{ "cells": [ { "cell_type": "markdown", "source": [ "#Latviešu valodas runas atpazīšana\n", "\n", "Šajā bloknotā ir rīki latviešu valodas runas atpazīšanai. Tiek izmantots LU MII AiLab izveidotais [runas atpazīšanas modelis](https://huggingface.co/AiLab-IMCS-UL/whisper-large-v3-lv-late-cv17), kas veidots izmantojot [Balsu talkā](https://balsutalka.lv/) savāktos datus.\n", "\n", "Lai veiktu runas atpazīšanu audio failā sekojiet zemāk uzskaitītajiem soļiem." ], "metadata": { "id": "zZBBTnW-aThp" } }, { "cell_type": "markdown", "source": [ "##1. Nomainiet izpildlaika veidu uz T4 GPU\n", "\n", "Lai to izdarītu galvenajā izvēlnē šīs lapas augšpusē ejiet uz `Izpildlaiks` -> `Mainīt izpildlaika veidu` un izvēlieties `T4 GPU`\n", "\n", "" ], "metadata": { "id": "GALJps6fDlQD" } }, { "cell_type": "code", "source": [ "#@title 2. Nospiediet uz atskaņošanas pogas, lai ielādētu nepieciešamos rīkus.\n", "\n", "import ipywidgets as widgets\n", "from IPython.display import clear_output\n", "import torch\n", "from transformers import AutoModelForSpeechSeq2Seq, AutoProcessor, pipeline\n", "\n", "uploader = widgets.FileUpload(description='Izvēlieties audio', accept='audio/*', multiple=False)\n", "# uploader = widgets.FileUpload(multiple=False)\n", "display(uploader)" ], "metadata": { "id": "zLDYIFciCMTw", "cellView": "form" }, "execution_count": null, "outputs": [] }, { "cell_type": "markdown", "source": [ "##3. Izvēlieties audio failu\n", "Pēc rīku ielādes parādīsies poga \"Izvēlieties audio\", nospiediet to un izvēlieties audio failu kurā atpazīt latviešu valodas runu." ], "metadata": { "id": "QxsuN4r0QGnl" } }, { "cell_type": "code", "source": [ "# @title 4. Palaidiet runas atpazīšanas procesu\n", "\n", "if len(uploader.data) == 0:\n", " display(widgets.HTML(\n", " value=\"