Модель

Моделі CLEVI поділяються на три продуктові лінійки: CIP, що відповідає за універсальний інтелект і автоматизацію робочих процесів; Cosa, що відповідає за генерацію та розпізнавання мовлення; і Cova, що відповідає за вилучення інформації з документів і зображень. Кожен продукт можна використовувати окремо або поєднувати в сервіси, що охоплюють розпізнавання документів, аналіз, виконання завдань і голосові підказки.

CIP

CIP відповідає за універсальний інтелект і автоматизацію робочих процесів. До нього входять cip-5.5-im і cip-5.5-mm, що викликаються через шлюз, а також cip-5.5-sm, що розгортається на периферійних серверах і в локальному середовищі.

cip-5.5-im і cip-5.5-mm

cip-5.5-im підходить для завдань із чітко визначеними цілями та обсягом робіт. Типові приклади — вилучення потрібної інформації з наданих матеріалів, підготовка результатів у зазначеному форматі та внесення змін до коду відповідно до вимог. Максимальний обсяг виведення 64K використовується для підготовки докладних звітів або результатів, що складаються з кількох частин.

• Допомога в розробці: написання функцій і можливостей, виправлення помилок із чітко визначеним обсягом і реалізація відповідно до наявних шаблонів.
• Створення тестів: підготовка чернеток тестів і сценаріїв перевірки на основі вимог та реалізації.
• Обробка документів: підготовка резюме, класифікація, вилучення пунктів, перетворення форматів і створення чернеток.
• Мультимодальний аналіз: аналіз зображень екрана, а також таблиць і діаграм у документах разом із відповідними поясненнями.
• Інтерактивна підтримка робочих процесів: відповіді на запитання на основі робочих матеріалів і підготовка необхідних результатів.
• Масова обробка: підготовка індивідуальних резюме для великої кількості документів, класифікація запитів і перетворення даних.
• Субагент: виконання чітко окреслених підзавдань, таких як дослідження коду, перевірка конкретних файлів і впорядкування матеріалів.

Наприклад, це використовується для отримання функціональних вимог і пов’язаного коду з подальшою підготовкою пропозицій щодо змін, тестів і опису змін або для класифікації вхідних документів і створення резюме для відповідальних осіб.

cip-5.5-mm підходить для завдань, що потребують розуміння взаємозв’язків між інформацією та збереження узгодженості всієї роботи. У розробці він використовується для перевірки зв’язків між вимогами, проєктуванням, реалізацією та тестуванням, а під час аналізу документів — для комплексного узагальнення тверджень і доказів, відмінностей і суперечностей у кількох матеріалах.

• Реалізація складних функцій: одночасна зміна коду, тестів і документації з урахуванням контрактів і поведінки кількох модулів.
• Масштабний аналіз коду: перевірка зв’язків викликів, потоків даних і сфери впливу змін.
• Аналіз причин інцидентів: зіставлення журналів, конфігурацій, коду та результатів виконання, а також упорядкування гіпотез щодо причин і процедур їх перевірки.
• Підтримка проєктування та ухвалення рішень: структурування вимог і обмежень та аналіз впливу альтернатив реалізації.
• Комплексний аналіз кількох документів: узагальнення спільних рис, відмінностей і суперечностей у звітах і технічній документації на основі доказів.
• Інтегрована мультимодальна перевірка: спільна інтерпретація текстових і візуальних матеріалів для аналізу проблем і вимог.
• Багатоетапний агент: використання для робочих процесів, що охоплюють дослідження, планування, виконання дій за допомогою інструментів і перевірку результатів.
• Підготовка професійної документації: створення технічних звітів, проєктних пропозицій і докладних оглядових документів із урахуванням складних умов і доказів.

Наприклад, це використовується для спільного перегляду відповідних кодів і журналів помилок, що виникли в кількох сервісах, або для виконання завдань від аналізу вимог до складних функцій через реалізацію до перевірки результатів.

cip-5.5-sm

cip-5.5-sm виконує локальний висновок і автоматизацію робочих процесів на периферійних серверах і в локальних середовищах. Оскільки розмір моделі можна налаштовувати в діапазоні від 24B до 40B, конфігурацію можна підібрати відповідно до обчислювальних ресурсів обладнання для розгортання та необхідної продуктивності на місці. Обробка виконується поблизу місця виникнення даних, тому рішення використовується для інтеграції з локальними системами та роботи з внутрішніми даними. Якщо необхідні моделі й інструменти налаштовано локально, систему можна експлуатувати навіть у середовищах з обмеженим зовнішнім підключенням.

