Plateforme de personnalités de chatbots IA sur mesure : test alpha de BooCae

Je pense que beaucoup ici partagent la même idée :
J’ai toujours voulu créer pour de vrai JARVIS d’Iron Man.

Je publie gratuitement la version alpha de test de « BooCae », un service de plateforme de personnalités de chatbots IA sur mesure, afin de recueillir vos avis sur les bugs, les points à améliorer et divers retours.
Comme son nom l’indique, il s’agit d’un test à caractère expérimental, et nous continuons d’y ajouter de nouvelles fonctionnalités.

« BooCae » vise à devenir une plateforme de « personnalités de chatbots IA personnalisés » combinant, sur la base de ChatGPT, divers modèles d’IA de très grande taille comme LLAMA et ALPACA, ainsi que différentes API et plugins.
Les chatbots IA de BooCae reposent tous sur l’API ChatGPT-3.5-Turbo, avec un « apprentissage sur mesure » configuré indépendamment selon chaque domaine. Ce service alpha inclut également un avatar IA multimodal pouvant être exploité.
Le modèle servant à créer des avatars avec l’IA a été développé séparément sous forme d’« application native » et il est encore testé hors ligne, sans être publié sur les stores. (Je le présenterai séparément plus tard.)

Par coïncidence, un modèle similaire existe aux États-Unis avec « Character.AI », et nous avons fait divers efforts pour nous en inspirer tout en apportant nos propres améliorations et éléments différenciants.

La structure de base du service, ainsi que ses points distinctifs, sont les suivants.

-AI model : ChatGPT est utilisé comme base, et d’autres GPT comme Alpaca et LLaMA seront bientôt ajoutés. ChatGPT repose sur l’Open API de GPT3.5-TURBO. (Il faut aussi tenir compte de la vitesse de réponse et des coûts.)

-AI persona : par défaut, nous avons utilisé un ensemble standard de prompts défini comme assistant IA, avec quelques adaptations au contexte coréen. Nous prévoyons de continuer à le mettre à jour.

-Dataset d’apprentissage complémentaire sur mesure : à partir d’informations publiques (portails de données publiques, informations ouvertes sans droits d’auteur, etc.), nous avons fait apprendre de manière expérimentale des contenus comme des actualités et des dictionnaires, et nous continuons d’en améliorer la quantité et la qualité. À l’avenir, l’achat de données professionnelles payantes pourrait aussi être nécessaire.

-API pour la consultation d’informations en temps réel : nous utilisons différentes API pour exploiter des données en temps réel (par exemple, les taux de change), et nous continuons d’en ajouter. Les requêtes API en temps réel sont également un point à considérer du point de vue des coûts.

-Plateforme de chatbot : il existe diverses plateformes de chatbot, de la version publique à la version commerciale. Nous avons donc utilisé des modules et des API de plusieurs plateformes, avec l’objectif de pouvoir en prendre en charge davantage.
Les plateformes de chatbot reposent globalement sur une structure permettant de définir des conditions comme des scénarios. Soit ChatGPT y est intégré de base (même si, dans ce cas, il est parfois un peu difficile de les considérer réellement comme des plateformes de chatbot), soit il n’est pas intégré mais l’API est ouverte, ce qui permet de connecter ChatGPT manuellement via une configuration API.
Je pense que les deux approches présentent chacune leurs avantages.
L’important est selon moi d’élargir la diversité pour prendre en charge librement davantage de plateformes.

-Déploiement et diffusion : cela peut être défini sous forme de widget web, de lien URL ou d’API, ce qui permet un support multiplateforme sur le web / web app / application native / ou encore des services vocaux comme Google Assistant.

-Fonction de recherche : pour l’enregistrement et l’exploitation de mots-clés, nous avons repris telle quelle la fonction de recherche fournie par Notion, et nous estimons également que la structure de base de données est très exploitable.

-Publicité : dans une logique de modèle économique, nous avons mené des tests expérimentaux en partant du principe d’afficher des publicités sponsorisées à chaque réponse fournie par l’IA.
Les formats publicitaires envisagés sont : 1) vidéo 2) image 3) texte et URL 4) inclusion de contenu de type placement de produit dans les réponses.

-Avatar IA : le principal point de différenciation que nous préparons se situe sur l’aspect multimodal. Nous considérons comme un véritable avatar IA multimodal, tel que défini par BooCae, l’application combinée de génération de texte, génération/clonage/synthèse vocale, génération d’images, composition vidéo, ainsi que traitement vidéo comme les arrière-plans.
La plupart des vidéos et images publiées dans le test alpha de BooCae ont été créées à l’aide de Wav2LIP, entre autres, et lors des tests préalables nous avons constaté une réaction utilisateur nettement plus forte, ce qui nous a conduits à nous concentrer sur cet aspect comme élément différenciant.

La plateforme de service utilise « Notion », et le site a été réalisé avec oopy.
Nous avons défini plusieurs dizaines de catégories de service, et nous pensons continuer à en ajouter.
Selon la composition des classes du service, elles sont réparties en Special, Brand (services de marque ou d’entreprise), Expert (services d’experts), Ready (apprentissage en cours), Comming soon (en attente d’apprentissage).

Un formulaire de sondage est également inclus dans les annonces afin d’évaluer la réaction au service et de recueillir des avis ; n’hésitez pas à nous faire part de nombreux retours.

Comme il ne s’agit encore que d’un test alpha, il y a encore beaucoup de choses à améliorer.
Nous avons aussi besoin d’une équipe pour construire le projet ensemble. Si cela vous intéresse, n’hésitez pas à m’envoyer un message.

URL du test alpha : https://boocae.oopy.io/