Modelo

Os modelos CLEVI estão divididos em três famílias de produtos: CIP, responsável pela inteligência geral e pela automatização de tarefas; Cosa, responsável pela geração e pelo reconhecimento de voz; e Cova, responsável pela extração de informações de documentos e imagens. Cada produto pode ser utilizado de forma independente ou integrado em serviços que abrangem o reconhecimento de documentos, a análise, a execução de tarefas e a orientação por voz.

CIP

O CIP é responsável pela inteligência geral e pela automatização de tarefas. É composto por cip-5.5-im e cip-5.5-mm, acedidos através do gateway, e por cip-5.5-sm, implementado em edge servers e em ambientes on-premises.

cip-5.5-im e cip-5.5-mm

cip-5.5-im é adequado para tarefas com objetivos e âmbito de trabalho claros. Exemplos representativos incluem extrair as informações necessárias dos materiais fornecidos, elaborar resultados no formato especificado e modificar código de acordo com os requisitos. O limite máximo de 64K tokens de saída é útil para elaborar relatórios detalhados ou resultados compostos por várias partes.

• Assistência ao desenvolvimento: escreve funções e funcionalidades, corrige erros com âmbito bem definido e implementa de acordo com os padrões existentes.
• Criação de testes: elabora rascunhos de testes e casos de validação com base nos requisitos e na implementação.
• Processamento de documentos: trata de resumos, classificações, extração de itens, conversão de formatos e elaboração de rascunhos.
• Análise multimodal: analisa imagens de ecrãs e tabelas e gráficos de documentos, juntamente com as descrições relevantes.
• Suporte interativo ao trabalho: responde a perguntas com base nos materiais de trabalho e elabora os resultados necessários.
• Processamento em grande escala: utiliza-se para resumos individuais de vários documentos, classificação de pedidos e conversão de dados.
• Subagentes: trata de subtarefas com limites claros, como explorar código, rever ficheiros específicos e organizar materiais.

Por exemplo, utiliza-se para receber requisitos funcionais e código relacionado e elaborar uma proposta de alteração, testes e descrição das alterações, ou para classificar documentos recebidos e criar resumos para os responsáveis.

cip-5.5-mm é adequado para tarefas que exigem compreender as relações entre as informações e manter a coerência de todo o trabalho. No desenvolvimento, revê a ligação entre requisitos, conceção, implementação e testes; na análise documental, sintetiza as afirmações e evidências, diferenças e contradições de vários materiais.

• Implementação de funcionalidades complexas: altera conjuntamente código, testes e documentação, tendo em conta os contratos e o comportamento de vários módulos.
• Análise de código em grande escala: analisa as relações entre chamadas, o fluxo de dados e o âmbito do impacto das alterações.
• Análise das causas de incidentes: compara registos, configurações, código e resultados de execução para organizar hipóteses sobre as causas e procedimentos de confirmação.
• Apoio à conceção e à tomada de decisões: estrutura os requisitos e as restrições e analisa o impacto das alternativas de implementação.
• Análise de síntese de vários documentos: organiza, com base em evidências, os pontos comuns, as diferenças e as contradições de relatórios e documentos técnicos.
• Revisão integrada multimodal: interpreta conjuntamente texto e materiais visuais para analisar problemas e requisitos.
• Agentes com várias etapas: utiliza-se em tarefas que envolvem investigação, planeamento, execução de ferramentas e revisão dos resultados.
• Elaboração de documentação especializada: redige relatórios técnicos, propostas de conceção e documentos de revisão detalhados que refletem condições e evidências complexas.

Por exemplo, é utilizado para rever em conjunto o código e os registos relevantes de erros ocorridos em vários serviços, ou em tarefas que vão desde a análise dos requisitos de funcionalidades complexas até à implementação e à revisão dos resultados da validação.

cip-5.5-sm

O cip-5.5-sm realiza inferência local e automatização de tarefas em servidores edge e em ambientes on-premises. Como o tamanho do modelo pode ser ajustado no intervalo de 24B~40B, é possível escolher a configuração adequada aos recursos computacionais do equipamento de implementação e ao desempenho exigido no local. Como o processamento ocorre próximo do ponto onde os dados são gerados, é utilizado na integração com sistemas locais e no aproveitamento de dados internos. Se os modelos e as ferramentas necessários forem configurados localmente, pode ser operado mesmo em ambientes com ligações externas limitadas.

