Debate_Arena

SSAFY 13기 2학기 첫 프로젝트 - 실시간 토론 플랫폼의 AI_server 레포지토리입니다

1. FastAPI로 AI 서버 구축 완료

2. AI 기술 활용

1. 주제에 대한 주장 요약(완료)

   • 토론 참여자의 STT 데이터를 기반으로 주장 내용 요약

2. 공방전에 대한 주장 요약 + 방어 점수 부여 (완료)

   • 공격과 방어 STT를 받아 각자 요약, 해당 요약본을 활용하여 AI가 잘 방어했는지 1~10점 사이로 평가

3. 전체 내용 요약 (완료)

   • 진행된 모든 토론 내용(요약본들)을 받아 다시 한 번 진영별로 전체 요약

4. 무승부 시 AI 청중단 개입 (완료)

   • 사용자 간 찬/반이 무승부가 되었을 때 가상의 청중단(50명)이 개입하여 승자가 누구인지 판단을 내림
   • 판단은 투표 형식으로 29 : 21 같은 형식으로 제공
   • 랜덤으로 청중 한 명을 뽑아 해당 인물의 특성과 어떤 이유로 투표를 하였는지 알려줌

5. (예정) 청중단의 판정을 기반으로 기억 학습 구현

   • 청중들의 백터 일정 수준 보정

3. AI 외의 기술 구현

• ChromaDB를 활용한 AI 임베딩 벡터 검색 인프라 구현
  • 각 청중의 성격, 성향, 나이 등의 설명을 GPT 임베딩하여 3072차원 벡터로 변환 후 저장
  • 임베딩된 토론 요약문과 청중 벡터 간 유사도를 계산해 AI 판정 기반 마련

4. 발생 이슈

• AI 청중단의 판정 함수를 돌리면 첫 판정 시 판정단이 0:50 처럼 한쪽으로 쏠림(해결 완료)
• 들어오는 순서에 따라 판정 요동침 (해결 완료)
• GMS 토큰 관리 문제 (해결 완료)

3. GMS 활용

1. 논리 요약: gpt-4.1-mini
2. 공방전 요약 + 반박 평가: gpt-4.1-mini
3. 최종 전체 요약: gpt-4.1
4. 요약 임베딩: gpt-3 text-embedding-large (3072차원)
5. 대표자 투표 이유 생성: gpt-4.1-mini (temperature 0.7)

4. 추가 고려 사항

- AI 청중의 모델화(Tensorflow를 활용하여 구현)
- 토큰 최소화
- API 반환 시간 최소화(요약 및 판정 최적화)

Whisper 모델(base, small or fast-whisper 사용 방안 ...) 비교 및 STT 모델 선정, 테스팅

• STT는 클라이언트에서 작동