常问问题

常问问题

一般的

Quoth 是一种使用 AI 和机器学习来搜索、验证和桥接 NFT 的全链协议。

  • 实时稀有度: 收藏家和收藏家不必等待很长时间来检查 NFT 的稀有性;通常,这需要从铸币时间开始大约 1 周,因为它必须经过申请流程。在 Quoth,收藏品及其稀有品将在上线后 1-2 小时内上架。 
  • 所有 NFT 集中在一处: 我们的 AI 正在索引所有链中的所有 NFT。目前,我们已经索引了所有以太坊 NFT 中的大约 90%。
  • 动态跟踪元数据,免费收集: 这对于项目来说尤其重要,因为只要动态稀有度发生变化,他们就不必对其进行更新或付费。它会在我们的平台上自动发生。
  • 对所有 NFT 进行类似 Google 的搜索: 我们正在创建一个类似于 google 的语义搜索,您可以在其中输入任何单词,并且您可以找到将从这些单词中索引的任何 NFT。
  • 与顶级 NFT 收藏合作: Quoth 与多个 NFT 收藏品建立了战略合作伙伴关系,其中包括 SupDucks、Untamed Elephants、Based Fish Mafia 等。与 Quoth 合作的收藏将能够在其社区的帮助下训练神经网络,这将获得 Quoth NFT 奖励。

艺术家、收藏家、买家、贸易商、市场和钱包。

  • 验证 NFT 以确保真实性和原创性的钱包和市场。
  • 收藏家获得 NFT 的真实市场价格,而不是底价。
  • 市场验证 NFT 项目以进行预上市以确保真实性。
  • 收集者将资产桥接到所有链,以使用流行的 defi 协议获得更深层次的流动性和收益。
  • 平台将 NFT 资产安全地连接到其他网络,以访问更广泛的收集者。
  • 所有者希望通过将原始 NFT 分割成多个链上的 NFT 来最大化回报。
  • 作为 NFT 许可机制的未来用例,用加密原生解决方案取代传统版权。
  • 用于 NFT 评估的 AI 推荐引擎和类似的出售期权算法。

我们的 Beta MVP 培训只能通过白名单进行。要被列入白名单,您需要成为与我们合作的 NFT 收藏品之一的持有者。

是的。拥有最活跃和最准确的搜索和点击结果以帮助我们的 ML 训练神经网络的顶级参与者将自动生成一个 NFT:

  • 可交易
  • 授予只有少数选定参与者获得的所有访问功能
  • 永远拥有对所有未来版本的访问权限
  • 开发者不和谐频道独家直销
  • Discord 成员中的精英地位——永远!
  • 横幅广告上的免费广告

请通过 Twitter DM 联系或使用此 形式.

币安智能链和以太坊上的实用代币。

该代币将基于 IDO 的 Binance Smartchain,稍后将基于 ERC-721 合约(ERC-721 是与 BEP 标准兼容的标准,基础是 ERC-721 的实现,即本质上与 BEP 没有什么不同)。

币安网络上的合约将扩展额外的功能,以便在以太坊侧释放代币时清算代币。

我们的原生代币 $QUOTH 已在 MEXC 和 PancakeSwap 等多个平台上市。

总供应量为 55,000,000 个代币。

代币分配代币数量百分比(%)发售价格(美元)价值(美元)
种子2,750,0005%0.30$825,000
私人的5,716,66710.4%0.45$2,572,500
我做883,3331.6%0.60$530,000
团队8,800,00016.0%  
顾问3,300,0006.0%  
营销4,950,0009.0%  
流动性5,500,00010.0%  
社区激励9,350,00017.0%  
战略储备13,750,00025.0%  
全部的:55,000,000100%  

不,供应是固定的,它们没有任何类型的燃烧/税收。

常问问题

Quoth 令牌

常问问题

科技

它将识别区块链上的 NFT 并提取以下数据:

  • 合约地址
  • 所有相关的交易、时间戳、价格变化和发起人信息
  • 元数据
  • 元数据中包含的数据链接

然后数据将被AI处理和标记处理,识别数据类型(图像、视频、音频、文本等),执行语义图像描述、图像到文本、声音到文本、视频-文本服务并创建数据库,为反向图像、视频和音频搜索做好准备。

  • 身份验证过程分 3 个步骤进行:

    提交图像或令牌地址。
    我们的系统将向您展示类似的 NFT。您将能够看到结果的铸造日期/时间戳。
    将生成一个相似度百分比,向您展示您的 NFT 的原始程度

原创性检测组件将执行两种检查: 

  • 文字比较:如果两个引号有重合的标点和拼写错误,则它们将被视为相同。使用在现有报价和 NFT(它们的名称和描述)上训练的 ML 模型将自动纠正常见的拼写错误。 
  • 释义检测:如果两个引号具有相似的语义表示,则将它们视为相同,直到阈值。项目实施过程中会优化语义表示类型的阈值和精确类型。
  • 自定义语言模型的自监督训练(词嵌入);在小数据集(少于几 GB 的文本)的情况下,将一些合适的大文本数据集(例如 Wikipedia)添加到目标数据集中。 
  • 基于语言模式,计算数据集中每个文档的语义表示。 
  • 在数据集的语义空间中找到了几个集群,以找到不同的“意义岛”。
  • 对于数据集的视觉检查,计算文档集合的二维图;此地图连接主题、关键字和文档。注意:在二维表示中,主题仅近似对应于视觉集群(“意义的斑点”)。 
  • 可以为找到的集群手动推断有意义的名称。 
  • 最后,对于较长的文档,首先对原始文档的简短(10-200 字)摘录执行最后 4 个步骤,然后重复生成“文档类”。 
  • 这种方法能够以最少的人工标记来标记文档集合。生成的主题(通常会找到几十到几百个主题)比手动标记初始文档集合要容易得多。 
  • 此外,文本集合的可视化表示提供了文本集合的概述、文本组之间的关系,并有助于选择最重要的标签(文档类别)。 
  •  

加入社区

访问我们的 Telegram 群组,与不断壮大的投资者和用户社区会面,并听取所有最新消息。