Giriş

  • 5 dakika

Sesli yardımcıların gerçekten nasıl çalıştığını hiç merak etti mi? Söylediklerimizi nasıl anlıyorlar? Sesli yardımcılar hakkında düşünürken ilk adıma sahip olursunuz, yani konuşmayı metne dönüştürme, ardından ekleme (sözcükleri sayıya dönüştürme) sözcüğü olan Doğal Dil İşleme (NLP) adımına sahip olursunuz, ardından ifadenin (insanların söyledikleri) amaca göre bir sınıflandırmanız olur (ses yardımcısının yapmasını istedikleri şey). Bu öğrenme yolunu izliyorsanız, NLP bölümünün nasıl çalıştığını zaten öğrenmiş olursunuz. Şimdi konuşulan sesten metni nasıl aldığımıza bakmak istiyoruz. Ses sınıflandırması yalnızca konuşma yardımcıları için değil, birçok şey için kullanılabilir. Örneğin, müzikte türleri sınıflandırabilir veya bir kişinin sesindeki tona göre ve hatta henüz düşünmediğimiz daha fazla uygulamaya göre hastalığı algılayabilirsiniz.

Bu öğrenme modülünde TensorFlow ile ses sınıflandırması yapmayı öğreneceğiz. Ses sınıflandırma modeli oluşturmanın birden çok yolu vardır. Dalga formunu kullanabilir, dalga dosyasının bölümlerini etiketleyebilir, hatta spektrogram görüntüsünde görüntü işlemeyi kullanabilirsiniz. Bu öğreticide, önce analogdan dijital gösterimlere kadar ses verilerinin nasıl anlaşılacağını ayıracak, ardından spektrogram görüntülerinde görüntü işleme kullanarak modeli oluşturacağız. Doğru, sesi görüntü gösterimine dönüştürebilir ve ardından konuşulan sözcüğü sınıflandırmak için görüntü işlemeyi kullanabilirsiniz! ve no'i anlayabilecek yes basit bir model oluşturacağız. Kullanacağımız veri kümesi, TensorFlow veri kümelerinde yerleşik olarak bulunan açık veri kümesi Konuşma Komutları'dır. Bu veri kümesinin sınıflandırma için kullanılacak toplam 36 farklı sözcüğü/sesi vardır. Her konuşma bir saniyelik (veya daha az) bir WAVE biçimi dosyası olarak depolanır. Yalnızca ikili sınıflandırma için ve no kullanacağızyes.

Öğrenme hedefleri

  • Ses verilerinin bazı önemli özelliklerini anlayın.
  • Ses makine öğrenmesi modelleri oluşturmaya giriş.
  • Dalga dosyalarından ikili sınıflandırma modeli oluşturmayı öğrenin.

Önkoşullar

  • Python bilgisi
  • Makine öğrenmesi hakkında temel bilgiler