Це роль, яка інтерпретує інформацію, що виникає на місці, і перетворює її на процедури обробки. Система класифікує журнали та запити, вилучає з даних необхідну інформацію, а також виконує повторювані завдання за допомогою підключених внутрішніх інструментів і скриптів.

• Обробка подій на місці: класифікує журнали обладнання та інформацію про його стан і відбирає події, які потребують перевірки.
• Попередня обробка даних: вилучає ключові елементи з робочих записів, класифікує, додає теги та нормалізує їх.
• Маршрутизація запитів: передає отримані запити до відповідної системи або процедури обробки.
• Локальний робочий агент: виконує повторювані завдання, звертаючись до внутрішніх систем і запускаючи скрипти.
• Підтримка локальних робочих процесів: відповідає на запитання на основі внутрішніх матеріалів і впорядковує робочу інформацію.
• Підтримка подальшого аналізу: відбирає матеріали, що потребують додаткового розгляду, і узагальнює ключовий зміст.

Наприклад, це використовується для процесу, у якому на сервері підприємства класифікуються операційні журнали, перевіряється відповідна історія, а потім для відповідальної особи готується стислий опис інциденту.

Cosa

Cosa — це набір голосових продуктів, який перетворює текст на мовлення, розпізнає введене мовлення як текст і дає змогу зареєструвати потрібний голос для повторного використання. Він використовується для голосових інтерфейсів у сервісних 안내, створенні контенту, підтримці доступності та інтерактивних агентах.

За генерацію мовлення відповідають cosa-a і cosa-b, а за розпізнавання мовлення — cosa-asr. cosa-a і cosa-b є окремими моделями, кожна з яких надає власний список голосів і налаштування синтезу; їх можна вибирати в одному інтерфейсі сервісу. Спільні для обох моделей функції наведено нижче.

• Перетворення тексту на мовлення: синтезує введені речення вибраним голосом.
• Клонування голосу: реєструє голос на основі контрольного запису, на використання якого є дозвіл, і синтезує нові речення.
• Дизайн голосу: створює та реєструє голос на основі опису бажаних характеристик.
• Повторне використання голосу: використовує зареєстрований голос для подальшого синтезу.
• Налаштування синтезу: дає змогу регулювати швидкість мовлення, мову тощо.
• Потокова передача: синтезує текст фразами в міру його надходження та послідовно передає аудіо.
• Керування відтворенням: підтримує призупинення, відновлення, зупинку та введення додаткових речень.

Поступове введення тексту дає змогу почати відтворення мовлення ще до завершення всієї відповіді. Поки CIP формує відповідь, можна налаштувати сервіс, у якому Cosa зачитує готові фрази.

cosa-a

cosa-a підтримує перетворення тексту на мовлення, клонування голосу, дизайн голосу та потоковий вивід. Окрім базових функцій вибору голосу, мови та швидкості мовлення, він надає додаткові елементи керування, зокрема налаштування кількості етапів синтезу, інтенсивності керування та довжини генерації. Використовується для налаштування параметрів під час створення голосу, перевірки результату або вибору результату шляхом застосування кількох наборів параметрів до одного сценарію.

• Синтезує інструкції та сповіщення для застосунків, кіосків і робочих систем.
• Створює аудіоверсії навчальних матеріалів та інструкцій користувача.
• Створює дикторський текст для відео- та аудіоконтенту.
• Створює повторюваний контент із зареєстрованим голосом.
• Використовується для потокового голосового виводу інтерактивних агентів.
• Використовується для створення голосу з налаштуванням детальних параметрів синтезу.

cosa-b

cosa-b підтримує вибір попередньо налаштованого голосу, дизайн голосу на основі опису, клонування на основі контрольного голосового запису та потоковий вивід. Можна вибрати голос із власного списку голосів або зареєструвати новий голос для використання в сервісі.

Для клонування голосу використовуються контрольний запис і відповідний йому текст. Також підтримується процес створення контрольного тексту за допомогою розпізнавання мовлення під час реєстрації, а зареєстрований голос можна повторно використовувати для подальшого синтезу.

