অনলাইন গেমিং এবং সামাজিক সম্প্রদায়গুলি তাদের ব্যবহারকারীদের যোগাযোগের জন্য ভয়েস এবং পাঠ্য চ্যাট কার্যকারিতা প্রদান করে। যদিও ভয়েস এবং টেক্সট চ্যাট প্রায়ই বন্ধুত্বপূর্ণ আড্ডাকে সমর্থন করে, এটি ঘৃণাত্মক বক্তব্য, সাইবার বুলিং, হয়রানি এবং স্ক্যামের মতো সমস্যারও কারণ হতে পারে। আজ, অনেক কোম্পানি বিষাক্ত বিষয়বস্তু পর্যালোচনা করার জন্য শুধুমাত্র মানব মডারেটরদের উপর নির্ভর করে। যাইহোক, চ্যাটে লঙ্ঘন যাচাই করা সময়সাপেক্ষ, ত্রুটি-প্রবণ এবং স্কেল করা চ্যালেঞ্জিং।

এই পোস্টে, আমরা সমাধানগুলি উপস্থাপন করি যা বিভিন্ন AWS পরিষেবা ব্যবহার করে অডিও এবং টেক্সট চ্যাট মডারেশন সক্ষম করে আমাজন ট্রান্সক্রাইব, অ্যামাজন সমঝোতা, আমাজন বেডরক, এবং আমাজন ওপেন সার্চ সার্ভিস.

সোশ্যাল প্ল্যাটফর্মগুলি একটি অফ-দ্য-শেল্ফ সংযম সমাধান খোঁজে যা শুরু করা সহজ, তবে বিভিন্ন নীতি পরিচালনার জন্য তাদের কাস্টমাইজেশনও প্রয়োজন। বিলম্ব এবং খরচও গুরুত্বপূর্ণ কারণ যা অবশ্যই বিবেচনায় নেওয়া উচিত। জেনারেটিভ এআই ব্যবহার করে বৃহৎ ভাষার মডেল (এলএলএম) সহ বিষাক্ততার শ্রেণিবিন্যাস অর্কেস্ট্রেট করে, আমরা এমন একটি সমাধান অফার করি যা সরলতা, বিলম্বতা, খরচ এবং বিভিন্ন প্রয়োজনীয়তা মেটাতে নমনীয়তার ভারসাম্য বজায় রাখে।

এই পোস্টের জন্য নমুনা কোড পাওয়া যায় GitHub সংগ্রহস্থল.

অডিও চ্যাট সংযম কর্মপ্রবাহ

একটি অডিও চ্যাট মডারেশন ওয়ার্কফ্লো শুরু হতে পারে একজন ব্যবহারকারী অন্য ব্যবহারকারীদেরকে গেমিং প্ল্যাটফর্মে নীতি লঙ্ঘনের জন্য যেমন অশ্লীলতা, ঘৃণাত্মক বক্তব্য বা হয়রানির জন্য রিপোর্ট করে। এটি অডিও সংযম করার জন্য একটি নিষ্ক্রিয় পদ্ধতির প্রতিনিধিত্ব করে। সিস্টেমটি অবিলম্বে বিশ্লেষণ ছাড়াই সমস্ত অডিও কথোপকথন রেকর্ড করে। যখন একটি প্রতিবেদন পাওয়া যায়, কর্মপ্রবাহ সংশ্লিষ্ট অডিও ফাইলগুলি পুনরুদ্ধার করে এবং বিশ্লেষণ প্রক্রিয়া শুরু করে। একজন মানব মডারেটর তারপর রিপোর্ট করা কথোপকথন পর্যালোচনা করে, এটি প্ল্যাটফর্ম নীতি লঙ্ঘন করে কিনা তা নির্ধারণ করতে এটির বিষয়বস্তু তদন্ত করে।

