Ambienti di sviluppo
Gli ambienti di sviluppo sono i contenitori dello spazio in cui lavori: ambienti di calcolo dedicati e isolati dove sviluppi, provi e validi i tuoi data product, con accesso controllato alle risorse della piattaforma. Oggi sono disponibili macchine virtuali e ambienti low-code.
Virtual Machine Linux
Macchina virtuale Linux. Fornisce un ambiente di calcolo dedicato in cui l’utente può installare e configurare software, librerie e strumenti non disponibili come servizi gestiti della piattaforma.
Macchina virtuale Linux. Fornisce un ambiente di calcolo dedicato in cui l’utente può installare e configurare software, librerie e strumenti non disponibili come servizi gestiti della piattaforma.
Macchina virtuale dedicata con sistema operativo Ubuntu, in cui installare e configurare software, librerie e strumenti non disponibili come servizi gestiti della piattaforma.
Specifiche
Ubuntu versione 24.04 LTS
No GPU
Accesso via SSH
Link: https://ubuntu.com
Tecnologie abilitanti
È la toolbox del Data Product Lab, la cassetta degli attrezzi con strumenti e servizi pronti all’uso per archiviare, elaborare, analizzare e visualizzare i dati, compresi i servizi di intelligenza artificiale (IA): l’IA propone, tu verifichi e decidi.
Abstract immagini
Tecnologia che genera un abstract di quanto rappresentato in un'immagine. A partire da un’immagine, il servizio genera una descrizione testuale sintetica del soggetto e degli elementi rappresentati.
Tecnologia che genera un abstract di quanto rappresentato in un'immagine. A partire da un’immagine, il servizio genera una descrizione testuale sintetica del soggetto e degli elementi rappresentati.
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint ipac/creazione-abstract-immagini/{codice-dp}
Abstract testi
Tecnologia che genera l'abstract di un testo con l'estrazione delle informazioni più rilevanti e significative dal testo originale per presentarle in modo sintetico.
Tecnologia che genera l'abstract di un testo con l'estrazione delle informazioni più rilevanti e significative dal testo originale per presentarle in modo sintetico.
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint ipac/creazione-abstract/{codice-dp}
Apache NiFi
Piattaforma open source per l’automazione del flusso di dati (dataflow automation), progettata per ingestion, trasformazione e distribuzione di dati tra sistemi eterogenei in modo affidabile e scalabile.
Piattaforma open source per l’automazione del flusso di dati (dataflow automation), progettata per ingestion, trasformazione e distribuzione di dati tra sistemi eterogenei in modo affidabile e scalabile.
Piattaforma open source per automatizzare i flussi di dati tra sistemi diversi: acquisizione, trasformazione e distribuzione. I flussi si disegnano in un’interfaccia grafica a blocchi e restano tracciabili in ogni passaggio (data provenance).
Specifiche
Apache NiFi versione 2.9.0.
Link: https://nifi.apache.org
Apache Superset
Piattaforma di esplorazione e visualizzazione dati/Business Intelligence. Consente di creare grafici e dashboard interattive collegandosi a database SQL (es. PostgreSQL), sia tramite un’interfaccia visuale senza codice sia scrivendo query nell’editor integrato (SQL Lab).
Piattaforma di esplorazione e visualizzazione dati/Business Intelligence. Consente di creare grafici e dashboard interattive collegandosi a database SQL (es. PostgreSQL), sia tramite un’interfaccia visuale senza codice sia scrivendo query nell’editor integrato (SQL Lab).
Piattaforma open source di business intelligence per esplorare dati e creare grafici e dashboard interattive. Si collega a database SQL come PostgreSQL e permette di lavorare sia con un’interfaccia visuale senza codice sia con query nell’editor integrato (SQL Lab).
Specifiche
Superset 6.1.0
ArchAIve – Ricerca semantica e interrogazione intelligente delle fonti digitali
Dp as a Service
Dataset metadati e relazioni performance–opere–spazi Double Reality
Dp as a Service
Elasticsearch
Motore di ricerca e analisi distribuito progettato per indicizzare, cercare e analizzare grandi quantità di dati in tempo reale. Viene utilizzato per implementare funzionalità di ricerca avanzata, monitoraggio, analytics e gestione di dati strutturati e non strutturati in applicazioni moderne.
Motore di ricerca e analisi distribuito progettato per indicizzare, cercare e analizzare grandi quantità di dati in tempo reale. Viene utilizzato per implementare funzionalità di ricerca avanzata, monitoraggio, analytics e gestione di dati strutturati e non strutturati in applicazioni moderne.
