达摩院PALM春联模型实战教程添加AI评分模块平仄/对仗/意境过年写春联最头疼的是什么不是想不出好词而是好不容易憋出一副却不知道平仄对不对、对仗工不工整、意境好不好。自己看着挺美贴出来可能就闹笑话了。今天我们就来解决这个痛点。我们将基于达摩院PALM春联生成模型给它加上一个“AI语文老师”——一个能自动给春联打分、点评平仄、对仗和意境的智能评分模块。这样一来你生成的每一副春联都能立刻知道它“好不好”以及“好在哪里”。1. 项目目标与准备工作我们的目标很明确在原有“输入祝福词生成春联”的功能基础上增加一个“AI评分”功能。这个评分模块将从三个维度评估春联平仄检查上下联的平仄规律是否符合传统对联的基本要求。对仗分析上下联的词性、结构是否对仗工整。意境评估春联内容与输入主题的契合度以及整体的文采和美感。1.1 环境与模型确认首先确保你的环境已经按照基础教程搭建好了。我们这次是在原有项目上进行功能增强所以基础环境是现成的。确认项目结构你的项目目录应该和之前一样。spring_couplet_generation/ ├── app.py # 我们将主要修改这个文件 ├── requirements.txt # 可能需要添加新依赖 ├── start.sh └── README.md启动基础服务运行./start.sh或python3 app.py确保基础的春联生成功能在http://localhost:7860可以正常访问。如果还没部署请先完成基础部署。1.2 安装新依赖我们的评分模块需要用到一些中文语言处理的库。打开终端进入项目目录安装新的Python包。pip install jieba zhconvjieba优秀的中文分词工具我们将用它来拆分春联的词语以便分析词性和结构。zhconv简繁体转换工具。春联模型有时会输出繁体字为了评分准确我们需要统一转换为简体字进行分析。把这两个包也加到requirements.txt里方便以后重新部署。echo jieba requirements.txt echo zhconv requirements.txt好了环境准备完毕。接下来我们开始动手编写这个“AI语文老师”的核心逻辑。2. 构建AI评分模块我们不会去训练一个复杂的深度学习模型来评分那样成本太高。我们将基于对联的传统规则用一套清晰的逻辑和规则来实现评分。这种方法透明、可控而且效果立竿见影。我们在项目根目录下创建一个新的Python文件专门存放评分逻辑。就叫做scorer.pyscorer是评分员的意思。touch scorer.py现在打开scorer.py开始编写代码。2.1 平仄评分检查声调的韵律平仄是对联的声律基础。古汉语有“平、上、去、入”四声其中“平”声为平“上、去、入”三声为仄。现代汉语普通话中“阴平、阳平”为平声第一、二声“上声、去声”为仄声第三、四声。入声字在普通话中已分散到四声中我们这里采用一个简化但实用的规则主要依据现代汉语拼音的声调来判断。首先我们需要一个函数来判断单个汉字的平仄。# scorer.py import re from pypinyin import lazy_pinyin, Style def get_char_tone(char): 获取单个汉字的平仄。 简化规则普通话一声、二声为平平三声、四声为仄仄。 非汉字字符如标点返回 None。 if not \u4e00 char \u9fff: return None # 不是中文字符 try: # 使用 pypinyin 获取拼音和声调 pinyin_list lazy_pinyin(char, styleStyle.TONE3) if not pinyin_list: return None pinyin_with_tone pinyin_list[0] # 提取声调数字 (1,2,3,4) tone_match re.search(r(\d)$, pinyin_with_tone) if tone_match: tone_num int(tone_match.group(1)) # 1,2 声为平3,4声为仄 return 平 if tone_num in [1, 2] else 仄 else: # 没有声调标记轻声等暂时按平处理或根据常见情况调整这里保守处理为None return None except Exception as e: # 对于极少数无法转换的字返回None return None有了判断单字平仄的函数我们就可以分析整句的平仄序列了。对联的平仄规则有很多讲究比如“仄起平收”上联尾字为仄下联尾字为平、“一三五不论二四六分明”等。我们实现一个基础版本的检查。# scorer.py 续上 def check_pingze(couplet): 检查春联上下联的平仄。 couplet: 列表包含两个字符串如 [上联内容, 下联内容] 返回一个字典包含平仄序列和基础规则检查结果。 if len(couplet) ! 2: return {error: 春联格式错误需要上下两联} shang_lian, xia_lian couplet[0], couplet[1] # 获取平仄序列 shang_pingze [get_char_tone(c) for c in shang_lian if get_char_tone(c) is not None] xia_pingze [get_char_tone(c) for c in xia_lian if get_char_tone(c) is not None] # 基础规则检查 rules {} # 规则1: 仄起平收 if shang_pingze and xia_pingze: rules[仄起平收] (shang_pingze[-1] 仄 and xia_pingze[-1] 平) # 规则2: 上下联对应位置平仄相对简单检查前几个关键位置 # 这里简化处理检查第二、四、六字如果存在是否平仄相对 for i in [1, 3, 5]: # 索引对应第二、四、六字0-based if i len(shang_pingze) and i len(xia_pingze): key f第{i1}字平仄相对 rules[key] (shang_pingze[i] ! xia_pingze[i]) return { 上联平仄: .join(shang_pingze) if shang_pingze else , 下联平仄: .join(xia_pingze) if xia_pingze else , 规则检查: rules, 评分: sum(rules.values()) / len(rules) * 100 if rules else 0 # 规则符合率作为分数 }2.2 对仗评分检查词性与结构对仗要求上下联在相同位置的词语词性相同、结构相应。