Desempenha o papel de interpretar as informações geradas no local e encaminhá-las para procedimentos de processamento. Classifica registos e pedidos, extrai as informações necessárias dos dados e executa tarefas repetitivas com ferramentas internas e scripts ligados.

• Processamento de eventos no local: classifica e verifica os registos e as informações de estado dos equipamentos, selecionando os eventos que requerem confirmação.
• Pré-processamento de dados: extrai os elementos essenciais dos registos de trabalho e classifica, etiqueta e normaliza os dados.
• Encaminhamento de pedidos: encaminha os pedidos recebidos para o sistema responsável ou para o procedimento de processamento adequado.
• Agente de tarefas local: executa tarefas repetitivas através da consulta de sistemas internos e da execução de scripts.
• Suporte a tarefas on-premises: responde a perguntas com base em materiais internos e organiza os conteúdos de trabalho.
• Suporte à análise subsequente: seleciona os materiais que requerem análise adicional e resume os conteúdos essenciais.

Por exemplo, é utilizado num fluxo que classifica os registos operacionais no servidor de uma instalação, consulta o histórico relevante e elabora um resumo do incidente para o responsável.

Cosa

Cosa é uma família de produtos de voz que converte texto em voz, reconhece a voz de entrada como texto e permite registar e reutilizar a voz pretendida. É utilizada para orientações de serviço, criação de conteúdos, apoio à acessibilidade e interfaces de voz de agentes conversacionais.

A geração de voz é assegurada por cosa-a e cosa-b, e o reconhecimento de voz por cosa-asr. cosa-a e cosa-b são modelos distintos, cada um com a sua própria lista de vozes e definições de síntese, selecionados na mesma interface de serviço. As funcionalidades disponibilizadas em comum pelos dois modelos são as seguintes.

• Conversão de texto em voz: sintetiza o texto introduzido com a voz selecionada.
• Clonagem de voz: regista uma voz com base numa gravação de referência para a qual tem autorização de utilização e sintetiza novas frases.
• Design de voz: cria e regista uma voz descrevendo as características pretendidas.
• Reutilização de voz: utiliza a voz registada em sínteses posteriores.
• Definições de síntese: ajusta a velocidade da fala, o idioma, entre outros parâmetros.
• Entrega em streaming: sintetiza por frases à medida que o texto chega e entrega o áudio sequencialmente.
• Controlo da reprodução: permite pausar, retomar, interromper e introduzir frases adicionais.

A utilização de introdução progressiva de texto permite iniciar a reprodução de voz antes de a resposta completa estar concluída. Enquanto o CIP redige a resposta, é possível configurar um serviço em que o Cosa lê as frases já preparadas.

cosa-a

cosa-a suporta conversão de texto em voz, clonagem de voz, design de voz e saída em streaming. Além das funções básicas de seleção da voz, do idioma e da velocidade da fala, disponibiliza controlos adicionais, como definições relacionadas com o número de etapas de síntese, a intensidade da orientação e a duração da geração. É utilizado para ajustar as definições durante o processo de criação de voz e rever os resultados, ou para aplicar várias definições ao mesmo guião e escolher o resultado pretendido.

• Sintetiza orientações e notificações para aplicações, quiosques e sistemas empresariais.
• Cria materiais de formação e manuais de utilização em formato áudio.
• Produz narrações para conteúdos de vídeo e áudio.
• Cria conteúdos recorrentes com vozes registadas.
• É utilizado para a saída de voz em streaming de agentes conversacionais.
• É utilizado na criação de voz com ajuste detalhado das definições de síntese.

cosa-b

cosa-b suporta a seleção de vozes predefinidas, o design de voz baseado em descrições, a clonagem baseada em vozes de referência e a saída em streaming. Permite escolher uma voz da lista de vozes própria ou registar uma nova voz para utilizar no serviço.

A clonagem de voz utiliza uma gravação de referência e o texto correspondente. Também suporta um processo de registo que gera o texto de referência através de reconhecimento de voz, e as vozes registadas podem ser reutilizadas em sínteses posteriores.

• Configura a persona vocal de serviços e personagens.
• Cria vozes personalizadas a partir de uma descrição ou de uma gravação de referência.
• Sintetiza orientações de marca, falas de personagens e narrações de conteúdos.
• É utilizado para respostas de voz de agentes conversacionais.
• Sintetiza mensagens de orientação e guiões que são alterados mantendo a mesma voz.

