GenAI GeoGuesser
เดาชื่อประเทศจากเพลงฮิตที่สร้างโดย AI
โปรเจ็กต์นี้เป็นอีกเกมหนึ่งในเกม GeoGuessr ยอดนิยมที่คุณจะถูกวางตำแหน่งบนโลกแบบสุ่มบน Google Maps และต้องเดาตำแหน่งระหว่างการนับถอยหลังเวลา ที่นี่คุณจะต้องเดาชื่อประเทศตามคำใบ้หลายรูปแบบที่สร้างโดยโมเดล AI คุณสามารถเลือกรูปแบบได้ 3 แบบ ข้อความ ที่ให้คำอธิบายเกี่ยวกับข้อความของประเทศ รูปภาพ ที่ให้ภาพที่คล้ายกับประเทศและ เสียง ที่ให้ คุณตัวอย่างเสียงที่เกี่ยวข้องกับประเทศ
คุณสามารถตรวจสอบการสาธิตออนไลน์ของแอปนี้ได้ที่ช่องว่าง HuggingFace การสาธิตนี้จำกัดให้สร้างเฉพาะคำแนะนำรูปภาพเนื่องจากเหตุผลด้านประสิทธิภาพ
หากคุณต้องการเรียนรู้เพิ่มเติมอีกเล็กน้อยเกี่ยวกับวิธีการทำงานของโปรเจ็กต์นี้และวิธีการสร้าง โปรดอ่านบทความ "การสร้าง GeoGuesser ที่ใช้ AI แบบกำเนิด"
ขั้นตอนการทำงาน
- เลือกรูปแบบคำใบ้ที่ต้องการ
- เลือกจำนวนคำแนะนำสำหรับแต่ละรูปแบบ
- คลิกที่ปุ่ม "เริ่มเกม"
- ดูคำแนะนำทั้งหมดแล้วพิมพ์การเดาของคุณลงในช่อง "เดาประเทศ"
- คลิกที่ปุ่ม "ทำการเดา"
สาธิต
สำหรับตัวอย่างด้านล่าง ประเทศที่เลือกคือ รัสเซีย
คำใบ้ข้อความ
คำแนะนำรูปภาพ
คำใบ้เสียง
การใช้งาน
แนวทางที่แนะนำในการใช้พื้นที่เก็บข้อมูลนี้คือกับ Docker แต่คุณสามารถใช้ venv แบบกำหนดเองได้ เพียงตรวจสอบให้แน่ใจว่าได้ติดตั้งการอ้างอิงทั้งหมด
การกำหนดค่า
local:
to_use: true
text:
model_id: google/gemma-1.1-2b-it
device: cpu
max_output_tokens: 50
temperature: 1
top_p: 0.95
top_k: 32
image:
model_id: stabilityai/sdxl-turbo
device: mps
num_inference_steps: 1
guidance_scale: 0.0
audio:
model_id: cvssp/audioldm2-music
device: cpu
num_inference_steps: 200
audio_length_in_s: 10
vertex:
to_use: false
project: {VERTEX_AI_PROJECT}
location: {VERTEX_AI_LOCALTION}
text:
model_id: gemini-1.5-pro-preview-0409
max_output_tokens: 50
temperature: 1
top_p: 0.95
top_k: 32
- ท้องถิ่น
- to_use: หากโครงการควรใช้การกำหนดค่าการตั้งค่านี้
- ข้อความ
- model_id: โมเดลที่ใช้สร้างคำแนะนำข้อความ
- อุปกรณ์: อุปกรณ์ที่ใช้โดยรุ่นซึ่งมักจะเป็นหนึ่งใน (cpu, cuda, mps)
- max_output_tokens: จำนวนโทเค็นสูงสุดที่สร้างโดยโมเดล
- อุณหภูมิ: อุณหภูมิจะควบคุมระดับของการสุ่มในการเลือกโทเค็น อุณหภูมิที่ต่ำกว่าเหมาะสำหรับการแจ้งเตือนที่คาดหวังการตอบสนองที่แท้จริงหรือถูกต้อง ในขณะที่อุณหภูมิที่สูงขึ้นอาจนำไปสู่ผลลัพธ์ที่หลากหลายหรือไม่คาดคิดมากขึ้น เมื่ออุณหภูมิเป็น 0 โทเค็นความน่าจะเป็นสูงสุดจะถูกเลือกเสมอ
