Você está aprimorando seu aplicativo de agricultura de precisão ao permitir que os agricultores controlem suas máquinas com comandos de voz. O sistema deve reconhecer palavras-chave em comandos como "Ligar o sistema de irrigação por aspersão".

Você aproveitará um conjunto de dados de detecção de palavras-chave com clipes de áudio de palavras-chave como "on". Pré-processe os arquivos de áudio para que eles possam ser usados com um modelo pré-treinado do Transformer!

Alguns dados foram pré-carregados:

dataset contém um conjunto de dados de treinamento de amostra de arquivos de áudio. Ele já contém a divisão train, portanto, você não precisa especificar train ao usar dataset.
AutoFeatureExtractor foi importado de transformers.
model é igual a facebook/wav2vec2-base.
max_duration é definido como 1 segundo.

Preparar modelos com o AutoModel e o Accelerator

Create Your Free Account