ČRo Summaries: Automatic generation of daily summaries for all users of the iRozhlas ecosystem

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F25%3A00389145" target="_blank" >RIV/68407700:21230/25:00389145 - isvavai.cz</a>

Result on the web

<a href="https://github.com/aic-factcheck/cro_summaries" target="_blank" >https://github.com/aic-factcheck/cro_summaries</a>

DOI - Digital Object Identifier

—

Result language

čeština

Original language name

ČRo Souhrny: Automatické generování souhrnu dne pro všechny uživatele ekosystému iRozhlas

Original language description

Motivací pro vývoj nástroje ČRo Souhrny je dlouhodobá potřeba Českého rozhlasu automaticky poskytovat stručné, fakticky konzistentní a obsahově vyvážené souhrny aktuálního zpravodajství. V prostředí digitálního zpravodajství vzniká denně velké množství článků, které se mohou tematicky překrývat. Nástroj je vyvíjen pro koncové uživatele, jimž pomáhá získat přehled o tom, co je v daný den skutečně podstatné. Cílem nástroje ČRo Souhrny je automaticky vytvořit denní textový souhrn vybraných článků Českého rozhlasu, který: ● doporučí výběr nejzajímavějších, neredundantních zdrojových článků, ● zachovává faktickou správnost, ● je snadno integrovatelný do dalších systémů ekosystému iRozhlas.

Czech name

ČRo Souhrny: Automatické generování souhrnu dne pro všechny uživatele ekosystému iRozhlas

Czech description

Motivací pro vývoj nástroje ČRo Souhrny je dlouhodobá potřeba Českého rozhlasu automaticky poskytovat stručné, fakticky konzistentní a obsahově vyvážené souhrny aktuálního zpravodajství. V prostředí digitálního zpravodajství vzniká denně velké množství článků, které se mohou tematicky překrývat. Nástroj je vyvíjen pro koncové uživatele, jimž pomáhá získat přehled o tom, co je v daný den skutečně podstatné. Cílem nástroje ČRo Souhrny je automaticky vytvořit denní textový souhrn vybraných článků Českého rozhlasu, který: ● doporučí výběr nejzajímavějších, neredundantních zdrojových článků, ● zachovává faktickou správnost, ● je snadno integrovatelný do dalších systémů ekosystému iRozhlas.

Type

G_funk - Functional sample

CEP classification

—

OECD FORD branch

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Project

<a href="/en/project/TQ01000100" target="_blank" >TQ01000100: Newsroom AI: public service in the era of automated journalism</a><br>

Continuities

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Publication year

2025

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Internal product ID

TQ01000100-V9

Numerical identification

TQ01000100-V9

Technical parameters

Nástroj ČRo Souhrny pracuje v následujících krocích: 1. Výběr dokumentů: Nástroj získává články z API iRozhlas.cz. V základním režimu pracuje s předem definovaným výběrem dokumentů, v rozšířeném režimu využívá jazykový model pro doporučení nejrelevantnějších článků z větší množiny kandidátů. 2. Předzpracování dokumentů: Stažené články jsou normalizovány do jednotné interní struktury. 3. Doporučení relevantních článků: V případě větší množiny vstupních dokumentů je použit LLM-based recommender, který vybírá podmnožinu článků nejlépe reprezentujících daný časový úsek. 4. Generování sumarizací: Pro každý vybraný článek je pomocí velkého jazykového modelu vygenerována krátká sumarizace ve stylu faktického shrnutí. 5. Ověření faktické správnosti: Každá vygenerovaná sumarizace je následně ověřena nezávislým jazykovým modelem, který posuzuje její konzistenci se zdrojovým textem. 6. Agregace výstupu. Finálním výstupem je sada jednotlivých ověřených sumarizací a agregovaný textový souhrn dne. Použité technologie: Výpočetní modul je implementován v jazyce Python. Celé řešení je postaveno na knihovně LiteLLM, která umožňuje jednotné rozhraní pro různé jazykové modely (otevřené i komerční). Systém je konfigurovatelný pomocí externích konfiguračních souborů a promptů. Součástí nástroje je REST API server postavený na frameworku FastAPI. API umožňuje sumarizaci dodaných článků, spuštění celé pipeline včetně stahování a doporučování článků, snadnou integraci do dalších aplikací a redakčních nástrojů. Zdrojové kódy nástroje jsou dostupné zde: https://github.com/aic-factcheck/cro_summaries

Economical parameters

Licenci je možno udělit jako bezúplatnou pro nekomerční účely. V případě udělení licence pro komerční využití, byl stanoven odhad ceny poskytnuté licence jako licence za časově omezený přístup, a to za poplatek 8 000,- Kč na měsíc, nebo 60 000,- Kč za rok. Cena vychází z nákladů na realizaci, plus přiměřená marže a návratnost. 16. Vlastník (komplexnější informace o spoluvlastnictví se upřesní v technických parametrech v části s informacemi o smlouvě o využití, případně v ekonomických parametrech). Český rozhlas - 15 %, ČVUT- 85 %

Application category by cost

—

Owner IČO

68407700

Owner name

České vysoké učení technické v Praze

Owner country

CZ - CZECH REPUBLIC

Usage type

V - Výsledek je využíván vlastníkem

Licence fee requirement

Z - Poskytovatel licence na výsledek nepožaduje v některých případech licenční poplatek

Web page

https://github.com/aic-factcheck/cro_summaries