Motore di ricerca e analisi distribuito per indicizzare e cercare in tempo reale grandi quantità di dati, testuali e non. È adatto a ricerca full-text avanzata su cataloghi e collezioni, ricerca semantica, monitoraggio e analytics.
Specifiche
Elasticsearch versione 8.5.1
Link: https://www.elastic.co/elasticsearch
Documentazione: https://www.elastic.co/docs
Entità nei testi
Tecnologia che estrae entità nominali e assegna a ciascuna entità una categoria specifica. L’utente fornisce un testo e ottiene l’elenco delle entità riconosciute (es. persone, luoghi, organizzazioni) con la relativa categoria.
Tecnologia che estrae entità nominali e assegna a ciascuna entità una categoria specifica. L’utente fornisce un testo e ottiene l’elenco delle entità riconosciute (es. persone, luoghi, organizzazioni) con la relativa categoria.
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint ipac/creazione-ner/{codice-dp}
Epigrafi latine
Tecnologia che esegue l'analisi di immagini per il riconoscimento di testi latini. In particolare, permette l’estrazione di testo da iscrizioni di epigrafi in lingua latina.
Tecnologia che esegue l'analisi di immagini per il riconoscimento di testi latini. In particolare, permette l’estrazione di testo da iscrizioni di epigrafi in lingua latina.
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint ipac/creazione-epigrafi-latine/{codice-dp}
Estrazione e arricchimento metadati dei contenuti digitali dei Bronzi di Riace
Dp as a Service
Estrazione entità
Tecnologia che permette di mappare le entità presenti in un immagine, con quelle certificate dal Soggettario di Firenze più vicine semanticamente.
Tecnologia che permette di mappare le entità presenti in un immagine, con quelle certificate dal Soggettario di Firenze più vicine semanticamente.
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint ipac/creazione-estrazione-entita/{codice-dp}
GLiNER
Modello di Named Entity Recognition (NER) che rileva nomi comuni e nomi propri in base a categorie (etichette) predefinite. Le etichette predefinite sono: person, clothing, accessory, object, structure, monument, building, animal, food, drink, musical instrument, furniture, color, natural elements, halo. L’utente inserisce un testo libero, anche multi-riga e specifica, opzionalmente, una lista di etichette (label) in lingua inglese. Lo strumento esegue il riconoscimento di entità.
Modello di Named Entity Recognition (NER) che rileva nomi comuni e nomi propri in base a categorie (etichette) predefinite. Le etichette predefinite sono: person, clothing, accessory, object, structure, monument, building, animal, food, drink, musical instrument, furniture, color, natural elements, halo. L’utente inserisce un testo libero, anche multi-riga e specifica, opzionalmente, una lista di etichette (label) in lingua inglese. Lo strumento esegue il riconoscimento di entità.
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint cineca/gliner/job/{codiceDp}
GraphDB
Database a grafo semantico che memorizza dati come nodi collegati da relazioni. Usa RDF e SPARQL per interrogazioni complesse, ideale per knowledge graph linked data e analisi di reti interconnesse.
Database a grafo semantico che memorizza dati come nodi collegati da relazioni. Usa RDF e SPARQL per interrogazioni complesse, ideale per knowledge graph linked data e analisi di reti interconnesse.
Database a grafo semantico per costruire e interrogare knowledge graph e linked data.
Memorizza i dati in RDF, si interroga con SPARQL e supporta il ragionamento su ontologie: è adatto a collegare collezioni, autori, luoghi e vocabolari controllati.
Specifiche
GraphDB 11.1.0
Standard RDF, SPARQL 1.1, OWL/RDFS.
Link: https://graphdb.ontotext.com
Prodotto: https://www.ontotext.com/products/graphdb/
HCR Data Preparation
La piattaforma HCR Data Preparation è uno strumento progettato per supportare la trascrizione assistita di testi manoscritti storici. Consente di caricare immagini di documenti manoscritti, e attraverso un percorso a fasi, di ottenere una prima trascrizione automatica, correggibile manualmente. La piattaforma supporta la produzione di dataset annotati utilizzabili per il fine-tuning dei modelli di riconoscimento della scrittura a mano (HCR).
La piattaforma HCR Data Preparation è uno strumento progettato per supportare la trascrizione assistita di testi manoscritti storici. Consente di caricare immagini di documenti manoscritti, e attraverso un percorso a fasi, di ottenere una prima trascrizione automatica, correggibile manualmente. La piattaforma supporta la produzione di dataset annotati utilizzabili per il fine-tuning dei modelli di riconoscimento della scrittura a mano (HCR).
