Estás mejorando tu aplicación de agricultura de precisión al permitir que los agricultores controlen su maquinaria con comandos de voz. El sistema debe reconocer palabras clave en comandos como "Enciende el sistema de riego por aspersión".

Aprovecharás un conjunto de datos de detección de palabras clave con clips de audio de palabras clave como "on". ¡Preprocesa los archivos de audio para poder utilizarlos con un modelo Transformer preentrenado!

Se han precargado algunos datos:

dataset contiene un conjunto de datos de entrenamiento de archivos de audio. Ya contiene la división train, por lo que no necesitas especificar train cuando utilices dataset.
AutoFeatureExtractor se ha importado de transformers.
model es igual a facebook/wav2vec2-base.
max_duration se define como 1 segundo.

Preprocesar imágenes y audio para el entrenamiento

Create Your Free Account