Speech Recognition and Transcription Using AI

• Zrozumienie ogólnych koncepcji sztucznej inteligencji i uczenia maszynowego
• Znajomość formatów plików audio lub multimedialnych oraz narzędzi

Grupa docelowa

• Naukowcy danych i inżynierowie AI pracujący z danymi głosowymi
• Programiści oprogramowania tworzący aplikacje oparte na transkrypcjach
• Organizacje badające rozpoznawanie mowy w celu automatyzacji

Rozpoznawanie mowy i transkrypcja za pomocą sztucznej inteligencji polega na przekształcaniu języka mówionego w tekst pisany za pomocą modeli uczenia maszynowego i systemów przetwarzania języka naturalnego.

To szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do profesjonalistów poziomu średniozaawansowanego, którzy chcą wdrożyć, ocenić i optymalizować rozwiązania AI do przekształcania mowy w tekst w realnych przypadkach użycia.

Po zakończeniu tego szkolenia uczestnicy będą mogli:

• Zrozumieć, jak nowoczesne modele rozpoznawania mowy są trenowane i wdrażane.
• Oceniać otwarte i komercyjne API do transkrypcji mowy w tekst.
• Radzić sobie z wyzwaniami wielojęzyczności i transkrypcji specjalistycznej.
• Budować proste przepływy transkrypcji dla różnych źródeł audio.

Format kursu

• Interaktywne wykłady i dyskusje.
• Wiele ćwiczeń i praktyki.
• Ręczne wdrożenie w środowisku live-lab.

Opcje dostosowywania kursu

• Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt z nami w celu uzgodnienia.

Przegląd technologii Speech Recognition

• Historia i ewolucja rozpoznawania mowy
• Modele akustyczne, modele językowe i dekodowanie
• Nowoczesne architektury: sieci neuronowe z pamięcią (RNNs), transformatory i Whisper

Podstawy audio i przetwarzanie transkrypcji

• Obsługa formatów audio i częstotliwości próbkowania
• Oczyszczanie, przycinanie i segmentacja audio
• Generowanie tekstu z audio: w czasie rzeczywistym vs. w partiach

Praktyczne zajęcia z Whisper i innymi API

• Instalowanie i używanie OpenAI Whisper
• Wywoływanie API w chmurze (Google, Azure) do transkrypcji
• Porównywanie wydajności, opóźnień i kosztów

Język, akcenty i adaptacja do dziedziny

• Praca z wieloma językami i akcentami
• Słowniki niestandardowe i odporność na szum
• Obsługa języka prawniczego, medycznego lub technicznego

Formatowanie wyjścia i integracja

• Dodawanie znaczników czasu, interpunkcji i etykiet mówcy
• Eksport do formatów tekstowych, SRT lub JSON
• Integrowanie transkrypcji z aplikacjami lub bazami danych

Use Case Laboratoria implementacyjne

• Transkrypcja spotkań, wywiadów lub podcastów
• Systemy poleceń głosem do tekstu
• Nadpisy w czasie rzeczywistym dla strumieni wideo/audio

Ocena, ograniczenia i etyka

• Wskaźniki dokładności i benchmarkowanie modeli
• Uwzględnienie zniekształceń i sprawiedliwości w modelach mowy
• Rozważania dotyczące prywatności i zgodności

Podsumowanie i następne kroki