Ambiente web per trascrivere manoscritti storici con l’aiuto dell’intelligenza artificiale e costruire dataset per addestrare i modelli di riconoscimento della scrittura a mano (HCR). Sviluppato da CINECA appositamente per DPaaS, guida l’utente in un percorso a fasi, anche senza competenze di paleografia: selezione delle pagine, ritaglio dell’area di testo, individuazione automatica delle righe, trascrizione automatica e revisione riga per riga. Ogni correzione è tracciata per utente e data. A supporto del lavoro collaborativo e del controllo qualità ci sono un dizionario delle abbreviazioni, la ricerca delle parole nel corpus già validato e un registro delle attività con punteggio di accuratezza.
Specifiche:
Input: immagini di pagine intere di documenti manoscritti.
Output: immagini delle singole righe con la relativa trascrizione validata, pronte per il fine-tuning dei modelli (si consigliano almeno 1.000 righe validate). L’addestramento avviene fuori dalla piattaforma.
Modelli IA integrati: P2PaLA (riconoscimento delle righe) e TrOCR (trascrizione), entrambi open source.
Tecnologie: Svelte, PocketBase, OpenSeadragon, D3.js, tutte open source.
Link: P2PaLA: https://github.com/lquirosd/P2PaLATrOCR: https://huggingface.co/docs/transformers/model_doc/trocr
HCR Pipeline
Sequenza di modelli per il riconoscimento del testo in immagini di documenti manoscritti, che integra: aumento di risoluzione dell’immagine, riconoscimento delle righe di testo, scelta del modello di riconoscimento della grafia manoscritta e trascrizione. Per la trascrizione, sono disponibili due modelli: TrOCR_base, più adatto a testo inglese contemporaneo; TrOCR_umanistica, specifico per la trascrizione della scrittura umanistica italiana (circa 1450–1550). Accetta immagini intere e restituisce la trascrizione come testo semplice.
Sequenza di modelli per il riconoscimento del testo in immagini di documenti manoscritti, che integra: aumento di risoluzione dell’immagine, riconoscimento delle righe di testo, scelta del modello di riconoscimento della grafia manoscritta e trascrizione. Per la trascrizione, sono disponibili due modelli: TrOCR_base, più adatto a testo inglese contemporaneo; TrOCR_umanistica, specifico per la trascrizione della scrittura umanistica italiana (circa 1450–1550). Accetta immagini intere e restituisce la trascrizione come testo semplice.
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint cineca/hcrinference/job/{codiceDp}
JupyterLab
Ambiente di sviluppo interattivo basato su web per notebook, codice e dati. Offre un'interfaccia flessibile per lavorare con Jupyter notebooks, editor di testo, terminali e visualizzazioni in un unico spazio di lavoro modulare e personalizzabile
Ambiente di sviluppo interattivo basato su web per notebook, codice e dati. Offre un'interfaccia flessibile per lavorare con Jupyter notebooks, editor di testo, terminali e visualizzazioni in un unico spazio di lavoro modulare e personalizzabile
Ambiente web per scrivere ed eseguire codice in notebook interattivi, ideale per esplorare dati, sperimentare modelli e documentare le analisi. Riunisce in un unico spazio di lavoro notebook, editor di testo, terminale e visualizzazioni.
Specifiche
JupyterLab 4.6.4
Link: https://jupyter.org
Documentazione: https://jupyterlab.readthedocs.io
Keras-OCR
Modello di trascrizione di testo stampato che permette di caricare immagini e ottenere l'area di localizzazione (bounding box) e la trascrizione (non ordinata) delle parole contenute nel testo.
Modello di trascrizione di testo stampato che permette di caricare immagini e ottenere l'area di localizzazione (bounding box) e la trascrizione (non ordinata) delle parole contenute nel testo.
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint cineca/keras/job/{codiceDp}
Kosmos-2
Modello linguistico multimodale (Multimodal LLM) utilizzato per image captioning, cioè per generare automaticamente descrizioni testuali a partire da immagini. È in grado non solo di creare una frase descrittiva dell’immagine, ma anche di identificare e localizzare visivamente le entità presenti nella scena (object grounding).
Modello linguistico multimodale (Multimodal LLM) utilizzato per image captioning, cioè per generare automaticamente descrizioni testuali a partire da immagini. È in grado non solo di creare una frase descrittiva dell’immagine, ma anche di identificare e localizzare visivamente le entità presenti nella scena (object grounding).
