GenAI_SB

Inquisitive: generador de preguntas multilingüe impulsado por IA

Este repositorio contiene un proyecto de IA generativa creado con la API de Gemini.
Es un sencillo generador de preguntas multilingüe impulsado por IA basado en el artículo de noticias proporcionado.
El proyecto se desarrolla en el marco del curso Generative AI Applications using Vertex AI de SmartBridge en colaboración con Google.

Tabla de contenido

• Inquisitive: generador de preguntas multilingüe impulsado por IA
  • Tabla de contenido
  • Declaración del problema
  • Nuestra solución
    • Objetivo:
    • Alcance:
    • Acercarse:
  • Implementación
  • Impacto
  • Pila tecnológica
  • Instalación
  • Campo de golf
  • Compañeros de equipo
  • Contribuciones
    • Contacto

Declaración del problema

Nuestro cliente, NewsSphere, es una organización de noticias líder dedicada a expandir su alcance global y mejorar la participación de la audiencia. Con una gran cantidad de contenido publicado diariamente en varios idiomas, la organización enfrenta el considerable desafío de crear manualmente cuestionarios y evaluaciones para cada artículo. Este proceso no sólo requiere mucho tiempo sino que también es propenso a inconsistencias entre diferentes idiomas y contextos culturales.

Nuestra solución

Objetivo:

Desarrolle un generador de preguntas basado en IA para que el cliente cree preguntas relevantes en varios idiomas.

Alcance:

Implemente la detección de idiomas, la traducción y la generación de preguntas mediante modelos generativos y servicios de traducción automática.

Acercarse:

1. Entrada del usuario: el usuario envía un artículo de noticias en cualquier idioma.

2. Detección de idioma: la aplicación utiliza la API de traducción para detectar el idioma del contenido enviado.

3. Traducción al inglés: si el contenido no está en inglés, la aplicación lo traduce al inglés mediante la API de traducción.

4. Generación de preguntas: la aplicación llama a la API de Gemini para generar preguntas diversas y contextualmente relevantes basadas en la versión en inglés del artículo de noticias.

5. Traducción hacia atrás: las preguntas generadas se traducen nuevamente al idioma original del artículo de noticias utilizando la API de traducción.

6. Salida: La aplicación presenta las preguntas en el idioma original al usuario.

   

Implementación

• Sitio web:

• Entrada de demostración:

• Habilidades multilingües:

Impacto

1. Detección y traducción automatizadas de idiomas:

   • Proporciona detección automática de idioma, traducción fluida y generación de preguntas contextualmente apropiadas.

2. Sensibilidad y precisión cultural:

   • Garantiza sensibilidad y precisión cultural en varios idiomas.
   • Se adapta a matices lingüísticos y contextos culturales, potenciando la relevancia y adecuación de las preguntas generadas.

3. Creación simplificada de cuestionarios:

   • Agiliza el proceso de creación de cuestionarios, haciéndolo más rápido y eficiente para los creadores de contenido.

4. Compromiso del usuario mejorado:

   • Mejora la participación del usuario al proporcionar preguntas interactivas y relevantes que resuenan en una audiencia global.
   • Alienta a los usuarios a explorar el contenido de las noticias más profundamente a través de cuestionarios atractivos y que invitan a la reflexión.

5. Eficiencia y precisión mejoradas:

   • Reduce la carga de trabajo de los creadores de contenido, permitiéndoles concentrarse en seleccionar y ofrecer contenido de noticias impactante.

Pila tecnológica

• Pitón
• Streamlit (pitón)
• Langdetect (pitón)
• API de Géminis

Instalación

1. Repositorio de clones:

   git clone https://github.com/Bbs1412/GenAI_SB
   
   cd GenAI_SB

2. Cree y active el entorno Python:

   python -m venv env
   
   . e nv S cripts a ctivate

3. Instale las bibliotecas necesarias:

   pip install -r requirements.txt

4. Generar clave Gemini-API.

5. Cree un archivo 'api.env' en el directorio actual y guarde la clave API en él:

    PALM_API_KEY = "your_key"

6. Ejecute la aplicación:

   streamlit run app.py

Campo de golf

1. Vídeo de demostración de la implementación del proyecto:
   haga clic aquí

Compañeros de equipo

1. Bhushan Songire (LinkedIn)
2. Soumya Nayak
3. Anjith Thomas José
4. Shibu Diya

Contribuciones

¡Cualquier contribución o sugerencia es bienvenida!

Contacto

• Correo electrónico : [email protected]