- top_p: Top-p เปลี่ยนวิธีที่โมเดลเลือกโทเค็นสำหรับเอาต์พุต โทเค็นจะถูกเลือกจากความน่าจะเป็นมากที่สุดไปน้อยที่สุดจนกว่าผลรวมของความน่าจะเป็นจะเท่ากับค่า top-p ตัวอย่างเช่น หากโทเค็น A, B และ C มีความน่าจะเป็นที่ .3, .2 และ .1 และค่า top-p คือ .5 โมเดลจะเลือก A หรือ B เป็นโทเค็นถัดไป (โดยใช้อุณหภูมิ )
- top_k: Top-k เปลี่ยนวิธีที่โมเดลเลือกโทเค็นสำหรับเอาต์พุต top-k ของ 1 หมายความว่าโทเค็นที่เลือกนั้นน่าจะเป็นไปได้มากที่สุดในบรรดาโทเค็นทั้งหมดในคำศัพท์ของโมเดล (หรือที่เรียกว่า greedy decoding) ในขณะที่ top-k ของ 3 หมายความว่าโทเค็นถัดไปจะถูกเลือกจาก 3 โทเค็นที่เป็นไปได้มากที่สุด ( โดยใช้อุณหภูมิ)
- ภาพ
- model_id: โมเดลที่ใช้สร้างคำแนะนำรูปภาพ
- อุปกรณ์: อุปกรณ์ที่ใช้โดยรุ่นซึ่งมักจะเป็นหนึ่งใน (cpu, cuda, mps)
- num_inference_steps: จำนวนขั้นตอนการอนุมานสำหรับโมเดล
- แนวทาง_สเกล: บังคับให้รุ่นตรงกับข้อความแจ้งมากขึ้น โดยอาจต้องแลกกับคุณภาพของภาพหรือความหลากหลาย
- เสียง
- model_id: โมเดลที่ใช้สร้างคำแนะนำเสียง
- อุปกรณ์: อุปกรณ์ที่ใช้โดยรุ่นซึ่งมักจะเป็นหนึ่งใน (cpu, cuda, mps)
- num_inference_steps: จำนวนขั้นตอนการอนุมานสำหรับโมเดล
- audio_length_in_s: ความยาวระยะเวลาของคำใบ้เสียง
- จุดยอด
- to_use: หากโครงการควรใช้การกำหนดค่าการตั้งค่านี้
- โครงการ: ชื่อโครงการที่ใช้โดย Vertex AI
- ตำแหน่ง: ตำแหน่งโครงการที่ใช้โดย Vertex AI
- ข้อความ
- model_id: โมเดลที่ใช้สร้างคำแนะนำข้อความ
- max_output_tokens: จำนวนโทเค็นสูงสุดที่สร้างโดยโมเดล
- อุณหภูมิ: อุณหภูมิจะควบคุมระดับของการสุ่มในการเลือกโทเค็น อุณหภูมิที่ต่ำกว่าเหมาะสำหรับการแจ้งเตือนที่คาดหวังการตอบสนองที่แท้จริงหรือถูกต้อง ในขณะที่อุณหภูมิที่สูงขึ้นอาจนำไปสู่ผลลัพธ์ที่หลากหลายหรือไม่คาดคิดมากขึ้น เมื่ออุณหภูมิเป็น 0 โทเค็นความน่าจะเป็นสูงสุดจะถูกเลือกเสมอ
- top_p: Top-p เปลี่ยนวิธีที่โมเดลเลือกโทเค็นสำหรับเอาต์พุต โทเค็นจะถูกเลือกจากความน่าจะเป็นมากที่สุดไปน้อยที่สุดจนกว่าผลรวมของความน่าจะเป็นจะเท่ากับค่า top-p ตัวอย่างเช่น หากโทเค็น A, B และ C มีความน่าจะเป็นที่ .3, .2 และ .1 และค่า top-p คือ .5 โมเดลจะเลือก A หรือ B เป็นโทเค็นถัดไป (โดยใช้อุณหภูมิ )
- top_k: Top-k เปลี่ยนวิธีที่โมเดลเลือกโทเค็นสำหรับเอาต์พุต top-k ของ 1 หมายความว่าโทเค็นที่เลือกนั้นน่าจะเป็นไปได้มากที่สุดในบรรดาโทเค็นทั้งหมดในคำศัพท์ของโมเดล (หรือที่เรียกว่า greedy decoding) ในขณะที่ top-k ของ 3 หมายความว่าโทเค็นถัดไปจะถูกเลือกจาก 3 โทเค็นที่เป็นไปได้มากที่สุด ( โดยใช้อุณหภูมิ)
คำสั่ง
เริ่มแอพเกม
สร้างอิมเมจนักเทียบท่า
ใช้ผ้าสำลีและการจัดรูปแบบกับโค้ด (จำเป็นสำหรับการพัฒนาเท่านั้น)