我们用jieba分词并配合一个简单的词性标注映射来评估。# scorer.py 续上 import jieba.posseg as pseg from zhconv import convert def preprocess_text(text): 预处理文本去除空格和标点繁体转简体。 # 繁体转简体 text_simple convert(text, zh-cn) # 去除所有非中文字符保留汉字 text_clean re.sub(r[^\u4e00-\u9fff], , text_simple) return text_clean def check_duizhang(couplet): 检查春联的对仗情况。 对仗评分基于上下联对应位置词语的词性匹配程度。 shang_lian, xia_lian couplet[0], couplet[1] shang_clean preprocess_text(shang_lian) xia_clean preprocess_text(xia_lian) if len(shang_clean) ! len(xia_clean): return {error: 上下联字数不一致无法进行严格对仗分析} # 使用jieba进行分词和词性标注 shang_words list(pseg.cut(shang_clean)) xia_words list(pseg.cut(xia_clean)) # 简化词性映射将jieba的词性映射到更通用的类别名、动、形、副等 pos_map { n: 名, nr: 名, ns: 名, nt: 名, nz: 名, # 名词类 v: 动, vd: 动, vn: 动, # 动词类 a: 形, ad: 形, an: 形, # 形容词类 d: 副, # 副词 # ... 可以继续补充其他映射 } comparison [] match_count 0 total_pairs min(len(shang_words), len(xia_words)) for i in range(total_pairs): shang_word, shang_pos shang_words[i] xia_word, xia_pos xia_words[i] shang_pos_simple pos_map.get(shang_pos, shang_pos) xia_pos_simple pos_map.get(xia_pos, xia_pos) is_match (shang_pos_simple xia_pos_simple) match_count 1 if is_match else 0 comparison.append({ 位置: i1, 上联词: shang_word, 上联词性: shang_pos_simple, 下联词: xia_word, 下联词性: xia_pos_simple, 是否匹配: is_match }) score (match_count / total_pairs * 100) if total_pairs 0 else 0 return { 词性对比: comparison, 匹配词数: match_count, 总对比词数: total_pairs, 评分: score }2.3 意境评分评估主题契合与文采意境评分是最主观的。我们可以用一个取巧的方法使用一个轻量级的文本相似度计算来评估生成的春联内容与输入“祝福词”主题的关联度。同时可以加入一些启发式规则比如检查是否包含吉祥字眼、是否避免重复用字等。# scorer.py 续上 from sklearn.feature_extraction.text import TfidfVectorizer from sklearn.metrics.pairwise import cosine_similarity def check_yijing(couplet, theme): 评估春联的意境。 couplet: 上下联列表 theme: 用户输入的两字主题词 返回一个综合评分和评语。 shang_lian, xia_lian couplet[0], couplet[1] full_text shang_lian xia_lian # 1. 主题相关性评分使用TF-IDF余弦相似度 # 将主题词和春联全文转化为向量 try: vectorizer TfidfVectorizer(analyzerchar) # 按字切分 tfidf_matrix vectorizer.fit_transform([theme, full_text]) theme_similarity cosine_similarity(tfidf_matrix[0:1], tfidf_matrix[1:2])[0][0] theme_score theme_similarity * 50 # 将相似度映射到0-50分 except: theme_score 25 # 如果计算失败给一个中间分 # 2. 