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint cineca/kosmos2/job/{codiceDp}
LayoutParser
Modello di riconoscimento della struttura del layout di pagine provenienti da documenti e riviste. Analizza il layout di una pagina e identifica automaticamente le diverse sezioni, suddivise in: titoli, testi, fotografie, disegni e grafici, inserzioni pubblicitarie. Sono disponibili due modelli: il modello base “lp_base” e il modello “lp_carlino1940” ottenuto dal fine-tuning del modello base sul quotidiano storico Il Resto del Carlino negli anni 1939, 1940 e 1941.
Modello di riconoscimento della struttura del layout di pagine provenienti da documenti e riviste. Analizza il layout di una pagina e identifica automaticamente le diverse sezioni, suddivise in: titoli, testi, fotografie, disegni e grafici, inserzioni pubblicitarie. Sono disponibili due modelli: il modello base “lp_base” e il modello “lp_carlino1940” ottenuto dal fine-tuning del modello base sul quotidiano storico Il Resto del Carlino negli anni 1939, 1940 e 1941.
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint cineca/layoutparser/job/{codiceDp}
Lettura spartiti
Tecnologia che converte spartiti musicali dal formato immagine ai formati 'MusicXML' e PDF. Oltre alla notazione musicale, riconosce anche il testo presente nello spartito (titoli, indicazioni, parole del canto).
Tecnologia che converte spartiti musicali dal formato immagine ai formati 'MusicXML' e PDF. Oltre alla notazione musicale, riconosce anche il testo presente nello spartito (titoli, indicazioni, parole del canto).
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint ipac/creazione-omr/{codice-dp}
Llama 3.1 8B
LLM (Large Language Model) testuale sviluppato da Meta, ottimizzato per l’elaborazione di testi multilingue. L’utente inserisce un prompt (testo libero) e lo strumento esegue la richiesta posta dall’utente.
LLM (Large Language Model) testuale sviluppato da Meta, ottimizzato per l’elaborazione di testi multilingue. L’utente inserisce un prompt (testo libero) e lo strumento esegue la richiesta posta dall’utente.
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint cineca/llama31/job/{codiceDp}
LPW Data Preparation
La piattaforma LPW (Layout Parser Workflow) Data Preparation è uno strumento dedicato alla preparazione del dataset propedeutica al fine-tuning di modelli che eseguono l’analisi del layout di quotidiani digitalizzati.
La piattaforma LPW (Layout Parser Workflow) Data Preparation è uno strumento dedicato alla preparazione del dataset propedeutica al fine-tuning di modelli che eseguono l’analisi del layout di quotidiani digitalizzati.
Ambiente web per annotare l’impaginato di quotidiani storici digitalizzati e costruire dataset per addestrare i modelli di analisi del layout. Sviluppato da CINECA appositamente per DPaaS, parte da una prima proposta automatica: un modello di layout analysis individua le aree della pagina e un algoritmo traccia margini, colonne e separatori. L’utente corregge linee e aree e assegna a ciascuna una delle cinque categorie (titolo, testo di articolo, fotografia, disegno/grafico, inserzione pubblicitaria). Per lavorare rapidamente ci sono scorciatoie da tastiera, l’allineamento magnetico dei bordi e la segnalazione delle pagine irregolari, come le scansioni storte. Ogni salvataggio è tracciato per utente, e l’avanzamento è visibile per progetto e per pagina.
Specifiche
Input: immagini di pagine intere di quotidiani o di altri documenti a stampa.
Output: pagine annotate con aree categorizzate (ground truth), esportabili tramite API per il fine-tuning, che avviene fuori dalla piattaforma. Come riferimento, il fine-tuning di LayoutParser sul Resto del Carlino ha richiesto circa 3.000 pagine annotate.
Modelli IA integrati: LayoutParser, in versione base o specializzata sul Resto del Carlino 1939–1941.
Tecnologie: Svelte, PocketBase, OpenSeadragon, D3.js, tutte open source; architettura containerizzata.
Link LayoutParser: https://layout-parser.github.io
Mentor – Assistente digitale per il visitatore
Dp as a Service
Miglioramento immagini
Tecnologia che migliora la risoluzione e la qualità delle immagini, correggendo problemi, migliorando l'esperienza visiva complessiva e rendendo l'immagine più nitida.
Tecnologia che migliora la risoluzione e la qualità delle immagini, correggendo problemi, migliorando l'esperienza visiva complessiva e rendendo l'immagine più nitida.
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint ipac/creazione-image-enhance/{codice-dp}
MusicXML in audio
Tecnologia che genera un file audio a partire da file in formato 'MusicXML'. Il file MusicXML (ad esempio ottenuto dalla primitiva Lettura spartiti) viene convertito in un file MIDI riproducibile, permettendo l’ascolto della partitura digitalizzata.