বিকল্পভাবে, কর্মপ্রবাহটি সক্রিয়ভাবে ট্রিগার করা যেতে পারে। উদাহরণস্বরূপ, একটি সামাজিক অডিও চ্যাট রুমে, সিস্টেমটি সমস্ত কথোপকথন রেকর্ড করতে পারে এবং বিশ্লেষণ প্রয়োগ করতে পারে।

নিষ্ক্রিয় এবং সক্রিয় উভয় পদ্ধতিই অডিও বিশ্লেষণের জন্য নিম্নলিখিত পাইপলাইনটিকে ট্রিগার করতে পারে।

অডিও মডারেশন ওয়ার্কফ্লোতে নিম্নলিখিত পদক্ষেপগুলি জড়িত:

• ওয়ার্কফ্লো শুরু হয় অডিও ফাইলটি গ্রহণ করে এবং এটি a এ সংরক্ষণ করে আমাজন সিম্পল স্টোরেজ সার্ভিস (Amazon S3) অ্যামাজন ট্রান্সক্রাইব অ্যাক্সেস করার জন্য বালতি।
• অ্যামাজন ট্রান্সক্রাইব StartTranscriptionJob API এর সাথে আহ্বান করা হয়েছে বিষাক্ততা সনাক্তকরণ সক্রিয় অ্যামাজন ট্রান্সক্রাইব অডিওকে টেক্সটে রূপান্তর করে, বিষাক্ততা বিশ্লেষণ সম্পর্কে অতিরিক্ত তথ্য প্রদান করে। বিষাক্ততা বিশ্লেষণ সম্পর্কে আরও তথ্যের জন্য, পড়ুন Amazon Transcribe Toxicity Detection এর সাথে কথ্য কথোপকথনে ক্ষতিকারক ভাষা চিহ্নিত করুন.
• যদি বিষাক্ততা বিশ্লেষণ একটি নির্দিষ্ট থ্রেশহোল্ড অতিক্রম করে একটি বিষাক্ততার স্কোর প্রদান করে (উদাহরণস্বরূপ, 50%), আমরা ব্যবহার করতে পারি আমাজন বেডরকের জন্য জ্ঞানের ভিত্তি এলএলএম ব্যবহার করে কাস্টমাইজড নীতির বিরুদ্ধে বার্তা মূল্যায়ন করতে।
• মানব মডারেটর একটি বিশদ অডিও মডারেশন রিপোর্ট পায় যা কথোপকথনের অংশগুলিকে বিষাক্ত বলে বিবেচিত এবং নীতি লঙ্ঘন করে, তাদের একটি জ্ঞাত সিদ্ধান্ত নেওয়ার অনুমতি দেয়।

নিম্নলিখিত স্ক্রিনশটটি একটি নমুনা অ্যাপ্লিকেশন দেখায় যা একটি অডিও বিভাগের জন্য বিষাক্ততা বিশ্লেষণ প্রদর্শন করে। এতে মূল ট্রান্সক্রিপশন, অ্যামাজন ট্রান্সক্রাইব টক্সিসিটি বিশ্লেষণের ফলাফল এবং অ্যামাজন বেডরক অ্যানথ্রোপিক ক্লড ভি2 মডেলের মাধ্যমে অ্যামাজন বেডরক নলেজ বেস ব্যবহার করে পরিচালিত বিশ্লেষণ অন্তর্ভুক্ত রয়েছে।

LLM বিশ্লেষণ একটি লঙ্ঘনের ফলাফল (Y বা N) প্রদান করে এবং নীতি লঙ্ঘন সংক্রান্ত মডেলের সিদ্ধান্তের পিছনে যুক্তি ব্যাখ্যা করে। তদ্ব্যতীত, জ্ঞানের ভিত্তি মূল্যায়নের দ্বারা ব্যবহৃত রেফারেন্সযুক্ত নীতি নথি অন্তর্ভুক্ত করে, মডারেটরদের অতিরিক্ত প্রসঙ্গ প্রদান করে।

