After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Cursusbeschrijving
Leer spraakherkenning en gesproken taalverwerking in Python
We leren praten lang voordat we leren lezen. Zelfs in het digitale tijdperk is praten nog steeds onze belangrijkste manier om te communiceren. Spoken Language Processing in Python helpt je bij het laden, bewerken en transcriberen van audiobestanden. Je begint met te kijken hoe ruwe audio eruitziet in Python, en gaat dan verder met het verkennen van populaire bibliotheken en het doorlopen van een voorbeeld van een zakelijke toepassing.Gebruik Python SpeechRecognition en PyDub om audiobestanden te transcriberen
Python heeft een paar populaire bibliotheken die je helpen bij het verwerken van gesproken taal. SpeechRecognition maakt het makkelijk om spraak-naar-tekst-API's te integreren, terwijl PyDub je helpt om de eigenschappen van audiobestanden te veranderen zodat ze klaar zijn voor transcriptie. Elk van deze bibliotheken wordt uitgebreid behandeld in een hoofdstuk, zodat je de theorie in de praktijk kunt brengen en je kennis kunt versterken.Oefen spraak transcriptie met een project tijdens de cursus
In het laatste hoofdstuk van deze cursus kun je alles wat je hebt geleerd samenvoegen door een proof of concept voor spraakverwerking te maken voor een fictief technologiebedrijf. Je gaat een systeem bouwen dat telefoongesprekken omzet in tekst en dan een sentimentanalyse doet om telefoontjes naar de klantenservice te checken.Aan het einde van deze cursus heb je zowel de kennis als de praktische ervaring om wat je hebt geleerd toe te passen in je werk of persoonlijke projecten.
Vereisten
Curriculum
Cursusoverzicht
1
Introductie tot Spoken Language Processing met Python
Audiobestanden verschillen van de meeste andere soorten data. Voor je ermee kunt werken, is wat voorbewerking nodig. In dit hoofdstuk leer je de eerste stappen om met spraakbestanden te werken door twee verschillende audiobestanden om te zetten naar geluidsgolven en ze visueel te vergelijken.
- Introductie tot audiodata in Python50 XP
- De juiste frequentie50 XP
- Een audiobestand importeren met Python100 XP
- Geluidsgolf-bytes omzetten naar gehele getallen50 XP
- Het juiste gegevenstype50 XP
- Bytes naar integers100 XP
- Tijdstempels bepalen100 XP
- Geluidsgolven visualiseren50 XP
- Consistent blijven50 XP
- Audiogegevens verwerken met Python100 XP
2
De Python-bibliotheek SpeechRecognition gebruiken
Spraakherkenning is nog verre van perfect. Maar de SpeechRecognition-bibliotheek biedt een makkelijke manier om met veel speech-to-text-API's te werken. In deze sectie leer je hoe je met de SpeechRecognition-bibliotheek eenvoudig begint met het omzetten van de gesproken taal in je audiobestanden naar tekst.
3
Audiobestanden bewerken met PyDub
Niet alle audiobestanden hebben dezelfde vorm, grootte of indeling. Gelukkig biedt de PyDub-bibliotheek van James Robert tools waarmee je programmatisch verschillende audiobestandseigenschappen kunt aanpassen, zoals framerate, aantal kanalen, bestandsindeling en meer. In dit hoofdstuk leer je hoe je deze handige bibliotheek gebruikt om ervoor te zorgen dat al je audiobestanden de juiste vorm hebben voor transcriptie.
4
Getranscribeerde tekst uit gesproken taal verwerken
In dit hoofdstuk breng je alles wat je hebt geleerd samen door een proof of concept voor spraakverwerking te bouwen voor technologiebedrijf Acme Studios. Je begint met het transcriberen van geluidsfragmenten van telefoongesprekken van de klantenservice naar tekst. Daarna voer je sentimentanalyse uit met NLTK, named entity recognition met spaCy en tekstclassificatie met scikit-learn op de getranscribeerde tekst.
Spoken Language Processing in Python
Cursus
voltooid