启发式规则评分 (0-50分) heuristic_score 0 details [] # 规则1: 是否包含吉祥/喜庆词汇 auspicious_words [福, 禄, 寿, 喜, 财, 吉, 祥, 春, 和, 顺] found_words [word for word in auspicious_words if word in full_text] if found_words: heuristic_score 10 details.append(f包含吉祥字{, .join(found_words)}) # 规则2: 上下联是否避免完全重复用字专有名词除外 shang_set set(preprocess_text(shang_lian)) xia_set set(preprocess_text(xia_lian)) common_chars shang_set.intersection(xia_set) # 允许少量重复比如“春”字上下联都出现是合理的 if len(common_chars) 2: heuristic_score 10 details.append(f上下联用字重复较少) else: details.append(f上下联重复字较多{.join(common_chars)}) # 规则3: 句子长度适中通常为5,7,9等单数字 avg_len (len(shang_lian) len(xia_lian)) / 2 if 5 avg_len 11: heuristic_score 10 details.append(f联句长度适中({avg_len:.0f}字)) # 规则4: 整体评价简单基于词性多样性这里简化处理 # 可以扩展更复杂的评价 heuristic_score 20 # 基础分 total_score theme_score heuristic_score # 确保分数在0-100之间 total_score max(0, min(100, total_score)) return { 主题契合评分: round(theme_score, 1), 启发式评分: heuristic_score, 评语: details, 评分: round(total_score, 1) }2.4 整合评分模块最后我们创建一个主函数将平仄、对仗、意境三个维度的评分整合起来给出一个综合评分和详细的报告。# scorer.py 续上 def evaluate_couplet(couplet_text, theme): 综合评价一副春联。 couplet_text: 字符串包含上下联可以用逗号、分号或换行分隔。 theme: 用户输入的主题词如“新春”。 返回一个包含详细评分报告的字典。 # 1. 分割上下联 separators [, ,, ;, , \n] for sep in separators: if sep in couplet_text: parts [p.strip() for p in couplet_text.split(sep) if p.strip()] if len(parts) 2: couplet parts[:2] # 取前两部分作为上下联 break else: # 如果没有找到分隔符尝试按字数平分不太可靠 text_clean preprocess_text(couplet_text) mid len(text_clean) // 2 couplet [couplet_text[:mid], couplet_text[mid:]] if len(couplet) 2: return {error: 无法从输入中提取有效的上下联} # 2. 调用三个评分函数 pingze_result check_pingze(couplet) duizhang_result check_duizhang(couplet) yijing_result check_yijing(couplet, theme) # 3. 计算综合评分可以加权平均 weights {平仄: 0.3, 对仗: 0.4, 意境: 0.3} # 权重可调整 total_score 0 if 评分 in pingze_result: total_score pingze_result[评分] * weights[平仄] if 评分 in duizhang_result: total_score duizhang_result[评分] * weights[对仗] if 评分 in yijing_result: total_score yijing_result[评分] * weights[意境] # 4. 生成评语 comment generate_comment(pingze_result, duizhang_result, yijing_result, total_score) # 5. 组装最终结果 return { 春联: { 上联: couplet[0], 下联: couplet[1] }, 评分详情: { 平仄: pingze_result, 对仗: duizhang_result, 意境: yijing_result }, 综合评分: round(total_score, 1), AI评语: comment } def generate_comment(pingze, duizhang, yijing, total_score): 根据各维度评分生成一段友好的AI评语。 