speech-to-text

ينفث ها المشروع ننظم التدرف التدلقي علي الكلام (ASR) في بايثون باستددام TensorFlow/Keras. يقوم بتدريب نمودج يشبه DeepSpeech2 علي مجموعة بيانات LJSpeech لتحويل سوت الكلام الى نسج ناصية.

الميزات:

المعالجة المسبقة: تطبيع الصوت، وتوليد الطيف (STFT).

الترميز على مستوى الأحرف باستخدام StringLookup.

وظيفة فقدان CTC مخصصة للتدريب من تسلسل إلى تسلسل.

هندسة مستوحاة من DeepSpeech2:

الطبقات التلافيفية

وحدات GRU ثنائية الاتجاه

مخرج سوفت ماكس متصل بالكامل

تقييم النموذج باستخدام معدل خطأ الكلمات (WER).

تصور المخططات الطيفية والإشارات الصوتية.