामग्री निर्माण, पहुँचयोग्यता सहयोग र संवादात्मक एजेन्टको आवाज इन्टरफेसमा प्रयोग गरिन्छ।

आवाज उत्पादनको जिम्मेवारी cosa-a र cosa-b को हुन्छ भने आवाज पहिचानको जिम्मेवारी cosa-asr को हुन्छ। cosa-a र cosa-b प्रत्येकले आफ्नै आवाज सूची र संश्लेषण सेटिङहरू उपलब्ध गराउने छुट्टाछुट्टै मोडेल हुन्, र एउटै सेवा इन्टरफेसबाट छनोट गरिन्छन्। दुवै मोडेलले साझा रूपमा उपलब्ध गराउने सुविधाहरू निम्न छन्।

• पाठलाई आवाजमा रूपान्तरण: प्रविष्ट गरिएको वाक्यलाई चयन गरिएको आवाजमा संश्लेषण गर्छ।
• आवाज प्रतिलिपि: प्रयोगको अनुमति भएको सन्दर्भ रेकर्डिङका आधारमा आवाज दर्ता गरी नयाँ वाक्यहरू संश्लेषण गर्छ।
• आवाज डिजाइन: चाहिएको आवाजका विशेषताहरू वर्णन गरेर आवाज सिर्जना र दर्ता गर्छ।
• आवाज पुनःप्रयोग: दर्ता गरिएको आवाजलाई पछिल्ला संश्लेषणहरूमा प्रयोग गर्छ।
• संश्लेषण सेटिङ: बोल्ने गति र भाषा आदि समायोजन गर्छ।
• स्ट्रिमिङ डेलिभरी: पाठ प्राप्त हुनेबित्तिकै वाक्यांशगत रूपमा संश्लेषण गरी अडियो क्रमिक रूपमा पठाउँछ।
• प्लेब्याक नियन्त्रण: पज, पुनःसुरु, रोक्ने र थप वाक्यहरू प्रविष्ट गर्ने सुविधा दिन्छ।

क्रमिक पाठ इनपुट प्रयोग गर्दा सम्पूर्ण उत्तर पूरा हुनुअघि नै आवाज प्लेब्याक सुरु गर्न सकिन्छ। CIP ले उत्तर तयार गरिरहँदा Cosa ले तयार भएका वाक्यांशहरू पढ्ने सेवा संरचना गर्न सकिन्छ।

cosa-a

cosa-a ले पाठलाई आवाजमा रूपान्तरण, आवाज प्रतिलिपि, आवाज डिजाइन र स्ट्रिमिङ आउटपुटलाई समर्थन गर्छ। आवाज, भाषा र बोल्ने गति चयन गर्ने आधारभूत सुविधाका अतिरिक्त संश्लेषण चरणहरूको सङ्ख्या, गाइडेन्सको तीव्रता र उत्पादन लम्बाइसम्बन्धी सेटिङजस्ता थप नियन्त्रण विकल्पहरू प्रदान गर्छ। आवाज सिर्जना प्रक्रियामा सेटिङ समायोजन गरी परिणाम समीक्षा गर्न वा एउटै स्क्रिप्टमा विभिन्न सेटिङ लागू गरेर परिणाम चयन गर्न प्रयोग गरिन्छ।

• एप, किओस्क र कार्य प्रणालीका निर्देशन तथा सूचनाहरू संश्लेषण गर्छ।
• प्रशिक्षण सामग्री र प्रयोगकर्ता पुस्तिकाहरूलाई आवाजमा रूपान्तरण गर्छ।
• भिडियो र अडियो सामग्रीका लागि वर्णन तयार गर्छ।
• दर्ता गरिएको आवाज प्रयोग गरी दोहोरिने सामग्री तयार गर्छ।
• अन्तरक्रियात्मक एजेन्टको स्ट्रिमिङ आवाज आउटपुटमा प्रयोग गर्छ।
• विस्तृत संश्लेषण सेटिङ समायोजन गर्नुपर्ने आवाज सिर्जनामा प्रयोग गर्छ।

cosa-b

cosa-b ले प्रिसेट आवाज चयन, वर्णनमा आधारित आवाज डिजाइन, सन्दर्भ आवाजमा आधारित प्रतिलिपि र स्ट्रिमिङ आउटपुटलाई समर्थन गर्छ। आफ्नै आवाज सूचीबाट आवाज चयन गर्न वा सेवामा प्रयोग गर्न नयाँ आवाज दर्ता गर्न सकिन्छ।