comments [] # 平仄评语 if 规则检查 in pingze: rules pingze[规则检查] rule_names { 仄起平收: 仄起平收, 第2字平仄相对: 第二字平仄, 第4字平仄相对: 第四字平仄, 第6字平仄相对: 第六字平仄 } met_rules [rule_names.get(k,k) for k, v in rules.items() if v] if met_rules: comments.append(f平仄方面{, .join(met_rules)}等规则运用得当读起来朗朗上口。) else: comments.append(平仄韵律尚有提升空间。) # 对仗评语 if 评分 in duizhang: score duizhang[评分] if score 80: comments.append(对仗极为工整上下联词性结构相映成趣。) elif score 60: comments.append(对仗基本工整个别字词可再斟酌。) else: comments.append(对仗方面可以进一步加强使上下联更显呼应。) # 意境评语 if 评语 in yijing: details yijing[评语] if details: comments.append(意境上 .join(details) 。) # 总体评语 if total_score 85: overall 这副春联堪称佳作 elif total_score 70: overall 这副春联写得不错 elif total_score 60: overall 这副春联基本合格还有提升空间。 else: overall 这副春联可以再优化优化。 comments.insert(0, overall) return .join(comments)至此我们的“AI语文老师”——scorer.py评分模块就全部写完了。它结构清晰每个函数负责一个明确的评分维度最后整合成一个完整的报告。3. 集成到Gradio Web界面现在我们需要把这个评分模块和原来的春联生成模型结合起来在Web界面上展示评分结果。打开原来的app.py文件我们需要做以下几处修改导入评分模块在文件开头添加from scorer import evaluate_couplet。修改生成函数修改处理用户输入、调用模型生成春联的函数使其在生成春联后立即调用评分函数。丰富输出界面修改Gradio的outputs参数增加用于显示评分结果的组件。以下是修改后的app.py核心部分示例# app.py (修改后) import gradio as gr from modelscope.pipelines import pipeline from modelscope.utils.constant import Tasks import os from scorer import evaluate_couplet # 导入我们的评分模块 # 1. 加载模型保持不变 model_dir /root/ai-models/iic/spring_couplet_generation if not os.path.exists(model_dir): raise FileNotFoundError(f模型目录不存在: {model_dir}) pipe pipeline(Tasks.text_generation, modelmodel_dir) def generate_couplet_with_score(theme): 新的生成函数生成春联并立即评分。 if not theme or len(theme.strip()) 2: return 请输入至少两个字的祝福词。, , , , 0, theme theme.strip()[:2] # 取前两个字作为主题 # 2. 调用原模型生成春联 try: # 这里需要根据你的模型实际输入输出格式调整 # 假设模型输入是主题词输出是包含上下联的字符串 result pipe(theme) # 假设result[text]是生成的春联字符串如“上联下联” generated_text result.get(text, ) # 你可能需要根据模型的实际输出格式进行解析 # 例如如果输出是“春风得意年年好前程似锦步步高” couplet_text generated_text except Exception as e: return f生成春联时出错: {e}, , , , 0, # 3. 调用评分模块 try: evaluation evaluate_couplet(couplet_text, theme) if error in evaluation: score_report f评分失败: {evaluation[error]} final_score 0 comment shang_lian couplet_text.split()[0] if in couplet_text else couplet_text[:len(couplet_text)//2] xia_lian couplet_text.split()[1] if in couplet_text else couplet_text[len(couplet_text)//2:] else: shang_lian evaluation[春联][上联] xia_lian evaluation[春联][下联] final_score evaluation[综合评分] comment evaluation[AI评语] # 构建详细的评分报告字符串 details evaluation[评分详情] score_report f **平仄评分**: {details[平仄].get(评分, 0):.1f}分 - 上联平仄: {details[平仄].get(上联平仄, )} - 下联平仄: {details[平仄].get(下联平仄, )} - 规则检查: {, .join([k for k,v in details[平仄].get(规则检查,{}).items() if v])} **对仗评分**: {details[对仗].get(评分, 0):.1f}分 - 词性匹配: {details[对仗].get(匹配词数, 0)} / {details[对仗].get(总对比词数, 0)} **意境评分**: {details[意境].get(评分, 0):.1f}分 - 主题契合: {details[意境].get(主题契合评分, 0):.1f}分 - 启发式评分: {details[意境].get(启发式评分, 0):.1f}分 .strip() except Exception as e: shang_lian, xia_lian couplet_text[:len(couplet_text)//2], couplet_text[len(couplet_text)//2:] score_report f评分过程出错: {e} final_score 0 comment # 返回结果上联、下联、评分报告、综合分数、AI评语 return shang_lian, xia_lian, score_report, final_score, comment # 4. 