Tecnologia che genera un file audio a partire da file in formato 'MusicXML'. Il file MusicXML (ad esempio ottenuto dalla primitiva Lettura spartiti) viene convertito in un file MIDI riproducibile, permettendo l’ascolto della partitura digitalizzata.
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint ipac/creazione-xmlmidi/{codice-dp}
Neo4J
Database a grafo open source che memorizza dati come nodi e relazioni, ideale per analizzare connessioni complesse tra entità. Usa il linguaggio Cypher per interrogazioni intuitive e offre prestazioni elevate su reti interconnesse.
Database a grafo open source che memorizza dati come nodi e relazioni, ideale per analizzare connessioni complesse tra entità. Usa il linguaggio Cypher per interrogazioni intuitive e offre prestazioni elevate su reti interconnesse.
Database a grafo per rappresentare e analizzare reti di relazioni complesse tra entità, come persone, opere, luoghi ed eventi. Si interroga con il linguaggio Cypher, pensato per esprimere in modo intuitivo percorsi e connessioni.
Specifiche
Neo4j
5.22.0
Link: https://neo4j.com
Documentazione: https://neo4j.com/docs/
NERS
Servizio di Named Entity Recognition che utilizza i modelli Wikineural e SpaCy per identificare entità all'interno di testi scritti. L’utente inserisce un testo libero per l’analisi linguistica. Lo strumento identifica entità come persone, luoghi, organizzazioni e restituisce per ogni entità riconosciuta la categoria (label), la posizione nel testo e un eventuale collegamento al Soggettario di Firenze.
Servizio di Named Entity Recognition che utilizza i modelli Wikineural e SpaCy per identificare entità all'interno di testi scritti. L’utente inserisce un testo libero per l’analisi linguistica. Lo strumento identifica entità come persone, luoghi, organizzazioni e restituisce per ogni entità riconosciuta la categoria (label), la posizione nel testo e un eventuale collegamento al Soggettario di Firenze.
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint cineca/ners/job/{codiceDp}
OCR documenti
Tecnologia che consente di convertire immagini di documenti testuali in testo digitale. Riconosce sia il testo a stampa sia quello manoscritto, restituendo il contenuto testuale di ciascuna pagina.
Tecnologia che consente di convertire immagini di documenti testuali in testo digitale. Riconosce sia il testo a stampa sia quello manoscritto, restituendo il contenuto testuale di ciascuna pagina.
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint ipac/creazione-ocr/{codice-dp}
Oemer
Sistema di riconoscimento ottico della notazione musicale (Optical Music Recognition – OMR), progettato per analizzare immagini contenenti spartiti musicali e restituire file digitali corrispondenti. L’utente può caricare immagini di spartiti musicali stampati. Produce in output tre file digitali generati automaticamente: un file MusicXML; un file di anteprima grafica in cui vengono evidenziate, sull’immagine in input, le notazioni riconosciute dalla tecnologia; un file MIDI.
Sistema di riconoscimento ottico della notazione musicale (Optical Music Recognition – OMR), progettato per analizzare immagini contenenti spartiti musicali e restituire file digitali corrispondenti. L’utente può caricare immagini di spartiti musicali stampati. Produce in output tre file digitali generati automaticamente: un file MusicXML; un file di anteprima grafica in cui vengono evidenziate, sull’immagine in input, le notazioni riconosciute dalla tecnologia; un file MIDI.
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint cineca/oemer/job/{codiceDp}
Ontotext Refine
Tool di data refinement semantico per pulire, riconciliare e arricchire dati, creare grafi di conoscenza RDF e collegare entità a fonti esterne migliorando qualità e interoperabilità.
Tool di data refinement semantico per pulire, riconciliare e arricchire dati, creare grafi di conoscenza RDF e collegare entità a fonti esterne migliorando qualità e interoperabilità.
Strumento per bonificare, trasformare e riconciliare dati tabellari (CSV, Excel, JSON) e convertirli in RDF per creare knowledge graph. Basato su OpenRefine, permette di collegare i valori a fonti esterne come Wikidata migliorando qualità e interoperabilità dei dati.
Specifiche
Ontotext Refine 1.2.2
Link: https://www.ontotext.com/products/ontotext-refine/
Documentazione: https://platform.ontotext.com/ontorefine/
OpenSeadragon
Libreria JavaScript open-source che permette di visualizzare immagini ad altissima risoluzione (immagini gigapixel) in modo interattivo, con zoom e pan fluidi, caricando le parti necessarie (tiles) man mano che l'utente naviga.
Libreria JavaScript open-source che permette di visualizzare immagini ad altissima risoluzione (immagini gigapixel) in modo interattivo, con zoom e pan fluidi, caricando le parti necessarie (tiles) man mano che l'utente naviga.
