О чём урок
Этот notebook предлагает руководство по улучшению транскрипций Whisper. Мы оптимизируем ваши аудиоданные с помощью обрезки и сегментации, повышая качество транскрипций Whisper. После транскрибирования мы доработаем output, добавив знаки препинания, скорректировав терминологию продуктов (например, 'five two nine' на '529') и устранив проблемы с Unicode. Эти стратегии помогут улучшить ясность ваших транскрипций, но помните, что индивидуальная настройка под ваш уникальный use-case может быть полезной.
Для начала импортируем несколько различных библиотек:
- PyDub — это простая и удобная библиотека Python для задач обработки аудио, таких как нарезка, объединение и экспорт аудиофайлов.
- Класс Audio из модуля IPython.display позволяет создавать элемент управления аудио, который может воспроизводить звук в Jupyter notebooks, предоставляя простой способ воспроизведения аудиоданных непосредственно в вашем notebook.
- Для нашего аудиофайла мы будем использовать вымышленный отчёт о доходах, написанный ChatGPT и озвученный автором. Этот аудиофайл относительно короткий, но, надеемся, даст вам наглядное представление о том, как эти шаги предварительной и постобработки могут быть применены к любому аудиофайлу.
Иногда файлы с длительными паузами в начале могут приводить к некорректной транскрипции аудио Whisper. Мы будем использовать Pydub для обнаружения и обрезки тишины.
Здесь мы установили пороговое значение децибел в 20. Вы можете изменить это по своему усмотрению.
Иногда мы сталкивались с внедрением символов Unicode в транскрипты; удаление любых не-ASCII символов должно помочь смягчить эту проблему.
Имейте в виду, что не следует использовать эту функцию, если вы транскрибируете на греческом, кириллице, арабском, китайском и т. д.
Эта функция добавит форматирование и знаки препинания в наш транскрипт. Whisper генерирует транскрипт с пунктуацией, но без форматирования.
Наш аудиофайл — это запись вымышленного отчёта о доходах, который включает множество финансовых продуктов. Эта функция может помочь гарантировать, что если Whisper транскрибирует названия этих финансовых продуктов некорректно, они могут быть исправлены.
Эта функция создаст новый файл с добавлением 'trimmed' к исходному имени файла
Наш аудиофайл с вымышленным отчётом о доходах довольно короткий, поэтому мы…
Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.