অ্যামাজন ট্রান্সক্রাইব টক্সিসিটি ডিটেকশন

Amazon Transcribe হল একটি স্বয়ংক্রিয় স্পিচ রিকগনিশন (ASR) পরিষেবা যা ডেভেলপারদের জন্য তাদের অ্যাপ্লিকেশনে স্পিচ-টু-টেক্সট ক্ষমতা যোগ করতে সহজ করে তোলে। অডিও মডারেশন ওয়ার্কফ্লো অ্যামাজন ট্রান্সক্রাইব টক্সিসিটি ডিটেকশন ব্যবহার করে, যা একটি মেশিন লার্নিং (এমএল)-চালিত ক্ষমতা যা যৌন হয়রানি, ঘৃণামূলক বক্তব্য, হুমকি সহ সাতটি বিভাগে ভয়েস-ভিত্তিক বিষাক্ত বিষয়বস্তু সনাক্ত এবং শ্রেণীবদ্ধ করতে অডিও এবং পাঠ্য-ভিত্তিক সংকেত ব্যবহার করে। , অপব্যবহার, অশ্লীলতা, অপমান, এবং গ্রাফিক ভাষা। পাঠ্য বিশ্লেষণের পাশাপাশি, বিষাক্ততা সনাক্তকরণ বক্তৃতায় বিষাক্ত অভিপ্রায় সনাক্ত করতে টোন এবং পিচের মতো বক্তৃতা সংকেত ব্যবহার করে।

অডিও মডারেশন ওয়ার্কফ্লো এলএলএম-এর নীতি মূল্যায়নকে সক্রিয় করে তখনই যখন বিষাক্ততা বিশ্লেষণ একটি সেট থ্রেশহোল্ড অতিক্রম করে। এই পদ্ধতিটি লেটেন্সি কমিয়ে দেয় এবং বেছে বেছে এলএলএম প্রয়োগ করে, ট্র্যাফিকের একটি উল্লেখযোগ্য অংশ ফিল্টার করে খরচ অপ্টিমাইজ করে।

কাস্টমাইজড নীতিগুলি মিটমাট করতে LLM প্রম্পট ইঞ্জিনিয়ারিং ব্যবহার করুন

Amazon Transcribe এবং Amazon Comprehend থেকে প্রাক-প্রশিক্ষিত বিষাক্ততা সনাক্তকরণ মডেলগুলি একটি বিস্তৃত বিষাক্ত শ্রেণীবিন্যাস প্রদান করে, যা সাধারণত অডিও এবং টেক্সট ফর্ম্যাটে ব্যবহারকারী-উত্পাদিত বিষয়বস্তু নিয়ন্ত্রণের জন্য সামাজিক প্ল্যাটফর্মগুলি দ্বারা ব্যবহৃত হয়। যদিও এই প্রাক-প্রশিক্ষিত মডেলগুলি কম লেটেন্সি সহ সমস্যাগুলি দক্ষতার সাথে সনাক্ত করে, আপনার নির্দিষ্ট কোম্পানি বা ব্যবসায়িক ডোমেন নীতিগুলির বিরুদ্ধে লঙ্ঘনগুলি সনাক্ত করার জন্য আপনার একটি সমাধানের প্রয়োজন হতে পারে, যা একা প্রাক-প্রশিক্ষিত মডেলগুলি অর্জন করতে পারে না৷

উপরন্তু, প্রাসঙ্গিক কথোপকথনে লঙ্ঘন সনাক্ত করা, যেমন সনাক্তকরণ শিশুর যৌন সাজসজ্জা কথোপকথনগুলির জন্য একটি কাস্টমাইজযোগ্য সমাধান প্রয়োজন যা চ্যাট বার্তা এবং এর বাইরের প্রসঙ্গ যেমন ব্যবহারকারীর বয়স, লিঙ্গ এবং কথোপকথনের ইতিহাস বিবেচনা করে। এখানেই এলএলএমগুলি এই প্রয়োজনীয়তাগুলিকে প্রসারিত করার জন্য প্রয়োজনীয় নমনীয়তা দিতে পারে।