आवाज प्रतिलिपिका लागि सन्दर्भ रेकर्डिङ र त्यससँग सम्बन्धित पाठ प्रयोग गरिन्छ। दर्ता प्रक्रियामा आवाज पहिचानमार्फत सन्दर्भ पाठ उत्पन्न गर्ने प्रवाहलाई पनि समर्थन गर्छ, र दर्ता गरिएको आवाजलाई पछिल्ला संश्लेषणहरूमा पुनःप्रयोग गरिन्छ।

• सेवा र पात्रका आवाज व्यक्तित्वहरू 구성 गर्छ।
• वर्णन वा सन्दर्भ रेकर्डिङबाट अनुकूलित आवाज तयार गर्छ।
• ब्रान्ड निर्देशन, पात्रका संवाद र सामग्रीको वर्णन संश्लेषण गर्छ।
• अन्तरक्रियात्मक एजेन्टका आवाज प्रतिक्रियाहरूमा प्रयोग गर्छ।
• एउटै आवाजमा परिवर्तन हुने सूचना सन्देश र स्क्रिप्टहरू संश्लेषण गर्छ।

cosa-a र cosa-b मध्ये एउटा छनोट गर्दा आफूले चाहेको आवाज, वास्तविक संश्लेषण परिणाम र आवश्यक नियन्त्रण विकल्पहरूलाई आधार बनाउनुहोस्।

cosa-asr

cosa-asr ले इनपुट आवाजलाई पाठमा रूपान्तरण गर्छ। यसले रेकर्ड गरिएका सामग्रीलाई दस्तावेजीकरण गर्छ वा आवाजमार्फत आएका अनुरोधहरूलाई पछिल्ला कार्य प्रणालीहरूले प्रशोधन गर्न सक्ने इनपुटमा रूपान्तरण गर्छ।

• आवाज नोट र रेकर्ड गरिएका सामग्रीलाई लिप्यन्तरण गर्छ।
• आवाजमा आधारित प्रश्न र कार्य अनुरोधहरूलाई इनपुटमा रूपान्तरण गर्छ।
• आवाज क्लोनिङका लागि सन्दर्भ पाठ सिर्जना गर्छ।
• लिप्यन्तरणपछि सारांश, वर्गीकरण र खोजतर्फ अघि बढ्ने प्रशोधनमा प्रयोग गर्छ।

लिप्यन्तरण परिणाम CIP मा पठाएपछि सामग्रीको सारांश, अनुरोधको वर्गीकरण र कार्यसम्बन्धी मस्यौदा तयार गर्ने प्रक्रिया अघि बढ्छ। प्रशोधन परिणामलाई cosa-a वा cosa-b मार्फत संश्लेषण गर्दा आवाज इनपुट र आउटपुट भएको कार्य सेवा बन्छ।

Cova

cova-1 LLM मा आधारित दृष्टि OCR का लागि समर्पित मोडेल हो। यसले कागजात र छविहरूबाट पाठ पहिचान गर्छ, लेआउट र तालिका संरचना निकाल्छ र दृश्य तत्वहरूको संक्षिप्त विवरण प्रदान गर्छ।

मानिसहरूले हेर्ने कागजातहरूलाई एजेन्ट र कार्य प्रणालीहरूले प्रयोग गर्न सजिलो हुने रूपमा रूपान्तरण गर्छ। मुख्य पाठ र तालिकाहरूलाई संरचित सामग्रीका रूपमा निकाल्छ र कागजातमा समावेश छविहरूलाई छोटो विवरणका रूपमा प्रदान गर्छ। यसरी पछिल्ला एजेन्टहरूले कागजातको सामग्री र दृश्य सन्दर्भ दुवै बुझ्न सक्छन्। निकालिएको पाठ र विवरणबाट पहिले सामग्री बुझ्ने र विस्तृत जाँच आवश्यक पर्ने मूल सामग्रीलाई मात्र थप समीक्षा गर्ने प्रक्रिया बनाएमा, मूल छविहरू बारम्बार इनपुट गर्नुपर्ने मात्रा घटाएर सन्दर्भ टोकन बचत गर्न सकिन्छ।