Visualizzatore web per immagini ad altissima risoluzione, come manoscritti, mappe e opere d’arte digitalizzate: permette zoom e spostamento fluidi caricando solo le porzioni d’immagine (tile) necessarie man mano che l’utente naviga. È una libreria JavaScript open source che supporta formati come Deep Zoom (DZI) e IIIF.
Specifiche
Organizzare, Catalogare, Rendere accessibile le riviste de “La Basilicata nel mondo”
Dp as a Service
P2PaLA
Modello per il riconoscimento delle linee di testo scritto a mano presenti in un'immagine. L’utente può caricare un’immagine. In output riceve le coordinate delle polilinee riconosciute. Ogni linea è rappresentata da una stringa di coordinate (x,y) separate da spazi. Le coordinate sono espresse in pixel rispetto all'immagine di input.
Modello per il riconoscimento delle linee di testo scritto a mano presenti in un'immagine. L’utente può caricare un’immagine. In output riceve le coordinate delle polilinee riconosciute. Ogni linea è rappresentata da una stringa di coordinate (x,y) separate da spazi. Le coordinate sono espresse in pixel rispetto all'immagine di input.
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint cineca/p2pala/job/{codiceDp}
PAPYRUS – knowledge base semantica per esplorazione delle tecniche di decifrazione dei papiri ercolanesi
Dp as a Service
pgvector
Estensione di PostgreSQL che permette di gestire e ricercare dati vettoriali generati da modelli di intelligenza artificiale. Consente di implementare funzionalità avanzate come ricerca semantica e sistemi RAG direttamente all’interno del database.
Estensione di PostgreSQL che permette di gestire e ricercare dati vettoriali generati da modelli di intelligenza artificiale. Consente di implementare funzionalità avanzate come ricerca semantica e sistemi RAG direttamente all’interno del database.
Estensione di PostgreSQL per memorizzare e cercare vettori (embedding) generati da modelli di intelligenza artificiale. Permette di realizzare ricerca semantica, raccomandazioni e sistemi RAG direttamente nel database, insieme ai dati tradizionali.
Specifiche
pgvector versione 0.8.2 su PostgreSQL versione 18
Indici supportati: HNSW e IVFFlat
PostgreSQL
Sistema di gestione di database relazionale open source. Supporta SQL avanzato, transazioni ACID, estensibilità e funzionalità enterprise. Ideale per applicazioni web, analytics e carichi di lavoro complessi.
Sistema di gestione di database relazionale open source. Supporta SQL avanzato, transazioni ACID, estensibilità e funzionalità enterprise. Ideale per applicazioni web, analytics e carichi di lavoro complessi.
Sistema di gestione di database relazionale open source per dati strutturati con SQL. Supporta transazioni ACID, dati JSON, ricerca full-text ed estensioni come pgvector.
Specifiche
PostgreSQL 18
Qwen2-VL 7B
Modello linguistico multimodale (Multimodal LLM), in grado di elaborare sia testo sia immagini come input. L’utente può utilizzare lo strumento sia in modalità solo testuale – inserendo solo un prompt a testo libero, multilingua – che multimodale – testo ed immagine.
Modello linguistico multimodale (Multimodal LLM), in grado di elaborare sia testo sia immagini come input. L’utente può utilizzare lo strumento sia in modalità solo testuale – inserendo solo un prompt a testo libero, multilingua – che multimodale – testo ed immagine.
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint cineca/qwen2/job/{codiceDp}
Real-ESRGAN
Modello basato su reti neurali generative che consente un upscaling 1x – 8x delle immagini. Ricostruisce dettagli plausibili e coerenti con la struttura originale. L’utente carica un’immagine a bassa risoluzione ed ottiene in output un’immagine scalata fino ad 8 volte la sua dimensione originale, mantenendo alta la qualità visiva.
Modello basato su reti neurali generative che consente un upscaling 1x – 8x delle immagini. Ricostruisce dettagli plausibili e coerenti con la struttura originale. L’utente carica un’immagine a bassa risoluzione ed ottiene in output un’immagine scalata fino ad 8 volte la sua dimensione originale, mantenendo alta la qualità visiva.
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint cineca/realesrgan/job/{codiceDp}
Rilevamento entità
Tecnologia che identifica e localizza le entità presenti in un'immagine, restituendo le coordinate utili per visualizzazioni, analisi o ritagli successivi.
Tecnologia che identifica e localizza le entità presenti in un'immagine, restituendo le coordinate utili per visualizzazioni, analisi o ritagli successivi.