Amazon Bedrock হল একটি সম্পূর্ণরূপে পরিচালিত পরিষেবা যা নেতৃস্থানীয় AI কোম্পানিগুলি থেকে উচ্চ-পারফরমিং ফাউন্ডেশন মডেল (FMs) এর পছন্দ অফার করে৷ এই সমাধানগুলি নিম্নোক্ত কোডে বর্ণিত একটি নমনীয় প্রম্পট টেমপ্লেট ব্যবহার করে অডিও ট্রান্সক্রিপশন এবং পাঠ্য চ্যাট বার্তাগুলিকে পরিমিত করতে Amazon Bedrock থেকে Anthropic Claude v2 ব্যবহার করে:

Human: You are a Trust & Safety expert. Your job is to review user chat message and decide if it violate the policy.
You will find the chat message in <message> tag, and find the policy in the <policy> tag. You can find additional rules in the <rule> tag to assist your decision. 

<policy>{policy}</policy>
<message>{message}</message>
<rule>{rule}</rule>

Does the chat message violate the policy? Please consider and provide your analysis in the <analysis> tag, breaking down each rule in the rule section, and keep and analysis within 100 words. Respond in the <answer> tag with either 'Y' or 'N'. 'Y' indicates that the message violates the policy, while 'N' means the content is safe and does not violate the policy. 

Assistant:

টেমপ্লেটটিতে নীতির বিবরণ, চ্যাট বার্তা এবং অতিরিক্ত নিয়মগুলির জন্য স্থানধারক রয়েছে যার জন্য সংযম প্রয়োজন। Anthropic Claude V2 মডেল নির্দেশিত বিন্যাসে (Y বা N) প্রতিক্রিয়া প্রদান করে, সাথে একটি বিশ্লেষণের সাথে ব্যাখ্যা করে যে কেন বার্তাটি নীতি লঙ্ঘন করে বলে মনে করে। এই পদ্ধতিটি আপনাকে নমনীয় পরিমিতকরণ বিভাগগুলিকে সংজ্ঞায়িত করতে এবং মানুষের ভাষায় আপনার নীতিগুলিকে স্পষ্ট করতে দেয়৷

একটি অভ্যন্তরীণ শ্রেণিবিন্যাস মডেলের প্রশিক্ষণের ঐতিহ্যগত পদ্ধতিতে ডেটা টীকা, প্রশিক্ষণ, পরীক্ষা এবং মডেল স্থাপনের মতো জটিল প্রক্রিয়াগুলি জড়িত, যার জন্য ডেটা বিজ্ঞানী এবং এমএল ইঞ্জিনিয়ারদের দক্ষতার প্রয়োজন হয়। এলএলএম, বিপরীতে, উচ্চ মাত্রার নমনীয়তা প্রদান করে। ব্যবসায়িক ব্যবহারকারীরা মানুষের ভাষায় প্রম্পট পরিবর্তন করতে পারে, যার ফলে ML মডেল প্রশিক্ষণে দক্ষতা বৃদ্ধি এবং পুনরাবৃত্তি চক্র হ্রাস পায়।

আমাজন বেডরক জ্ঞানের ভিত্তি

যদিও প্রম্পট ইঞ্জিনিয়ারিং নীতিগুলি কাস্টমাইজ করার জন্য দক্ষ, তবে প্রতিটি বার্তার জন্য LLM প্রম্পটে দীর্ঘ নীতি এবং নিয়মগুলি সরাসরি ইনজেকশন করা লেটেন্সি প্রবর্তন করতে পারে এবং খরচ বাড়াতে পারে। এটি মোকাবেলা করার জন্য, আমরা একটি পরিচালিত পুনরুদ্ধার অগমেন্টেড জেনারেশন (RAG) সিস্টেম হিসাবে অ্যামাজন বেডরক জ্ঞান বেস ব্যবহার করি। এটি আপনাকে নীতি নথি নমনীয়ভাবে পরিচালনা করতে সক্ষম করে, কর্মপ্রবাহকে প্রতিটি ইনপুট বার্তার জন্য শুধুমাত্র প্রাসঙ্গিক নীতি বিভাগগুলি পুনরুদ্ধার করার অনুমতি দেয়। এটি বিশ্লেষণের জন্য LLM-এ পাঠানো টোকেনের সংখ্যা কমিয়ে দেয়।