• कागजात डिजिटलीकरण: कागजी कागजात र स्क्यान गरिएका सामग्रीलाई पाठमा आधारित सामग्रीमा रूपान्तरण गर्छ।
• कार्यसम्बन्धी कागजात प्राप्ति: आवेदन फाराम, प्रमाण कागजात र प्रतिवेदनबाट सामग्री निकाल्छ।
• तालिका डेटा प्रशोधन: कागजातमा समावेश तालिकालाई पछिल्लो डेटा प्रशोधनमा प्रयोग गर्छ।
• ज्ञान खोज पूर्वप्रशोधन: कागजातका छवि र दृश्य सामग्रीलाई खोज्न मिल्ने पाठ र संरचनामा रूपान्तरण गर्छ।
• कागजात समीक्षा स्वचालन: निकासी परिणामलाई CIP मा पठाई विवरण जाँच, सारांश र सामग्रीहरूबीच तुलना गर्छ।
• एजेन्ट इनपुट अनुकूलन: लामो कागजातका मुख्य पाठ, तालिका र छवि वर्णनलाई व्यवस्थित गरी आवश्यक जानकारी मात्र पठाउँछ।

उदाहरणका लागि, प्रतिवेदनको मुख्य पाठ र तालिका निकाल्दै समावेश गरिएको ग्राफलाई त्रैमासिक बिक्रीको प्रवृत्ति देखाउने ग्राफका रूपमा वर्णन गर्छ। एजेन्टले यस वर्णनबाट ग्राफको उपस्थिति र उद्देश्य बुझ्छ र सही अंक वा प्रवृत्ति आवश्यक पर्दा सम्बन्धित मूल सामग्रीको थप समीक्षा गर्छ।

उत्पादन समूह जडान

उत्पादनहरू जडान गरेपछि निम्न प्रवाह 구성 गर्न सकिन्छ।

• कागजातमा आधारित कार्य: Cova ले मुख्य पाठ, तालिका र छवि वर्णन निकाल्छ, CIP ले आवश्यक मूल सामग्रीलाई चयनात्मक रूपमा जाँच गरी विश्लेषण तथा कार्यसम्बन्धी प्रशोधन गर्छ, र Cosa ले परिणामलाई आवाजमार्फत प्रदान गर्छ।
• आवाजमा आधारित कार्य: Cosa ASR ले आवाज अनुरोधलाई पाठमा रूपान्तरण गर्छ र CIP ले प्रशोधन गरेको उत्तर cosa-a वा cosa-b ले पढेर सुनाउँछ।
• स्थलगत स्वचालन: cip-5.5-sm ले स्थलगत डेटा वर्गीकरण गरी स्थानीय कार्य सञ्चालन गर्छ र थप समग्र विश्लेषण आवश्यक पर्ने सामग्रीलाई cip-5.5-im वा cip-5.5-mm मा पठाउँछ।

गेटवेमा अनुमति दिइएका कलहरू

गेटवेका प्लानहरूले प्रत्येक मोडेलका लागि अनुमति दिइएका कलहरू निर्धारण गर्छन्। तलको तालिकाले LLM_FREE, TTS_FREE, STT_FREE प्लानहरूले खुला गर्ने दायरा देखाउँछ, र यी प्लानहरू आवेदन नदिई स्वचालित रूपमा लागू हुन्छन्। अन्य मार्गहरूबाट खुला गरिएका मोडेलहरू समावेश गरिएका छैनन्।

cip-5.5-sm र cova-1 यस प्लान तालिकामा छैनन्। तालिकाका cip-5.5-im-chat, cip-5.5-mm-h, cosa-tts, ivy-4-embedding, ivy-4-embedding-mm, ivy-4-mm माथिका उत्पादन विवरणमा समावेश नगरिएका मोडेल ID हुन्। कल कुञ्जी कुन मार्गसँग सम्बन्धित छ भन्ने कुरा API कल गर्ने कागजातमा उल्लेख छ।