Cours
Traitement du langage parlé en Python
AvancéNiveau de compétence
Actualisé 08/2024
PythonData Manipulation4 h14 vidéos53 Exercices4,400 XP9,069Certificat de formation
Créez votre compte gratuitement
Continuer avec GoogleAfficher plus d’optionsou
En continuant, vous acceptez nos Conditions d'utilisation, notre Politique de confidentialité et le fait que vos données seront hébergées aux États-Unis.
Apprécié par des utilisateurs provenant de milliers d'entreprises
Former une équipe ?
Essayez pour les entreprisesDescription du cours
Apprenez la reconnaissance vocale et le traitement du langage parlé en Python
Nous apprenons à parler bien avant d'apprendre à lire. Même à l'ère numérique, notre principal moyen de communication reste la parole. Le traitement du langage parlé en Python vous assistera dans le chargement, la transformation et la transcription de fichiers audio. Vous commencerez par découvrir à quoi ressemble l'audio brut dans Python, puis vous explorerez les bibliothèques populaires et travaillerez sur un exemple de cas d'utilisation en entreprise.Utiliser Python SpeechRecognition et PyDub pour transcrire des fichiers audio
Python dispose de plusieurs bibliothèques populaires qui facilitent le traitement du langage parlé. SpeechRecognition vous offre un moyen simple d'intégrer des API de reconnaissance vocale, tandis que PyDub vous aide à modifier par programmation les attributs des fichiers audio afin de les préparer pour la transcription. Chacune de ces bibliothèques est traitée dans un chapitre détaillé, vous offrant ainsi l'opportunité de mettre la théorie en pratique afin de consolider vos connaissances.Exercez-vous à la transcription de discours grâce à un projet intégré au cours
Le dernier chapitre de ce cours vous offre l'opportunité de mettre en pratique tout ce que vous avez appris en élaborant une preuve de concept de traitement de la parole pour une entreprise technologique fictive. Vous développerez un système qui transcrit les conversations téléphoniques en texte, puis effectue une analyse des sentiments afin d'examiner les appels téléphoniques du service client.À la fin de ce cours, vous disposerez à la fois des connaissances et de l'expérience pratique nécessaires pour mettre en application vos acquis dans le cadre de votre travail ou de vos projets personnels.
Prérequis
Introduction to Natural Language Processing in PythonSupervised Learning with scikit-learn1
Introduction au traitement du langage parlé avec Python
Les fichiers audio diffèrent de la plupart des autres types de données. Avant de pouvoir les exploiter, un prétraitement est nécessaire. Dans ce chapitre, vous apprendrez les premières étapes pour travailler avec des fichiers de parole en convertissant deux fichiers audio en ondes sonores et en les comparant visuellement.
2
Utiliser la bibliothèque Python SpeechRecognition
La reconnaissance vocale est encore loin d’être parfaite. Mais la bibliothèque SpeechRecognition offre un moyen simple d’interagir avec de nombreuses API de conversion de la parole en texte. Dans cette section, vous apprendrez à utiliser SpeechRecognition pour commencer facilement à convertir en texte la langue parlée présente dans vos fichiers audio.
3
Manipuler des fichiers audio avec PyDub
Tous les fichiers audio n’ont pas la même forme, la même taille ou le même format. Heureusement, la bibliothèque PyDub de James Robert fournit des outils permettant de modifier par programmation différents attributs des fichiers audio, comme le taux d’échantillonnage, le nombre de canaux, le format de fichier, et plus encore. Dans ce chapitre, vous apprendrez à utiliser cette bibliothèque pratique pour que tous vos fichiers audio soient dans le bon format pour la transcription.
4
Traiter du texte transcrit à partir de la parole
Dans ce chapitre, vous mettrez en pratique tout ce que vous avez appris en construisant une preuve de concept de traitement de la parole pour une entreprise technologique, Acme Studios. Vous commencerez par transcrire en texte des extraits audio d’appels au support client. Vous réaliserez ensuite une analyse de sentiment avec NLTK, une reconnaissance d’entités nommées avec spaCy et une classification de texte avec scikit-learn sur le texte transcrit.
Traitement du langage parlé en Python
Cours terminé
Obtenez un certificat de réussite
Ajoutez cette certification à votre profil LinkedIn, à votre CV ou à votre portfolioPartagez-la sur les réseaux sociaux et dans votre évaluation de performanceS'inscrire maintenant
Rejoignez plus de 19 millions d'utilisateurs et commencez Traitement du langage parlé en Python dès aujourd'hui !
Créez votre compte gratuitement
Continuer avec GoogleAfficher plus d’optionsou
En continuant, vous acceptez nos Conditions d'utilisation, notre Politique de confidentialité et le fait que vos données seront hébergées aux États-Unis.
Apprenez où que vous soyez avec l'application DataCamp
Progressez où que vous soyez grâce à nos cours conçus pour mobile et à nos défis quotidiens de 5 minutes.