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint ipac/creazione-tagging-entita-immagini/{codice-dp}
Silk
Framework open source per l’integrazione di Linked Data: individua e genera automaticamente collegamenti tra entità di dataset RDF diversi, sulla base di regole di confronto configurabili. Utile per riconciliare e collegare i dati del patrimonio culturale con fonti esterne (es. Wikidata, VIAF).
Framework open source per l’integrazione di Linked Data: individua e genera automaticamente collegamenti tra entità di dataset RDF diversi, sulla base di regole di confronto configurabili. Utile per riconciliare e collegare i dati del patrimonio culturale con fonti esterne (es. Wikidata, VIAF).
Framework open source per collegare dataset diversi individuando automaticamente le entità che si riferiscono alla stessa cosa (link discovery), sulla base di regole di confronto configurabili. Genera collegamenti RDF, come owl:sameAs, utili per allineare i dati del patrimonio culturale con fonti esterne quali Wikidata o VIAF.
Specifiche
Silk 3.6.0
Licenza Apache-2.0.
Link: http://silkframework.org
Sintesi vocale
Tecnologia che avvia il processo di conversione del testo in audio. L’utente fornisce un testo e ottiene un file audio con la sua lettura in voce sintetica.
Tecnologia che avvia il processo di conversione del testo in audio. L’utente fornisce un testo e ottiene un file audio con la sua lettura in voce sintetica.
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint ipac/creazione-tts/{codice-dp}
Smart Guide – Motore di ricerca semantica e chatbot conversazionale per Guide e Istruzioni Operative
Dp as a Service
Soggettario visivo
Tecnologia che permette di mappare le entità presenti in un immagine, con quelle certificate dal Soggettario di Firenze più vicine semanticamente.
Tecnologia che permette di mappare le entità presenti in un immagine, con quelle certificate dal Soggettario di Firenze più vicine semanticamente.
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint ipac/creazione-soggettario/{codice-dp}
Stable Diffusion
Modello generativo text-to-image basato su diffusione latente. L’utente inserisce una descrizione testuale (prompt) e lo strumento genera in output un’immagine corrispondente.
Modello generativo text-to-image basato su diffusione latente. L’utente inserisce una descrizione testuale (prompt) e lo strumento genera in output un’immagine corrispondente.
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint cineca/stablediffusion/job/{codiceDp}
Struttura fisica
Tecnologia che analizza il testo originale di ciascun media della risorsa digitale di input con la finalità di stabilire l’ordinamento fisico dei media all'interno della risorsa digitale.
Tecnologia che analizza il testo originale di ciascun media della risorsa digitale di input con la finalità di stabilire l’ordinamento fisico dei media all'interno della risorsa digitale.
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint ipac/creazione-struttura-fisica/{codice-dp}
Tagger Soggettario
Tecnologia che analizza un testo e restituisce i termini riconosciuti all’interno del Nuovo Soggettario di Firenze. L’utente inserisce un testo e lo strumento restituisce, per ogni termine riconosciuto nel Nuovo Soggettario, la forma originale, la forma normalizzata (lemma), la chiave soggettario e la categoria semantica.
Tecnologia che analizza un testo e restituisce i termini riconosciuti all’interno del Nuovo Soggettario di Firenze. L’utente inserisce un testo e lo strumento restituisce, per ogni termine riconosciuto nel Nuovo Soggettario, la forma originale, la forma normalizzata (lemma), la chiave soggettario e la categoria semantica.
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint cineca/tagging/job/{codiceDp}
Tagging tematico
Tecnologia che mappa i temi astratti rintracciati all'interno delle risorse testuali, utilizzando i termini provenienti dal Nuovo Soggettario di Firenze o da Iconclass.
Tecnologia che mappa i temi astratti rintracciati all'interno delle risorse testuali, utilizzando i termini provenienti dal Nuovo Soggettario di Firenze o da Iconclass.
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint ipac/creazione-tagging/{codice-dp}
Tesseract
Modello che restituisce la trascrizione di un testo stampato, in un unico file, rispettando la sequenza delle parole all’interno delle righe. L’utente carica l’immagine di un testo e indicando la lingua di riconoscimento – italiano o inglese – ottiene in output la trascrizione del testo stampato.
Modello che restituisce la trascrizione di un testo stampato, in un unico file, rispettando la sequenza delle parole all’interno delle righe. L’utente carica l’immagine di un testo e indicando la lingua di riconoscimento – italiano o inglese – ottiene in output la trascrizione del testo stampato.
