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

Kód výsledku v 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>

Výsledek na webu

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

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

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

Popis výsledku v původním jazyce

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.

Název v anglickém jazyce

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

Popis výsledku anglicky

The motivation for developing the ČRo Summaries tool is Czech Radio's long-term need to automatically provide concise, factually consistent, and balanced summaries of current news. In the digital news environment, a large number of articles are produced every day, often overlapping thematically. The tool is being developed for end users, helping them to get an overview of what is really important on a given day. The aim of the ČRo Summaries tool is to automatically create a daily text summary of selected Czech Radio articles that: ● recommends a selection of the most interesting, non-redundant source articles, ● maintains factual accuracy, ● is easily integrated with other systems in the iRozhlas ecosystem.

Druh

G_funk - Funkční vzorek

CEP obor

—

OECD FORD obor

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

Projekt

<a href="/cs/project/TQ01000100" target="_blank" >TQ01000100: Newsroom AI: veřejná služba v éře automatizované žurnalistiky</a><br>

Návaznosti

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

Rok uplatnění

2025

Kód důvěrnosti údajů

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

Interní identifikační kód produktu

TQ01000100-V9

Číselná identifikace

TQ01000100-V9

Technické parametry

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

Ekonomické parametry

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 %

Kategorie aplik. výsledku dle nákladů

—

IČO vlastníka výsledku

68407700

Název vlastníka

České vysoké učení technické v Praze

Stát vlastníka

CZ - Česká republika

Druh možnosti využití

V - Výsledek je využíván vlastníkem

Požadavek na licenční poplatek

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

Adresa www stránky s výsledkem

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