Ao escolher entre cosa-a e cosa-b, tenha em conta a voz pretendida, o resultado efetivo da síntese e os elementos de controlo necessários.

cosa-asr

cosa-asr converte a voz de entrada em texto. Documenta gravações ou transforma pedidos recebidos por voz em entradas que os sistemas de trabalho subsequentes podem processar.

• Transcreve memorandos de voz e gravações.
• Transforma perguntas e pedidos de trabalho baseados em voz em entradas.
• Gera texto de referência para clonagem de voz.
• É utilizado em processos que, após a transcrição, prosseguem com o resumo, a classificação e a pesquisa.

Ao transmitir os resultados da transcrição para o CIP, é possível prosseguir com o resumo do conteúdo, a classificação dos pedidos e a elaboração de rascunhos de trabalho. Ao sintetizar os resultados do processamento com cosa-a ou cosa-b, obtém-se um serviço de trabalho com entrada e saída de voz.

Cova

cova-1 é um modelo especializado em OCR visual baseado em LLM. Reconhece texto em documentos e imagens, extrai a disposição e a estrutura das tabelas e fornece descrições simples dos elementos visuais.

Converte documentos visualizados por pessoas num formato adequado à utilização por agentes e sistemas de trabalho. O corpo do texto e as tabelas são extraídos como conteúdo estruturado, enquanto as imagens incluídas no documento são transmitidas como descrições breves, permitindo ao agente subsequente compreender simultaneamente o conteúdo do documento e o contexto visual. Ao criar um fluxo que começa por compreender o material através do texto e das descrições extraídos e só analisa posteriormente os originais que exigem uma verificação detalhada, reduz-se a quantidade de vezes que as imagens originais têm de ser introduzidas, poupando tokens de contexto.

• Digitalização de documentos: converte documentos em papel e materiais digitalizados em materiais baseados em texto.
• Receção de documentos profissionais: extrai conteúdo de formulários, documentos comprovativos e relatórios.
• Processamento de dados de tabelas: utiliza as tabelas incluídas nos documentos para o processamento posterior de dados.
• Pré-processamento para pesquisa de conhecimento: converte imagens de documentos e materiais visuais em texto e estruturas pesquisáveis.
• Automatização da revisão de documentos: transmite os resultados extraídos ao CIP para verificar itens, criar resumos e comparar materiais.
• Otimização da entrada do agente: organiza o corpo do texto, as tabelas e as descrições de imagens de documentos extensos, transmitindo apenas as informações necessárias.

Por exemplo, ao extrair o corpo do texto e as tabelas de um relatório, descreve um gráfico incorporado como um gráfico que mostra a evolução trimestral das vendas. Com esta descrição, o agente compreende a existência e a finalidade do gráfico e, quando necessita de valores ou tendências precisos, verifica adicionalmente o original correspondente.

Ligação entre produtos

Ao ligar os produtos, pode configurar o seguinte fluxo.

• Operações baseadas em documentos: Cova extrai o corpo do texto, as tabelas e as descrições de imagens; o CIP verifica seletivamente os originais necessários para realizar análises e processar tarefas; e a Cosa transmite os resultados por voz.
• Operações baseadas em voz: o Cosa ASR converte os pedidos de voz em texto, e o cosa-a ou o cosa-b lê as respostas processadas pelo CIP.
• Automatização no terreno: o cip-5.5-sm classifica os dados no terreno e executa operações locais, encaminhando para o cip-5.5-im ou o cip-5.5-mm os materiais que requerem análises adicionais abrangentes.

Chamadas permitidas no gateway

Os planos do gateway determinam as chamadas permitidas para cada modelo. A tabela abaixo mostra o âmbito disponibilizado pelos planos LLM_FREE, TTS_FREE e STT_FREE, que são aplicados automaticamente sem necessidade de pedido. Não inclui modelos disponibilizados por outras vias.

cip-5.5-sm e cova-1 não estão nesta tabela de planos. cip-5.5-im-chat, cip-5.5-mm-h, cosa-tts, ivy-4-embedding, ivy-4-embedding-mm e ivy-4-mm, apresentados na tabela, são IDs de modelos que não estão incluídos nas descrições dos produtos acima. O documento «Fazer chamadas à API» indica a que caminho corresponde a chave de chamada.