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint cineca/tesseract/job/{codiceDp}
Tracce – Memorie, storie e documenti de “La Basilicata nel Mondo”
Dp as a Service
Traduzione testi
Tecnologia che consente di tradurre automaticamente testi da lingue straniere all'italiano. L’utente fornisce un testo in lingua straniera e ottiene in output la traduzione in italiano.
Tecnologia che consente di tradurre automaticamente testi da lingue straniere all'italiano. L’utente fornisce un testo in lingua straniera e ottiene in output la traduzione in italiano.
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint ipac/creazione-translation/{codice-dp}
Trame di Comunità a Oliveto Citra – Dataset relazionale di persone, luoghi ed eventi sull’emigrazione olivetana
Dp as a Service
Trascrizione audio
Tecnologia che esegue la trascrizione del testo su media di tipo 'Audio' o 'Video'. Converte il parlato in testo e distingue i diversi parlanti, attribuendo a ciascuno le proprie parti di trascrizione.
Tecnologia che esegue la trascrizione del testo su media di tipo 'Audio' o 'Video'. Converte il parlato in testo e distingue i diversi parlanti, attribuendo a ciascuno le proprie parti di trascrizione.
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint ipac/creazione-speech-to-text/{codice-dp}
TrOCR
Modello di Handwritten Character Recognition (HCR) progettato per riconoscere testo manoscritto. Riceve in input un’immagine contenente una singola riga di testo e restituisce in output la trascrizione corrispondente. L’utente fornisce un’immagine contenente una singola riga di testo manoscritto. Successivamente può scegliere il modello di trascrizione: – TrOCR_base, più adatto a testo inglese contemporaneo, – TrOCR_umanistica, specifico per la trascrizione della scrittura umanistica. italiana (circa 1450 – 1550). Lo strumento analizza l’immagine e genera automaticamente la trascrizione del testo riconosciuto.
Modello di Handwritten Character Recognition (HCR) progettato per riconoscere testo manoscritto. Riceve in input un’immagine contenente una singola riga di testo e restituisce in output la trascrizione corrispondente. L’utente fornisce un’immagine contenente una singola riga di testo manoscritto. Successivamente può scegliere il modello di trascrizione: – TrOCR_base, più adatto a testo inglese contemporaneo, – TrOCR_umanistica, specifico per la trascrizione della scrittura umanistica. italiana (circa 1450 – 1550). Lo strumento analizza l’immagine e genera automaticamente la trascrizione del testo riconosciuto.
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint cineca/trocr/job/{codiceDp}
Valorizzazione digitale della Via Appia attraverso l’estrazione e l’arricchimento semantico dei metadati
Dp as a Service
Virgilio – Assistente semantico per l’esplorazione dell’esperienza Double Reality
Dp as a Service
Whisper
Modello di riconoscimento vocale Speech-to-Text (STT) progettato per trascrivere audio in lingua italiana. L’utente fornisce un file audio vocale in italiano e lo strumento analizza l’audio e genera automaticamente la trascrizione del contenuto parlato.
Modello di riconoscimento vocale Speech-to-Text (STT) progettato per trascrivere audio in lingua italiana. L’utente fornisce un file audio vocale in italiano e lo strumento analizza l’audio e genera automaticamente la trascrizione del contenuto parlato.
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint cineca/whisper/job/{codiceDp}
Whisper TTS
Modello di sintesi vocale progettato per convertire testo in un file audio. L’utente fornisce un testo da convertire in audio e lo strumento analizza il testo in input e genera automaticamente un file audio contenente la versione parlata del testo.
Modello di sintesi vocale progettato per convertire testo in un file audio. L’utente fornisce un testo da convertire in audio e lo strumento analizza il testo in input e genera automaticamente un file audio contenente la versione parlata del testo.
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint cineca/whispertts/job/{codiceDp}
YOLO
Modello di riconoscimento oggetti (object detection) progettato per individuare e classificare oggetti all’interno di immagini. Analizza l’intera immagine e restituisce le posizioni e le categorie degli oggetti rilevati. L’utente fornisce un’immagine e lo strumento analizza il contenuto identificando gli oggetti presenti e indicando per ciascuno la categoria e la posizione (bounding box).
Modello di riconoscimento oggetti (object detection) progettato per individuare e classificare oggetti all’interno di immagini. Analizza l’intera immagine e restituisce le posizioni e le categorie degli oggetti rilevati. L’utente fornisce un’immagine e lo strumento analizza il contenuto identificando gli oggetti presenti e indicando per ciascuno la categoria e la posizione (bounding box).
Per la descrizione estesa del servizio, vai al link https://api-docs.dpaastools.it/docs all’endpoint cineca/yolo/job/{codiceDp}
Nessuna tecnologia corrisponde ai criteri di ricerca.
