Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
Продължителност 14 часa
Съдържание и теми, включени в курса
Преглед на технологиите за разпознаване на реч
- История и еволюция на разпознаването на реч
- Акустични модели, езикови модели и декодиране
- Съвременни архитектури: RNN, трансформъри и Whisper
Предварителна обработка на аудио и основи на транскрипцията
- Работа с аудио формати и честоти на дискретизация
- Почистване, изрязване и сегментиране на аудио
- Генериране на текст от аудио: в реално време или на партиди
Практическа работа с Whisper и други API
- Инсталиране и използване на OpenAI Whisper
- Извикване на облачни API (Google, Azure) за транскрипция
- Сравняване на производителност, забавяне и разходи
Език, акценти и адаптиране към домейна
- Работа с множество езици и акценти
- Персонализирани речници и устойчивост на шум
- Обработка на правен, медицински или технически език
Форматиране на изхода и интеграция
- Добавяне на времеви отпечатъци, пунктуация и етикети на говорители
- Експортиране в текст, SRT или JSON формати
- Интегриране на транскрипции в приложения или бази данни
Лаборатории за внедряване на практически сценарии
- Транскрибиране на срещи, интервюта или подкасти
- Системи за команди от глас към текст
- Субтитри в реално време за видео/аудио потоци
Оценка, ограничения и етика
- Показатели за точност и сравнителен анализ на модели
- Пристрастия и справедливост в моделите за реч
- Съображения за поверителност и съответствие
Обобщение и следващи стъпки
Изисквания
- Разбиране на общи концепции за изкуствен интелект и машинно обучение
- Познаване на аудио или медийни файлови формати и инструменти
Аудитория
- Специалисти по данни и инженери по изкуствен интелект, работещи с гласови данни
- Софтуерни разработчици, изграждащи приложения, базирани на транскрипция
- Организации, проучващи разпознаването на реч за автоматизация