আপনি ব্যবহার করতে পারেন এডাব্লুএস ম্যানেজমেন্ট কনসোল একটি S3 বালতিতে নীতি নথিগুলি আপলোড করতে এবং তারপর দক্ষ পুনরুদ্ধারের জন্য একটি ভেক্টর ডাটাবেসে নথিগুলিকে সূচীভুক্ত করতে৷ নিম্নলিখিতটি একটি আমাজন বেডরক নলেজ বেস দ্বারা পরিচালিত একটি ধারণাগত কর্মপ্রবাহ যা Amazon S3 থেকে নথিগুলি পুনরুদ্ধার করে, পাঠ্যকে খণ্ডে বিভক্ত করে এবং আমন্ত্রণ জানায় অ্যামাজন বেডরক টাইটান টেক্সট এমবেডিং মডেল টেক্সট খণ্ডগুলিকে ভেক্টরে রূপান্তর করতে, যা পরে ভেক্টর ডাটাবেসে সংরক্ষণ করা হয়।

এই সমাধান, আমরা ব্যবহার আমাজন ওপেন সার্চ সার্ভিস ভেক্টর স্টোর হিসাবে। ওপেনসার্চ Apache 2.0 লাইসেন্সের অধীনে লাইসেন্সকৃত অনুসন্ধান, বিশ্লেষণ, নিরাপত্তা পর্যবেক্ষণ, এবং পর্যবেক্ষণযোগ্যতা অ্যাপ্লিকেশনের জন্য একটি মাপযোগ্য, নমনীয় এবং এক্সটেনসিবল ওপেন সোর্স সফ্টওয়্যার স্যুট। OpenSearch Service হল একটি সম্পূর্ণরূপে পরিচালিত পরিষেবা যা AWS ক্লাউডে ওপেনসার্চ স্থাপন, স্কেল এবং পরিচালনা করা সহজ করে তোলে।

ওপেনসার্চ সার্ভিসে ডকুমেন্টটি ইন্ডেক্স করার পর, অডিও এবং টেক্সট মডারেশন ওয়ার্কফ্লো চ্যাট বার্তা পাঠায়, কাস্টমাইজড নীতি মূল্যায়নের জন্য নিম্নলিখিত ক্যোয়ারী ফ্লোকে ট্রিগার করে।

প্রক্রিয়াটি দীক্ষা কর্মপ্রবাহের অনুরূপ। প্রথমত, অ্যামাজন বেডরক টাইটান টেক্সট এমবেডিং API ব্যবহার করে টেক্সট বার্তাটিকে টেক্সট এম্বেডিং-এ রূপান্তর করা হয়। এই এমবেডিংগুলি তখন একটি সম্পাদন করতে ব্যবহৃত হয় ভেক্টর অনুসন্ধান OpenSearch Service ডাটাবেসের বিপরীতে, যা ইতিমধ্যেই নথি এমবেডিং দ্বারা পপুলেট করা হয়েছে। ডাটাবেস ইনপুট টেক্সট বার্তার সাথে প্রাসঙ্গিক সর্বোচ্চ ম্যাচিং স্কোর সহ পলিসি খণ্ড প্রদান করে। তারপরে আমরা ইনপুট চ্যাট বার্তা এবং নীতি বিভাগ উভয়ই সম্বলিত প্রম্পট রচনা করি, যা মূল্যায়নের জন্য অ্যানথ্রোপিক ক্লড V2-এ পাঠানো হয়। LLM মডেল প্রম্পট নির্দেশের উপর ভিত্তি করে একটি বিশ্লেষণ ফলাফল প্রদান করে।

