Introduction
Cohere, une entreprise d'IA de premier plan, propose une suite de modèles de langage puissants qui peuvent transformer votre façon de travailler avec les données textuelles. Ce tutoriel vous guidera sur l'utilisation du modèle Cohere Rerank (Bêta) pour optimiser les algorithmes de recherche et construire une application Streamlit avec. Pour en savoir plus sur les LLM de Cohere, consultez notre Comment commencer avec les LLM de Cohere Tutoriel.
Comprendre ElevenLabs
ElevenLabs est une entreprise de recherche et de déploiement d'IA vocale dédiée à rendre le contenu accessible dans toutes les langues et voix. Ils se spécialisent dans la création d'audio IA hautement réaliste, polyvalent et conscient du contexte, permettant la génération de discours dans de nombreuses voix et langues. Fondée en 2022 par Piotr et Mati, anciens ingénieurs et stratèges, ElevenLabs a été inspirée par le désir d'éliminer les barrières linguistiques dans le contenu, en particulier le mauvais doublage dans les films d'Hollywood.
Qu'est-ce que Streamlit?
Streamlit est un framework pur Python pour la création d'applications web. Il est convivial et parfait pour ceux qui cherchent à créer des applications interactives en Python. Pour une compréhension plus approfondie, familiarisez-vous avec la documentation de Streamlit.
Conditions préalables
- Téléchargez Visual Studio Code compatible avec votre système d'exploitation ou utilisez d'autres éditeurs de code comme IntelliJ IDEA ou PyCharm.
- Inscrivez-vous pour un compte Cohere pour obtenir votre clé API.
- Inscrivez-vous pour un compte ElevenLabs afin d'accéder à leur clé API d'IA vocale.
- Créez un compte sur Streamlit pour le déploiement de l'application.
- Ayez une tasse de café et un ordinateur portable prêts pour la session de codage!
Résultats d'apprentissage
- Apprenez comment utiliser le modèle Cohere Rerank (Bêta) via l'API.
- Créez des applications web en utilisant Streamlit.
- Créez une application avec Cohere Rerank (Bêta).
- Dépoyez l'application sur le Cloud de partage Streamlit.
Commencer
Créer un nouveau projet
Commencez par créer un nouveau dossier pour votre projet. Ouvrez Visual Studio Code et créez un nouveau dossier nommé cohere-rerank-tutorial
.
Créer un environnement virtuel
Créez un environnement virtuel Python et activez-le en utilisant la commande suivante:
python -m venv venv
source venv/bin/activate # Sur Windows utilisez `venv\Scripts\activate`
Installer toutes les dépendances
Ensuite, installez les dépendances requises en utilisant:
pip install -r requirements.txt
Création de l'application Streamlit
Après avoir configuré la structure initiale du projet, créez un nouveau fichier nommé app.py
dans votre répertoire de projet.
Configurer l'application
- Importez les bibliothèques nécessaires en haut du fichier
app.py
. - Configurez le logger à des fins de débogage.
- Configurez la page Streamlit avec un titre et une description.
- Créez une barre latérale pour gérer les clés API et les fichiers téléchargés.
Gestion des entrées utilisateur
Utilisez st.form()
de Streamlit pour créer un formulaire pour l'entrée utilisateur, et utilisez st.columns()
pour organiser la mise en page.
Mise en œuvre de la génération vocale
Mettez en œuvre une fonction pour générer des voix off pour chaque message saisi.
Affichage des réponses
Obtenez la réponse de l'API Cohere et affichez-la à l'écran.
Effacer l'historique des discussions
Optionnellement, implémentez une fonction pour effacer l'historique des discussions.
Exécution de l'application
Exécutez l'application en exécutant:
streamlit run app.py
Visitez http://localhost:8501 pour voir votre application Streamlit.
Déploiement de l'application
Pousser le code sur GitHub
Créez un nouveau dépôt GitHub et poussez le code dedans. Assurez-vous d'inclure le fichier requirements.txt
pour le déploiement.
Dépoyez sur le Cloud de partage Streamlit
Connectez-vous au Cloud de partage Streamlit, cliquez sur 'Nouvelle application', remplissez les détails et cliquez sur le bouton Dépoyer!
.
Tester l'application
Pour tester l'application, saisissez votre clé API Cohere, téléchargez votre fichier souhaité et saisissez votre requête avant de cliquer sur le bouton Envoyer.
Conclusion
Merci d'avoir suivi ce tutoriel! Avec ces étapes, vous avez réussi à construire et à déployer une application Streamlit utilisant Cohere Rerank (Bêta) et ElevenLabs IA vocale.
Plus de ressources
Pour le code source complet, consultez le dépôt GitHub.
Laisser un commentaire
Tous les commentaires sont modérés avant d'être publiés.
Ce site est protégé par hCaptcha, et la Politique de confidentialité et les Conditions de service de hCaptcha s’appliquent.