• Формує голосову персону сервісу та персонажа.
• Створює власний голос за описом або контрольним записом.
• Синтезує брендовані інструкції, репліки персонажів і дикторський текст для контенту.
• Використовується для голосових відповідей інтерактивних агентів.
• Синтезує інструкції та сценарії, що змінюються, одним і тим самим голосом.

Під час вибору між cosa-a та cosa-b орієнтуйтеся на потрібний голос, фактичний результат синтезу та необхідні елементи керування.

cosa-asr

cosa-asr перетворює вхідне мовлення на текст. Він документує записи або перетворює запити, отримані голосом, на вхідні дані, які можуть обробляти наступні робочі системи.

• Транскрибує голосові нотатки та записи.
• Перетворює запитання й робочі запити на основі голосу на вхідні дані.
• Створює еталонний текст для клонування голосу.
• Використовується для подальшої обробки після транскрибації: підсумовування, класифікації та пошуку.

Передайте результати транскрибації до CIP, щоб перейти до підсумовування вмісту, класифікації запитів і створення робочих чернеток. Якщо синтезувати результати за допомогою cosa-a або cosa-b, ви отримаєте робочий сервіс із голосовим введенням і виведенням.

Cova

cova-1 — спеціалізована модель візуального OCR на основі LLM. Вона розпізнає текст у документах та зображеннях, виділяє структуру макета й таблиць і надає короткі описи візуальних елементів.

Перетворює документи, які бачить людина, у формат, зручний для використання агентами та робочими системами. Основний текст і таблиці вилучаються як структурований вміст, а зображення в документі передаються у вигляді коротких описів, завдяки чому наступні агенти можуть одночасно розуміти вміст документа та візуальний контекст. Якщо спочатку ознайомлюватися з матеріалами за вилученим текстом і описами, а додатково переглядати лише оригінали, що потребують детальної перевірки, можна зменшити кількість повторних введень оригінальних зображень і заощадити контекстні токени.

• Оцифрування документів: перетворює паперові документи й скановані матеріали на текстові дані.
• Приймання робочих документів: видобуває вміст із заяв, підтвердних матеріалів і звітів.
• Обробка табличних даних: використовує таблиці, що містяться в документах, для подальшої обробки даних.
• Попередня обробка для пошуку знань: перетворює зображення документів і візуальні матеріали на текст і структуру, доступні для пошуку.
• Автоматизація перевірки документів: передає результати видобування до CIP для перевірки пунктів, узагальнення та порівняння матеріалів.
• Оптимізація вхідних даних агента: упорядковує основний текст, таблиці й описи зображень у довгих документах, передаючи лише потрібну інформацію.

Наприклад, разом із видобуванням основного тексту та таблиць у звіті графік, що міститься в документі, описується як графік, що показує квартальну динаміку продажів. За цим описом агент визначає наявність і призначення графіка, а коли потрібні точні значення або тенденції, додатково перевіряє відповідний оригінал.

Підключення продуктів

Підключивши продукти, можна налаштувати такий процес.

• Робота на основі документів: Cova видобуває основний текст, таблиці й описи зображень, CIP вибірково перевіряє потрібні оригінали для виконання аналізу та обробки, а Cosa передає результати голосом.
• Робота на основі голосу: Cosa ASR перетворює голосовий запит на текст, а cosa-a або cosa-b зачитує відповідь, оброблену CIP.
• Автоматизація на місці: cip-5.5-sm класифікує дані з місця роботи та виконує локальні операції, а матеріали, що потребують додаткового комплексного аналізу, передаються до cip-5.5-im або cip-5.5-mm.

Виклики, дозволені на шлюзі

План шлюзу визначає дозволені виклики для кожної моделі. У таблиці нижче наведено діапазони, доступні в планах LLM_FREE, TTS_FREE і STT_FREE; ці плани застосовуються автоматично без подання заявки. Моделі, доступні через інші маршрути, не включено.

cip-5.5-sm і cova-1 відсутні в цій таблиці тарифного плану. cip-5.5-im-chat, cip-5.5-mm-h, cosa-tts, ivy-4-embedding, ivy-4-embedding-mm та ivy-4-mm у таблиці — це ідентифікатори моделей, які не включені до наведених вище описів продуктів. У документі «Виклик API» зазначено, якому шляху відповідає ключ виклику.