অ্যামাজন বেডরক নলেজ বেসে আপনার পলিসি ডকুমেন্ট দিয়ে কীভাবে একটি নতুন উদাহরণ তৈরি করবেন সে সম্পর্কে বিস্তারিত নির্দেশাবলীর জন্য, দেখুন নলেজ বেসগুলি এখন অ্যামাজন বেডরকে সম্পূর্ণরূপে পরিচালিত RAG অভিজ্ঞতা প্রদান করে৷.

টেক্সট চ্যাট মডারেশন ওয়ার্কফ্লো

টেক্সট চ্যাট মডারেশন ওয়ার্কফ্লো অডিও মডারেশনের অনুরূপ প্যাটার্ন অনুসরণ করে, কিন্তু এটি Amazon Comprehend টক্সিসিটি বিশ্লেষণ ব্যবহার করে, যা টেক্সট মডারেশনের জন্য তৈরি করা হয়েছে। নমুনা অ্যাপটি CSV বা TXT ফর্ম্যাটে বাল্ক টেক্সট ফাইল আপলোড করার জন্য একটি ইন্টারফেস সমর্থন করে এবং দ্রুত পরীক্ষার জন্য একটি একক-বার্তা ইন্টারফেস প্রদান করে। নিচের চিত্রটি কর্মপ্রবাহকে চিত্রিত করে।

টেক্সট মডারেশন ওয়ার্কফ্লোতে নিম্নলিখিত পদক্ষেপগুলি জড়িত:

• ব্যবহারকারী একটি S3 বালতিতে একটি পাঠ্য ফাইল আপলোড করে৷
• টেক্সট মেসেজে অ্যামাজন কম্প্রিহেন্ড টক্সিসিটি অ্যানালাইসিস প্রয়োগ করা হয়।
• যদি বিষাক্ততা বিশ্লেষণ একটি নির্দিষ্ট থ্রেশহোল্ড (উদাহরণস্বরূপ, 50%) অতিক্রম করে একটি বিষাক্ততার স্কোর প্রদান করে, আমরা অ্যানথ্রোপিক ক্লড V2 LLM ব্যবহার করে কাস্টমাইজড নীতিগুলির বিরুদ্ধে বার্তাটি মূল্যায়ন করতে একটি অ্যামাজন বেডরক জ্ঞান বেস ব্যবহার করি।
• একটি নীতি মূল্যায়ন প্রতিবেদন মানব মডারেটরের কাছে পাঠানো হয়।

অ্যামাজন বিষাক্ততা বিশ্লেষণ বুঝতে পারে

টেক্সট মডারেশন ওয়ার্কফ্লোতে, আমরা টেক্সট বার্তাগুলির বিষাক্ততার মাত্রা মূল্যায়ন করতে Amazon Comprehend টক্সিসিটি বিশ্লেষণ ব্যবহার করি। Amazon Comprehend হল একটি ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং (NLP) পরিষেবা যা টেক্সটে মূল্যবান অন্তর্দৃষ্টি এবং সংযোগ উন্মোচন করতে ML ব্যবহার করে। অ্যামাজন কম্প্রেহেন্ড টক্সিসিটি ডিটেকশন এপিআই টেক্সট কন্টেন্টে একটি সামগ্রিক বিষাক্ততার স্কোর নির্ধারণ করে, 0-1 থেকে, এটি বিষাক্ত হওয়ার সম্ভাবনা নির্দেশ করে। এটি পাঠ্যকে নিম্নলিখিত বিভাগে শ্রেণীবদ্ধ করে এবং প্রতিটির জন্য একটি আত্মবিশ্বাসের স্কোর প্রদান করে: hate_speech, গ্রাফিক, harrassement_or_abuse, যৌন, violence_or_threat, অপমান, এবং অশ্লীলতা।