构建新的Gradio界面 with gr.Blocks(titleAI春联生成与评分系统, themegr.themes.Soft()) as demo: gr.Markdown(# AI 春联生成器 - 带AI评分) gr.Markdown(输入两个字的祝福词如新春、吉祥生成专属春联并获得平仄、对仗、意境三维度AI评分。) with gr.Row(): with gr.Column(scale1): theme_input gr.Textbox( label输入祝福词, placeholder例如新春、吉祥、平安、富贵..., max_lines1, value新春 ) submit_btn gr.Button(生成春联并评分, variantprimary) with gr.Column(scale2): with gr.Row(): shang_output gr.Textbox(label上联, interactiveFalse) xia_output gr.Textbox(label下联, interactiveFalse) score_output gr.Number(label综合评分, value0, interactiveFalse) comment_output gr.Textbox(labelAI评语, interactiveFalse, lines2) report_output gr.Code(label详细评分报告, languagemarkdown, interactiveFalse) # 示例 gr.Examples( examples[[新春], [吉祥], [平安], [富贵], [如意]], inputstheme_input ) # 绑定事件 submit_btn.click( fngenerate_couplet_with_score, inputstheme_input, outputs[shang_output, xia_output, report_output, score_output, comment_output] ) # 启动应用保持不变 if __name__ __main__: demo.launch(server_name0.0.0.0, server_port7860)保存修改后的app.py。现在我们的Web应用不仅会生成春联还会调用scorer.py对生成的春联进行多维度评分并将结果清晰地展示在界面上。4. 运行与效果展示让我们启动这个增强版的应用看看效果。启动服务python3 app.py或者./start.sh访问界面打开浏览器访问http://localhost:7860。你会看到一个焕然一新的界面除了生成春联还多了评分、评语和详细报告区域。体验功能在输入框尝试不同的祝福词比如“新春”、“吉祥”、“安康”。点击“生成春联并评分”按钮。你会看到类似这样的结果输入新春输出上联东风化雨山山翠下联政策归心处处春综合评分78.5AI评语这副春联写得不错 平仄方面仄起平收第二字平仄第四字平仄等规则运用得当读起来朗朗上口。对仗基本工整个别字词可再斟酌。意境上包含吉祥字春上下联用字重复较少联句长度适中(7字)。详细评分报告会以Markdown形式展示平仄、对仗、意境三个维度的详细得分和检查项。这个评分模块就像一个随时在线的对联专家为你生成的每一副春联提供专业的“体检报告”。你可以根据报告调整祝福词或者对生成的春联进行微调从而得到评分更高、更符合传统规范的佳作。5. 总结与进阶思考通过本教程我们成功为达摩院PALM春联生成模型添加了一个实用的AI评分模块。这个模块从平仄、对仗、意境三个维度用可解释的规则对春联进行了量化评估让AI的生成结果不再是“黑箱”而是有了清晰的优劣标准。5.1 核心收获功能增强我们不仅会调用模型生成内容还能对生成内容进行深度分析和评价提升了应用的实用性和趣味性。规则与启发式方法对于平仄、对仗这类有明确规则的任务基于规则的方法比训练一个模型更简单、高效且可控。工程化集成我们将评分模块 (scorer.py) 与主应用 (app.py) 清晰解耦使得代码易于维护和扩展。用户体验提升通过Gradio界面将复杂的评分结果直观、友好地呈现给用户。5.2 可以继续优化的方向我们的评分模块是一个很好的起点但还有很大的优化空间平仄规则更精准引入古汉语音韵数据库更准确地处理入声字和多音字。对仗分析更深入结合更复杂的语法分析树评估句子结构而不仅仅是词性。意境评估更智能可以尝试嵌入一个小型的预训练语言模型如BERT来评估春联的连贯性、创意性和文采而不仅仅是主题词匹配。交互式修改能否让用户根据评分报告手动微调春联中的某个字然后实时重新评分这需要将界面做得更交互。评分模型个性化允许用户调整三个维度的权重比如更看重意境还是对仗生成符合个人偏好的春联。希望这个教程能给你带来启发。将大模型的生成能力与基于规则的专家系统相结合往往能创造出更实用、更可信的AI应用。动手试试吧为你生成的下一副春联打个分获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。