🐾 Meow-CLOVAX-v2

Meow-CLOVAX-v2는 감정 및 동물 말투 스타일 변환을 목표로 개발된 한국어 중심의 경량 LLM입니다.
사용자의 텍스트를 다양한 감정 및 동물(고양이/강아지) 말투로 자연스럽게 변환하는 SNS형 스타일 변환 시스템을 위해 파인튜닝된 모델입니다.

🧪 본 모델은 naver-hyperclovax/HyperCLOVAX-SEED-Text-Instruct-1.5B를 기반으로 Supervised Finetuning(SFT) 방식으로 학습되었습니다.
nick_name : haebo/Meow-HyperCLOVAX-1.5B_SFT-FFT_fp32_0629cfe

---

🧠 Model Details

항목	설명
Base Model	HyperCLOVAX-SEED-Text-Instruct-1.5B
Fine-tuning Method	Supervised Finetuning (SFT)
Model Type	Decoder-only
Language	Korean (primary)
Parameters	1.5B
Precision	fp16 / fp32
Version	v2
Framework	Transformers
license	hyperclovax-seed

---

📦 Training Details

• Dataset: 감정 및 동물 말투에 따라 수집·합성된 style transfer 데이터셋 (비공개)
  • 각 샘플은 content, emotion, post_type, transformed_content 필드로 구성된 jsonl 데이터셋
• Task: Instruct-style fine-tuning (prompt → transformed response)
• Prompt 구조:
  • system: "너는 동물 유형과 감정에 맞게 문장을 자연스럽게 변환하는 전문가야."
  • user: "다음 문장을 [감정] [동물] 말투로 바꿔줘.\nInput: ...\nOutput:"
  • assistant: 변환문 + EOS
• Epochs: 3
• Evaluation: BLEU, KoBERTScore, Perplexity, Quality Score, Type Score, 수동 평가 등 사용
• Training Infrastructure: Google Colab Pro+ (A100)
• Instruction Infrastructure: Google Colab Pro+ (T4) / GCP T4

---

🎯 Intended Use

• 감정 기반 말투 변환 서비스 (예: 고양이 말투 + 화남 → “왜 건드냐옹! 안 건드렸으면 좋겠다옹!”)
• 사용자 글의 의미를 최대한 유지하는 방향으로 변환
• SNS 캐릭터 보정, 댓글 자동 응답, 감정 기반 챗봇 등에 활용 가능
• 사용자 프롬프트 스타일 변경 or 톤 조정 등에 활용

---

⚠️ Limitations

• 사실 기반 생성보다는 말투 스타일링에 초점을 맞춤
• 부정확하거나 비논리적인 문장을 생성할 수 있음
• 실제 감정 상태 분석은 수행하지 않음
• 정재되지 않은 입력(비문, 링크, 이모지)에 대해 이상한 문장을 생성할 수 있음

---

🛠️ How to Use

from transformers import AutoTokenizer, AutoModelForCausalLM

model_id = "haebo/meow-clovax-v3"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)

prompt = (
    "<|system|>\n"
    "너는 동물 유형과 감정에 맞게 문장을 자연스럽게 변환하는 전문가야.\n"
    "<|user|>\n"
    "다음 문장을 happy cat 말투로 바꿔줘.\n"
    "Input: 오늘은 정말 좋은 하루였어!\n"
    "Output:\n"
    "<|assistant|>\n"
)
inputs = tokenizer(prompt, return_tensors="pt")
outputs = model.generate(**inputs, max_new_tokens=400)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

---

🧪 평가 기준 및 자동화

• BLEU Score: n-gram 기반 표면 유사도 (0~1, 높을수록 유사)
• KoBERTScore: 의미적 유사도(BERT 임베딩, 0.8↑ 의미 유사)
• Perplexity: 언어모델 자연스러움(60~180 구간 1.0점)
• Quality Score: 금지어, 반복, 허용 문자, 이모지 등 서비스 품질
• Type Score: 목표 동물 말투 패턴 일치(1.0: 완벽, 0.2: 혼합, 0.1: 반대, 0: 없음)
• 데이터 클랜징: 한글/영문/숫자/주요구두점/이모지만 허용, URL·불용문자·다중공백·과도반복 제거

---

🗂️ 데이터셋 설명

본 프로젝트의 데이터셋은 감정 및 동물 말투 스타일 변환을 위해 설계된 한국어 jsonl 포맷입니다. 각 샘플은 다음과 같은 4개 필드로 구성되어 있습니다.

필드명	설명	예시 값
content	원본 문장 (일상 한국어)	오늘은 정말 좋은 하루였어.
emotion	감정 레이블 (영문)	happy
post_type	동물 유형 (영문)	cat
transformed_content	감정 및 동물 말투로 변환된 문장	오늘은 정말 좋은 하루였다냥! 😸

• 사용된 데이터셋

본 모델의 파인튜닝에는 여러 단계의 데이터셋을 통합·정제한 최종 데이터셋이 사용되었습니다.
본 데이터셋은 실제 유저/댓글/합성 데이터를 통합·정제하여, 다양한 감정과 동물 말투 변환에 최적화되어 있습니다.

• 총 샘플 수: 15,698개 (원문: 2,038개)

• 포함 데이터:

  • dataset_0515_made (342개): 초기 유저 데이터
  • dataset_0527_made (818개): 유저 게시글 기반 감정별/동물별 데이터
  • dataset_0530_made (2,986개): 감정별 증폭된 게시글 기반 데이터
  • dataset_0613_made (681개): 유저 댓글 입력에 대한 규칙 기반 변환(cat)
  • dataset_0620_made (681개): 유저 댓글 입력에 대한 규칙 기반 변환(dog)
  • dataset_0622_made (17,596개): Gemini로 생성된 합성 인풋 말투 변환

• 주된 구성: 유저 데이터, 댓글 데이터, 합성 데이터 문장 등 다양한 유형 포함

• 전처리 사항:

  • 중복 제거
  • 필터링 반영

• 감정 범위: normal, happy, sad, grumpy, curious, angry (6종)

• 동물 유형: cat, dog (2종)

• 데이터 구조:

  • 각 샘플은 content, emotion, post_type, transformed_content 필드로 구성된 JSONL 포맷

• 특징:

  • 다양한 길이/유형의 문장 포함
  • content/emotion/post_type/transformed_content의 4필드로 구성
  • Jsonl 형태의 데이터

• 예시

{
  "content": "내 얘기는 듣지도 않고 자기 말만 계속하네. 너무 화나서 그냥 나와버렸다.",
  "emotion": "angry",
  "post_type": "dog",
  "transformed_content": "흥! 내 얄미운 녀석, 또 자기 말만 하는거냐왈! 😾 너무 화가 나서 그냥 나왔다 멍!🔥"
}