এই টেক্সট মডারেশন ওয়ার্কফ্লোতে, আমাজন কম্প্রিহেন্ড বিষাক্ততা বিশ্লেষণ ইনকামিং টেক্সট মেসেজে বিষাক্ত বিষয়বস্তু আছে কিনা তা সনাক্ত করতে একটি গুরুত্বপূর্ণ ভূমিকা পালন করে। অডিও মডারেশন ওয়ার্কফ্লো-এর মতোই, এতে ডাউনস্ট্রিম LLM নীতি মূল্যায়ন সক্রিয় করার শর্ত অন্তর্ভুক্ত থাকে শুধুমাত্র যখন বিষাক্ততা বিশ্লেষণ পূর্বনির্ধারিত থ্রেশহোল্ড অতিক্রম করে স্কোর প্রদান করে। এই অপ্টিমাইজেশনটি LLM বিশ্লেষণের সাথে যুক্ত সামগ্রিক বিলম্বিতা এবং খরচ কমাতে সাহায্য করে।

সারাংশ

এই পোস্টে, আমরা AWS পরিষেবাগুলি ব্যবহার করে অডিও এবং টেক্সট চ্যাট মডারেশনের জন্য সমাধানগুলি চালু করেছি, যার মধ্যে রয়েছে Amazon Transcribe, Amazon Comprehend, Amazon Bedrock, এবং OpenSearch পরিষেবা৷ এই সমাধানগুলি বিষাক্ততা বিশ্লেষণের জন্য প্রাক-প্রশিক্ষিত মডেলগুলি ব্যবহার করে এবং নির্ভুলতা, বিলম্বতা এবং খরচে সর্বোত্তম ভারসাম্য অর্জনের জন্য জেনারেটিভ এআই এলএলএম দিয়ে সাজানো হয়। তারা আপনাকে আপনার নিজস্ব নীতিগুলি নমনীয়ভাবে সংজ্ঞায়িত করার ক্ষমতা দেয়।

আপনি নির্দেশাবলী অনুসরণ করে নমুনা অ্যাপ্লিকেশন অভিজ্ঞতা করতে পারেন গিটহুব রেপো.

লেখক সম্পর্কে

লানা ঝাং তিনি AWS WWSO AI সার্ভিসেস টিমের একজন সিনিয়র সলিউশন আর্কিটেক্ট, কন্টেন্ট মডারেশন, কম্পিউটার ভিশন, ন্যাচারাল ল্যাংগুয়েজ প্রসেসিং এবং জেনারেটিভ এআই-এর জন্য AI এবং ML-এ বিশেষজ্ঞ। তার দক্ষতার সাথে, তিনি AWS AI/ML সমাধান প্রচার করতে এবং সামাজিক মিডিয়া, গেমিং, ই-কমার্স, মিডিয়া, বিজ্ঞাপন ও বিপণন সহ বিভিন্ন শিল্প জুড়ে গ্রাহকদের তাদের ব্যবসায়িক সমাধানগুলিকে রূপান্তর করতে সহায়তা করার জন্য নিবেদিত৷

• এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
• PlatoData.Network উল্লম্ব জেনারেটিভ Ai. নিজেকে ক্ষমতায়িত করুন। এখানে প্রবেশ করুন.
• প্লেটোএআইস্ট্রিম। Web3 ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
• প্লেটোইএসজি। কার্বন, ক্লিনটেক, শক্তি, পরিবেশ সৌর, বর্জ্য ব্যবস্থাপনা. এখানে প্রবেশ করুন.
• প্লেটো হেলথ। বায়োটেক এবং ক্লিনিক্যাল ট্রায়াল ইন্টেলিজেন্স। এখানে প্রবেশ করুন.
• উত্স: https://aws.amazon.com/blogs/machine-learning/moderate-audio-and-text-chats-using-aws-ai-services-and-llms/